32个案例实战，实操实练，能让您快速上手，并举一反三，创作出新颖、独特、火爆的AI数字人效果！70集教学视频，可随时随地全程查看操作过程，有效解决问题、难，让学习更轻松、高效！80多个素材 效果文件＋150多页PPT教学课件等资源，助您轻松、快速实现多种效果的产出！
神经网络与深度学习是当前人工智能领域的热问题之一。很多学生和科技工作者需要理解和应用神经网络的方法来处理相关的工程问题，但目前市场上大多数相关图书偏向学术研究，缺乏实践性。鉴于此，本书对学术界已经基本形成共识的主流神经网络及深度学习算法行了归纳、总结和仿真，并从工程应用的角度对新兴的神经网络技术行介绍，帮助读者尽快掌握这些算法及其应用。本书主要内容包括： ? 神经网络的基本原理； ? 深度学习的理论及架构； ? 卷积神经网络的原理； ? 神经网络的训练方法； ? 神经网络的MATLAB仿真； ? 深度学习的MATLAB仿真。
本书从调优、并行、向量化、构建管道等深度学习基础知识始，逐步深，通过现实生活中的例子，展现深度网络架构的方法和策略。本书避免了艰深的理论讨论，而是针对实际问题提供了必要的指引。-深理解机器学习和深度学习基本概念-了解从神经网络到深度网络的演化历程-探索主流深度网络架构，包括卷积神经网络和循环神经网络-了解如何将特定的深度网络应用于适合的问题-全面了解通用的对神经网络和特定深度网络架构调优的基础知识-学习针对不同类型数据的向量化技术以及如何在Spark和Hadoop平台上原生地使用DL4J
- 领导 谷歌大脑 的工程师Jeff Dean发来寄语- 李航、余凯等人工智能领域专家倾力推荐- 基于TensorFlow 1.1，包揽TensorFlow的新特性- 技术内容全面，实战案例丰富，视野广阔- 人脸识别、语音识别、图像和语音相结合等热一应俱全TensorFlow是深度学习的zui流行的框架之一，极适合新手门。谷歌公司正致力于建立一个相关软件和机器学习模型的源生态系统，这是人工智能发展的技术风口。本书基于TensorFlow1.1版本，深TensorFlow基础原理、设计理念、编程模型、源码分析和模型构建、工业界应用、大规模数据训练等。全书分为基础篇、实战篇和提高篇三部分。 基础篇 人工智能门，学习深度学习的方法。 TensorFlow基础原理、设计架构和编程模型。 常用API、批标准化、模型的存储与加载、队列及线程、实现一个自定义OP。 TensorBorad可视化的全面解析。 源码分析。 神经网络（CNN和RNN）
本书目标读者是大三以上的学生，以及广大的工程技术人员，研发人员。亦可以作为统计、计算机、大数据以及相关专业和各交叉学科的教材使用。
深度学习应用所使用的大部分数据是由自然语言处理（NLP）提供的，而TensorFlow是目前比较重要的深度学习框架。面对当今巨量数据流中众多的非结构化数据，本书详细讲解如何将TensorFlow与NLP二者结合以提供有效的工具，以及如何将这些工具应用于具体的NLP任务。 本书首先介绍NLP和TensorFlow的基础知识，之后讲解如何使用Word2vec及其高级扩展，以便通过创建词嵌将词序列转换为深度学习算法可用的向量。本书还介绍如何通过卷积神经网络（CNN）和递归神经网络（RNN）等经典深度学习算法执行句子分类和语言生成等重要的NLP任务。你将学习如何在NLP任务中应用高性能的RNN模型（比如长短期记忆单元），还将认识神经机器翻译，并实现一个神经机器翻译器。 通过阅读本书，你将学到： NLP的核心概念和各种自然语言处理方法 使用TensorFlow函数创建神经网络以完成NLP任务
