1. 人工智能属于当前社会各界关注的热，本书系统地介绍了人工智能的定义、发展历程及其对各个领域的影响，有助于读者从宏观上深刻理解人工智能的本质，把握技术发展趋势。2. 本书为国内原创图书，能够结合我国的实际和政策，更有指导意义。
人工智能相关领域面试、笔试、经验心得、算法、考、难、真题解析一应俱全，获取高薪 在这里，有面试笔试常见技巧的提炼与总结； 在这里，有面试笔试高频人工智能领域相关知识的整理与剖析； 在这里，有面试笔试历年人工智能领域相关真题的解答与拓展。
本书包含PyTorch基础知识 实战案例两部分 提供notebook，方便读者交互性学习 梳理PyTorch基础知识及重、难 翔实的案例，案例包括Kaggle竞赛中经典项目、GAN生成动漫头像、AI滤镜、RNN写诗、图像描述任务 配套源代码文件供下载、读者交流QQ群
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
使用深度学习行语音识别是近年来AI研究的热之一。本书可以帮助读者掌握深度学习的核心内容、TensorFlow实现语音识别的技术要以及从模型构建到应用程序编写的整套技巧。
深度学习是机器学习中的一个流行子集，能够帮助用户更快速地构建复杂模型，并提供更准确的预测。《深度学习案例精粹》将带领读者深度学习的世界，通过实际操作示例来加深理解。 1.《深度学习案例精粹》语言简练，通过问题简述、方法概括及代码，让读者可以尽快理解并上手深度学习的算法。 2.《深度学习案例精粹》给出的代码非常详细，可以直运行，可以为急于将深度学习应用于实际项目的工程师提供有力帮助，读者可至异步社区下载源代码及彩图文件。 3.《深度学习案例精粹》涵盖了大多数的主流深度学习任务，包括图像领域的图像识别、目标检测任务，自然语言处理中的词嵌、情感分析任务，以及无监督学习任务等。还介绍了几个深度学习的经典模型，当下深度学习的大多数模型都是在这些基础模型上的改与组合，不同领域的从业人员或多或少都能
1.PyTorch核心发者教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。 2.详细讲解整个深度学习管道的关键实践，包括 PyTorch张量API、用 Python 加载数据、监控训练以及对结果行可视化。 3. PyTorch核心知识 真实、完整的案例项目，快速提升读者动手能力： a.全面掌握PyTorch 相关的API 的使用方法以及系统掌握深度学习的理论和方法； b.快速从零始构建一个真实示例：肿瘤图像分类器； c.轻松学会使用PyTorch 实现各种神经网络模型来解决具体的深度学习问题； d.章尾附有 练习题 ，巩固提升所学知识；更有配套的代码文件可下载并动手实现。 4. PyTorch 联合创作者Soumith Chintala作序推荐！ 5. 书中所有代码都是基于Python 3.6及以上的版本编写的，提供源代码下载。
1. 深度学习系统的一大步 GAN，在图像生成和数据增强领域有出色表现； 2.以Python语言实现，很强的实战性，涵盖构建、训练、优化全过程； 3.英国创企孵化器Founders Factory计算机视觉领域的联合创始人Jakub Langr与美国纽约一家初创公司的高级产品经理Vladimir Bok合力写就； 4. 获Simeon Leyzerzon、Dana Robinson、Grigory V. Sapunov、Bachir Chihani等人联袂推荐； 5.提供本书示例代码。
- 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）
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
神经网络已成为从大量原始的，看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的zui合适的工具之一，也是现阶段非常流行的编程语言之一，包含多种有助于发的API和包，具有 一次编写，随处运行 的可移植性。本书完整地演示了使用Java发神经网络的过程，既有非常基础的实例也有高级实例。首先，你将学习神经网络的基础知识、感知机及其特征。 然后，你将使用学到的概念来实现自组织映射网络。 此外，你还会了解一些应用，如天气预报、疾病诊断、客户特征分析和光学字符识别（OCR）等。 zui后，你将学习实时优化和自适应神经网络的方法。首先，你将学习神经网络的基础知识和它们的学习过程。 然后我们关注感知机及其特征。 下来，您将使用您学到的概念实现自组织映射。 此外，您将了解一些应用，如天气预报，疾病诊断，客户
