知识图谱开创了人工智能的新范式,以数据驱动和知识驱动相结合,开启了下一代人工智能,实现了人与人、人与机器、机器与机器的协同协作。此外,知识图谱突破了传统的人工智能研究领域,从广泛的文本、结构化、视觉和时序等多模型数据中提取知识已成为知识图谱发展的主要方向之一,多模态知识图谮的构建可深度融合并灵活运用显式符号知识和隐式数据知识。将深度学习、图深度学习、迁移学习与元学习深度融合是知识图谱的发展趋势,可用于全类型、高涵盖的大规模知识图谱构建,实现更精深的知识推理,是通往鲁棒、可解释的人工智能之路。 Dieter Fensel 是语义网络研究的先驱之一,本书是其团队在知译者序识图谱领域的主要成果之一。本书共5章,主要讨论了知识图谱的整个生命周期,知识图谱的概念、构建、实现、维护和部署、技术架构和未来工
¥56.80定价:¥59.80 (9.5折)
深度强化学习图解 强化学习入门书,AIGC 的技术秘密,奇妙解释复杂的RL概念。结合大量案例和应用程序,图文并茂指导你构建深度学习体系。
深度强化学习(Deep Reinforcement Leaming,DRL) 是深度学习和强化学习的巧 妙结合,是一种新兴的通用人工智能技术,是人工智能迈向智能决策的重要一步,是机器学习的热点,潜力无限,典型的成功案例是DeepMind AlphaGo和OpenAI Five。深度强化学习可看作在深度学习非线性函数超强拟合能力下,构成的一种新增强算法。目前就深度强化学习而言,需要从三个方面进行积累:,深度强化学习的理论基础:第二,深度强化学习的仿真平台:第三,产业落地的项目和产品。 从深度强化学习库以及框架看,学术界PyTorch和工业界Tensor Flow深度学习框架都将前沿成果集成进来。目前已有一些经典的深度强化学习文献和著作,但将深度强化学习理论、工具和实战相结合的著作还是很少,本书的出版恰好填补了这方面的空白。 本书图文并茂地对晦涩难懂的深度强化学习理论进行描述,并结合大
¥132.10定价:¥139.00 (9.51折)
AI可解释性(Python语言版) 通过构建XAI的方法论体系,形成一组工具和方法,从而解释ML模型产生的复杂结果,帮助人们理解ML模型。
《AI可解释性(Python语言版)》的出版恰逢其时,通过构建XAI的方法论体系,形成一组工具和方法,从而解释ML模型产生的复杂结果,帮助人们理解ML模型。本书从不可知论、依赖模型方法或内在可解释性构建了人工智能模型方法论,从全局可解释性和局部可解释性两个方面来回答AI 是什么 为什么以及 如何做 等方面的问题。本书适合人工智能从业者、计算机科学家、统计科学家以及所有对机器学习模型可解释性感兴趣的读者阅读。
¥56.80定价:¥59.80 (9.5折)
概率图模型原理与应用(第2版) 中国海洋大学数学科学学院许艳教授作序推荐,概率机器学习和人工智能可解释性领域不可多得的主题著作。随书赠送附录、词汇表、缩略语、符号、参考文献,获取地址见书封底二维码。
《概率图模型原理与应用:第2版》反映了PGM的理论基础与进展。取材精炼,层次分明,是一-本很好的关于PGM的专业书籍。同时结合了大量的案例分析与代码算例,使得初学者能快速掌握前沿的PGM理论。本书的翻译与出版能进一步推进国内 人工智能算法领域的研究与应用。本书对想了解PGM理论的研究者、开发者、决策者和使用者来讲,都是一部很好的参考书。
¥121.60定价:¥128.00 (9.5折)
¥22.10定价:¥28.00 (7.9折)
¥61.60定价:¥78.00 (7.9折)