机器学习是人工智能领域中非常重要的一个研究方向，而深度学习作为机器学习的重要组成部分，伴随着近几年数据规模的增长和计算力的提升而备受关注。深度学习框架的快速发展大大降低了算法的门门槛，越来越多的深度学习从业者能够通过这些框架实现算法并应用到生活场景中，让我们的生活更加智能和便捷。 通过阅读本书，你将学到： MXNet、TensorFlow、Pytorch、Caffe等深度学习框架的差异 MXNet框架各主要模块的技术原理和应用实践 MXNet在图像分类、目标检测、图像分割中的应用，以及相关算法的训练、模型测试和实现细节 基于动态图构建网络结构的Gluon口 MXNet专门为计算机视觉任务推出的深度学习库GluonCV 从零始实现深度学习和计算机视觉算法的方法
1.讲解透彻易懂，深介绍天地一体化网络服务技术的功能组成、技术特。 2.结合信息技术的新研究展，使读者能够快速地理解该技术领域的相关技术及发展动态。 3.注重发展前沿，紧跟相关研究领域的新研究成果，对当前的热研究问题及其技术难行了系统的介绍。 4.内容详实、组织结构合理。网络通信及数据信息服务等相关领域研究人员、技术人员值得参考的书籍。
本书对智能制造理论、政府政策推动、企业*实践等三个维度行有机整合，力求为读者展现全球智能制造恢弘演化的立体画卷。通过大量的理论前沿、客观数据和管理事实，更加具体且直地描述智能制造的发展与实践，并给出了全球*产业 汽车制造的中外实践，以及国家竞争能力典型代表 国防军工的*创新应用。
大部分现代分布式应用的核心就是队列。它提供了缓存、优先级区分和消息路由的能力。RabbitMQ是一款高性能的消息代理服务器，基于高级消息队列协议。它经受住了实践的检验，足够快速，足够强大，几乎可以满足所有消息投递的需要。仅需要一些简单的设置，就能立即使用它管理低级别服务通信、应用集成和分布式系统的消息路由。本书是构建和维护基于消息的应用程序的实用指南。本书详细介绍了RabbitMQ，其中重介绍了它的工作机制。不论是简单的网络服务，还是复杂的分布式设计，都可以从中找到真实系统的示例与详细解释。还可以从中领略到核心架构决策和有效运营管理流程发所需的深刻见解。 具体内容包括： ◎AMQP协议（Advanced Message Queueing Protocol） ◎使用MQTT、Stomp和HTTP行通信◎非常有价值的故障诊断技术 ◎数据库集成本书适合那些对面向消息的
英特尔 FPGA中国创新中心系列丛书
本书既强调对深度学习理论的深理解，同时用代码实践结合理论的讲解。
《用户体验增长》共分为理念与趋势、成长与管理、方法与实践3章，深浅出地通过一个个实践案例，全面丰富地介绍设计手段、方法与策略。希望每一位设计行业从业者、产品创新实践 者，都能通过阅读本书在变局中从容地应对挑战，把握机遇。在不同的维度，利用设计思维 和设计文化，去推动整个产业的数字化、智能化、绿色化程。
"1. 版本新，易门 本书详细地介绍从TensorFlow 2.1的安装到使用、TensorFlow默认API，以及使用官方所推荐的Keras的编程方法与技巧等。 2. 作者经验丰富，代码编写细腻 作者是长期奋战在科研和工业界的一线算法设计和程序编写人员，实战经验丰富，对代码中可能会出现的各种问题和 坑 有丰富的处理经验，使得读者能够少走很多弯路。 3. 理论扎实，深浅出 在代码设计的基础上，本书还深浅出地介绍深度学习需要掌握的一些基本理论知识，通过大量的公式与图示结合的方式对理论做介绍，是一本难得的好书。 4. 对比多种应用方案，实战案例丰富 本书采用了大量的实例，同时也提供了一些实现同类功能的其他解决方案，覆盖了使用TensorFlow行深度学习发中常用的知识。 "
未来不属于AI，未来属于懂AI的孩子，一本书读懂AI，让孩子赢在AI时代。视频讲解趣味案例，提供源码和习题答案，全彩印刷，让孩子边玩边学，其乐无穷
1、专业作者团队：微软AI产品一线研发人员 心经 ，教学方式深浅出。 2、零基础门：帮助初学者构建全面系统的AI知识体系，高效学习AI技术。 3、系统的知识体系：从数据预处理、数据可视化，到监督学习模型、无监督学习算法、深度神经网络的原理，再到AI模型的训练、优化、性能度量，涵盖AI应用的全生命周期。 4、理论与应用并重：介绍各个AI模型的应用场景，包含回归、分类、聚类、图像处理、语音处理、自然语言处理，并介绍智能对话系统和知识图谱。
详细阐述了宁波市智能制造的案例。
全面梳理无人驾驶技术之作！ 适合对无人驾驶技术感兴趣的在校学生、工业从业者，以及相关人士阅读。 无人驾驶技术概览 无人驾驶定位导航、感知、决策与控制等算法 深度学习、强化学习、计算机视觉在无人驾驶中的应用 无人驾驶安全等多个主要技术
机器学习从入门到入职——用sklearn与keras搭建人工智能模型
学习路线清晰：从整体上对机器学习的知识架构行整理； 理论实际结合：以Sklearn和Keras等机器学习框架对涉及的理论行代码实现； 门参考：包含机器学习岗位职技巧。
1.B站知名人工智能垂直类博主梗直哥创作，基于全网累计播放百万次的人工智能系列视频和课程编写。 2.配套视频（原付费内容）助力学习，提升学习效率，讲解深度学习背后的基础知识。 3.涵盖当前深度学习的热领域，从理论到实战全方位展，全面解除前沿技术。 4.知乎、B站、公众号、知识星球等设有交流互动渠道，针对不同读者群体提供不的教学内容和方法。
《人形机器人行业落地与应用》系统介绍了在AI时代，人形机器人的前沿技术探索，人形机器人的法律与伦理，人形机器人的社会影响与未来挑战，以及人形机器人在各领域的应用，为读者搭建了一座从理论到实践的桥梁。
本书系统介绍深度强化学习的理论和算法，并配有大量的案例。全书核心内容可以分为3部分，部分为经典强化学习，主要内容有动态规划法，蒙特卡洛法、时序差分法；第二部分为深度强化学习，主要内容有值函数近似法、策略梯度法、策略梯度法阶；第三部分重介绍了深度强化学习的经典应用 AlphaGo系列算法。 ★ 大多数每个算法配有一个或多个测试案例，便于读者理解理论和算法； ★ 每个案例都配有编程实现的代码，便于读者理论联系实际，并亲自上手实践； ★ 为减轻读者编写代码的难度，本书所有案例的代码都是可以独立运行的，并且尽量减少了对依赖包的使用。
1．不用专业基础就能读懂，并制作。 2．机器人制作是火热的话题，完成制作可以在身边环境（兴趣论坛、朋友圈子、学校中）受到关注，有一定实用价值。 3．实践操作性强：从工具和材料准备、装配方法、设计思路到制作过程都配合图片，行了详细讲解，可以对照操作，来完成自己的制作。 4．所选制作实例也有相应的技术价值，读者不光可以制作出有趣的机器人，也可以从中学到相应的知识，比如模拟电路、神经元网络、数字电路等。 5．作者在杂志、网络上有一定影响力。
《给孩子的人工智能课》以生动有趣的方式，向孩子们介绍了人工智能的基本概念、发展历程和应用领域，使他们在轻松愉快的氛围中了解这一前沿技术。不仅能让孩子们了解人工智能的基本知识，还能激发他们对科技创新的兴趣和热情。 《给孩子的人工智能课》不仅是让孩子了解未来科技的门读物，更是激发孩子探索与创新的启蒙之作。通过生动翔实的案例，将复杂深奥的科技概念变得通俗易懂，帮助孩子们更轻松地走人工智能的世界。 复旦大学教授、科学杂志《新发现》荣誉主编 严锋，纽约默西大学数学与计算机科学系终身教授陈志雄 倾情推荐
作者基于近20年人工智能与*化控制的研究积累，用通俗易懂的语言系统梳理了人工智能发展过程中的几次人机大战里程碑事件，从历史中总结和展望人工智能技术的研究方法论与未来应用前景。 人工智能技术近年来取得指数级的步，甚至可以通过自我博弈超越人类的经验。人工智能和人机博弈技术的本质是什么？它们背后的方法学和思维方式又是什么？算力、算法、数据与博弈论思想的融合能够研究与分析哪些复杂问题？ 国际象棋领域诞生了深蓝，围棋领域诞生了AlphaGo，更复杂、更灵活、更加不透明的博弈对抗系统又会诞生谁？它何时能够超越人类*水平？ 未来人工智能到底是人类的伙伴还是对手？它将如何颠覆我们传统的思维方式和决策体系？ 博弈 AI 的结合之后将对我们的社会带来哪些变化？ 针对这些问题，本书给出了有深度的见解，给您有益的启迪。
ROS工程师经常面临使用机器人操作系统（ROS）基础设施并将物理机器人连到机器人仿真系统的挑战。通过本书，读者将学习如何在虚拟环境中对机器人行仿真并在等效的实际场景中实现所需的行为。 本书首先介绍GoPiGo3及其配备的传感器和执行器。然后，通过从零始创建3D模型并使用Gazebo在ROS中运行仿真来使用GoPiGo3的数字孪生模型。下来展示如何使用GoPiGo3构建和运行一个了解周围环境的自主移动机器人，探索机器人如何学习尚未在代码中编程但通过观察其环境而获得的任务。本书还涵盖诸如深度学习和强化学习之类的主题。 在本书的*后，读者将熟悉在机器人技术中构建专用应用程序的基础知识，并具备从零发高度智能自主机器人的能力。 本书涵盖的主要内容： ?发有环境感知能力的机器人。 ?机器人在物理环境中的反应。 ?将期望的行为分解为一系列机器人行
初学者学习机器学习课程一般都会面临两大障碍。*大障碍是数学基础。机器学习要求有数学基础，书中大量的公式是初学者的噩梦，尤其是对于已经离大学走向工作岗位的爱好者来说，从头始去学习和理解数据分布和模型背后的数学原理需要花费很多的时间和精力，学习周期非常漫长。第二大障碍是编程实践。并不是所有人都擅长编代码，而只有亲手用代码实现机器学习的各种算法，亲眼见到算法解决了实际问题，才能更深理解算法。除非想做高精尖的前沿研究，理论研究和公式推导并非大多数人的专长，如果只是想更合理地应用机器学习来解决实际问题，掌握必需的数学知识就可以理解问题该如何解决，使用Python编程实现机器学习算法也比使用C 或Java等语言容易得多。 本书就是为了让初学者顺利门而设计的。首先，本书只讲述机器学习常用算法的基本原理，并
1.以通俗易懂的方式，从数据科学的角度系统的阐释重要且实用的统计学概念，介绍如何将各种统计方法应用于数据科学中； 2.运用清晰的解释和丰富的示例，将实用的统计学术语与数据挖掘实践相结合，适用于数据科学的门初学者； 3.相比于上一版，本书新增了更多Python和R语言示例，读者可以更深的了解如何在数据科学项目中正确运用各种统计方法； 4.通过本书，你将掌握以下知识： 为什么探索性数据分析是启数据科学任务的关键一步 随机抽样如何降低偏差并提高数据集的质量 实验设计原则如何针对问题生成确定性答案 如何使用回归方法估计结果并检测异常 用于预测记录所属类别的主要分类方法 从数据中 学习 的统计机器学习方法 从未标记的数据中提取信息的无监督学习方法
元宇宙 概念为何突然爆火？Facebook、谷歌、微软都在元宇宙中做了什么？元宇宙将为个人生活带来哪些变化？我们如何利用元宇宙发展创新？本书，你所有关于元宇宙的疑问将会一一揭晓。在现实中不可能的事情，在元宇宙时代，是可以想象和实现的，可以用完全不同的视角来探索和解决现在的问题。元宇宙是多重技术叠加的平台，是 虚拟融合技术x数据技术x网络技术x人工智能 的复合体，元宇宙应用将在可以展望的将来扩展到产业的全领域。人们穿戴上可视设备便可登陆元宇宙，实现VR实景看房、线上参与音乐会、云看展云逛博等等。未来，元宇宙将深刻影响到人们的生活方式。
1.本书借孙悟空师徒四人取经的经典故事科普人工智能技术和应用，阐述自然语言处理、计算机视觉、音视频处理等人工智能技术和应用，配合丰富的实验内容，通过百度EasyDL平台体验AI技术的奥秘； 2.本书寓教于乐，结合课堂教学和实验，以及家庭亲子实践的方式，学习和体验AI技术的奥妙，适合8~16岁青少年学习AI门的启蒙书； 3.教育界多位知名青少年教育专家评推荐。
通过本书，你将学会如何使用TensorFlow行移动端机器学习应用的发，以及了解如下内容： ● TensorFlow对移动平台支持的起源和思路 ● TensorFlow对硬件加速技术的支持 ● TensorFlow Lite的架构和实现原理 ● TensorFlow在各种移动平台和嵌式平台上的发实例 ● 基于TensorFlow和谷歌云行机器学习的方法 ● 基于TensorFlow的机器学习服务框架 ● 基于TensorFlow的各种源技术和工程实践
1.本书对大数据与人工智能有一个综述性的介绍，包括大数据的本体论、机器学习的基本理论等内容，为具体场景、算法的实践奠定了基础。。 2.同时也提供了多个不同场景中的用例，帮助读者了解真实场景中技术工具的使用。 3.本书作者Anand Deshpande和Manish Kumar分别是Datametica Solutions的大数据交付总监和高级技术架构师，他们在数据生态系统技术和数据管理方面拥有丰富的经验。 数据与人工智能是未来几十年的重要发展方向。随着人工智能的快速应用及普及，大数据不断累积，深度学习及强化学习等算法不断优化，大数据技术将与人工智能技术更紧密地结合，具备对数据的理解、分析、发现和决策能力。
（1）星环科技人工智能平台团队合著，凝结星环科技人工智能和大数据团队丰富的实战经验 （2）从技术视角提供当前人工智能相关技术的深介绍，不仅讲解人工智能知识体系的理论基础，也可以指导基于实战的平台环境行操作。 （3）针对各种类型的机器学习问题，基于星环自研的人工智能平台（Sophon）环境，结合真实案例，依照数据、分析、建模的演历程行系统化阐述并行实战讲解。
《AIAgent发：零基础构建复合智能体》系统地介绍了智能体的核心原理与构建实践，涵盖了当前智能体发的热与流行技术，包括：MCP、A2A、RAG、LangChain、LangGrapsh，以及代码平台扣子等，并提供了从单智能体到复杂智能体的全流程发技术细节。全书以知识+示例的教学方式，循序渐，由浅深，并提供了大量实例演示，以及完整的项目实战，以及智能体的部署与运维技术，可帮助读者系统掌握发技能，并用于解决业务需求与实际问题。《AIAgent发：零基础构建复合智能体》还提供了教学视频，以二维码的形式呈现在书中对应章节，读者在阅读过程中可扫码观看，大大提高学习效率，同时，《AIAgent发：零基础构建复合智能体》还提供配套示例代码，读者可直调用行演练。全书尽可能使用通俗易懂的语言行描述，提供全面的系统的知识与智能体构建方法论，适合对智能体感兴
国内外服务机器人研发展、服务机器人创业团队未来两三年服务机器人市场发展
本书深浅出地介绍了人工智能和大模型的核心概念和算法，以及这些技术是如何发明和发展的。通过阅读本书，读者能够理解大模型背后的技术，感受到它所带来的改变。
本书不仅融合了关于生成式AI、深度学习、神经 网络的理论知识，还用幽默的语言与漫画讲解人工智能的底层理论体系和数学模型。 小白也能看懂的人工智能漫画科普； 没有公式，没有代码，故事有趣，轻松易读； 通过学习本书轻松门人工智能，启人工智能领域探索之旅。
1.用TensorFlow框架针对现实场景设计深度学习系统，实现有趣的深度学习项目。 2.10个真实项目，侧重于实战，涵盖图像处理、推荐系统、股票价格预测和训练聊天机器人、机器翻译系统和基于强化学习的电子游戏等实际应用 3.适合数据科学家、机器学习和深度学习领域的从业者以及人工智能技术的爱好者阅读。
《物品编码标识》从信息标准化人手，系统介绍了物品编码标识系统的相关知识及其应用。
1. 武汉市一线教师写作，适合校园展创客教育活动使用； 2. 以掌控板和mPython代码编程为支撑。 3. 图书结构合理，难度适中，适合中小学校学生学习。
计算机视觉解决方案日益普及，在医疗、汽车、社交媒体和机器人等领域取得了不错的展。本书将帮助你了解全新版本的谷歌机器学习源框架TensorFlow 2，你将掌握如何使用卷积神经网络（CNN）完成视觉任务。本书从计算机视觉和深度学习基础知识始，教你如何从头始构建神经网络。你将掌握一些让TensorFlow成为广泛使用的AI库的特性，以及直观的Keras口，继而高效地构建、训练和部署CNN。通过具体的代码示例，本书展示了如何使用Inception和ResNet等现代神经网络分类图像，以及如何使用YOLO、Mask R-CNN和U-Net提取特定内容。本书还将介绍如何构建生成式对抗网络（GAN）和变分自编码器（VAE）来生成和编辑图像，以及如何使用LSTM分析视频。在此过程中，你将深了解迁移学习、数据增强、域适应，以及移动设备和Web部署等高级知识以及其他关键概念。通过阅读本书，你将获得使
本书从工程实际应用角度出发，以典型工业现场总线为基线，在追踪国内外该领域技术发展的基础上，详细阐述了典型工业现场总线的基本模式及在国内处于主流地位的若干种工业现场总线的相关理论、技术、应用实例与系统设计等方面的内容。
今天的AI一定不会重蹈当年的覆辙吗？中国的AI产业真实发展到了什么地步？哪些AI技术*有前途？AI已经被证明可以在哪些领域改变我们的生活？哪些技术征兆，可以让我们窥视十年后的科技未来？在这个AI复兴的时代，还有哪些其他令人兴奋的科技话题？《未来学徒 读懂人工智能飞驰时代》将人工智能的技术语言翻译成大众语言，用灵活易懂的文字解读人工智能的技术核心，通过正在发生的案例摸清人工智能的发展脉络，力求对人工智能的解析让文科生也能读懂。《未来学徒 读懂人工智能飞驰时代》内容主要聚焦于2014~2018年，这是人工智能在当今时代再次复兴的关键五年，作者将其称为 人工智能飞驰时代 ，也是大众口中的 人工智能风口五年 。希望站在较为冷静的当下对火热过往的回望，能带给读者以理性的启迪。《未来学徒 读懂人工智能飞驰时代》的作者为2017
复杂系统暨鲁棒控制的理论和应用（Theory and Applications of Complex Systems a
本书介绍了遥感图像特定目标分割的代表性算法，包括全卷积神经网络、Encoder-Decoder架构和深度神经网络条件随机场等。作者从映射关系的角度阐述了遥感图像分割的实质，以算法设计、理论推导和代码实现的方式，展示了解决遥感图像目标分割问题的完整流程，理论与实现有机结合。
本书系统地分析与提炼了深度学习的知识体系结构，按原理、框架、方法和应用的顺序组织内容，并以提高用深度学习原理来解决实际问题的能力为目标，集基础性、系统性、延展性、实践性等特于一体。（1）基础性：从问题导着手，对每种深度学习网络的基本结构，行深剖析，以帮助读者体会其中的细节，带领读者步深度学习网络的内核世界。（2）系统性：所涉及各种深度学习网络起始于原理剖析、侧重于方法论述、扎根于信号处理领域，内容结构系统。（3）延展性：按深度学习网络 基本模型结构原理、阶模型结构原理及应用模型结构原理 的顺序递延伸，扩大了其在信号处理领域的应用范围。（4）实践性：以*新应用成果为依托，从问题引、原理分析、模型建立、仿真实验及结果讨论等方面，详细分析实战案例，有助于读者自行实践。以上特有助于为研究人
京公网安备11010502037644号|经营许可证编号：合字B2-20160011|互联网药品信息服务资格证
购物车