对如何快速把握大数据与人工智能的精髓、避免陷过多的数学细节推导的问题，以及人工智能算法和大数据平台技术的结合问题，本书作者做出了不懈探索。 1.选材上，不仅分别单独讲授人工智能和大数据，还突出两者相结合的内容。 2.内容上，突出浅显易懂，繁杂的数学推导适当做减法，宏观的介绍和实战技能适当做加法。 3.结构上，由浅深，由宏观到比微观，由基础知识到新技术，由理论到实践。 本书主要突出优如下： 1.知识覆盖全。本书共七章，对大数据与人工智能领域的常用基础技术、算法、模型均有介绍，保障读者知识体系的完整性。 2.知识覆盖新。本书紧跟本领域*研究成果。尤其重介绍了深度学习基础知识及其应用。深度学习是当前人工智能领域的潮流和趋势。另外，本书新版所增加的强化学习是机器学习新兴起的一个类别，在许多领域都具有重要
欲建高楼，必重基础。本书讲授诸如维度法、距离度量算法、聚类算法、误差计算、爬山算法、模拟退火算法、Nelder-Mead算法和线性回归算法等人工智能基础算法。本书中所有算法均配以具体的数值计算示例。 人工智能算法 系列图书的目标读者是那些没有良好数学基础，又对人工智能感兴趣的人。本书读者只需具有基本的大学代数和计算机编程知识，任何超出这个范围的内容都会在书中详细说明。本书为读者提供配套的示例程序代码， 当前已有Java、C#、R、C/C 和Python的语言版本，还有社区支持维护的Scala语言版本。
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
本书从人工智能的历史与现状、应用和商业化未来趋势等方面行介绍，并列举了相关的案例行剖析，深分析了人工智能对社会环境所带来的变化、机遇与挑战。本书内容涵盖了人工智能的主要发展领域，如无人驾驶、金融科技、医疗服务、智慧安防等，刻画了人工智能未来的发展场景和商业模式，为我国各行业应对智能化转型提供很好的指引和借鉴。
机器人技术在强调一致性与完美性的工业领域极具吸引力。 自动化在当今世界发挥着重要作用，其中的大多数是通过机器人应用和支持机器人的各类平台实现的。 ROS是一个模块化软件平台，用于发通用性的机器人应用。本书聚焦于ROS当前稳定的发布版本Kinect Kame，讨论机器人领域的高级概念，并展示如何使用ROS编程。 本书首先深介绍ROS框架，帮助你清晰地了解ROS是如何工作的。然后，你将学习如何构建复杂机器人的模型，并用运动规划库（ROS MoveIt！）和ROS导航软件包集（Navigation）对机器人行仿真和交互。之后，你将了解如何把I/O发板、传感器和执行机构与ROS连，还将学习如何连硬件设备，以及如何用ROS和ROS-Industrial对复杂机器人行仿真。*后，你将了解ROS程序设计的*佳实战技巧与经验。 通过阅读本书，你将学到： ·创建一个7-DOF机械臂，以及一个差速轮式移
跟随《机器人爱好者》令人激动的机器人世界吧！《SERVO》杂志是美国久负盛名的机器人技术杂志，创刊16年来，坚持为 机器人领域的创新者 服务，提供机器人行业资讯，并指导爱好者动手自制各种炫酷的机器人。《机器人爱好者》内容精选自《SERVO》杂志，针对中国读者的需求和爱好，行了精选和重组，每年出版3辑。第8辑共包括4章内容，介绍了常见的警用和应急响应机器人以及和老人交互的机器人等主题；介绍了Nomad、Turtlebot和Parallax等工具的使用，方便读者行机器人DIY；还包括自己动手制作无人机专栏文章（第四篇）；*后介绍了全球机器人领域*的研究动态和资讯。《机器人爱好者》系列专辑内容权威，实践性强，既可以帮助国内的爱好者和从业人员了解国外机器人的发展动向，也可以给机器人研发人员提供创意和灵感。另外，本系列图书也非常适合参加各类
当前，深度学习和人工智能的发展和应用给人们留下了深刻的印象。神经网络是深度学习和人工智能的关键元素，然而，真正了解神经网络工作机制的人少之又少。本书用轻松的笔触，一步一步揭示了神经网络的数学思想，并介绍如何使用Python编程语言发神经网络。本书将带领您行一场妙趣横生却又有条不紊的旅行 从一个非常简单的想法始，逐步理解神经网络的工作机制。您无需任何超出中学范围的数学知识，并且本书还给出易于理解的微积分简介。本书的目标是让尽可能多的普通读者理解神经网络。读者将学习使用Python发自己的神经网络，训练它识别手写数字，甚至可以与专业的神经网络相媲美。本书适合想要了解深度学习、人工智能和神经网络的读者阅读，尤其适合想要通过Python编程行神经网络发的读者参考。这是一本精心编写、给完全初学者的图书。它带
和谐人机环境是计算机理论和技术的一个重要的发展方向，也是当前计算机研究的一个热点领域。
本书主要阐述EDA技术和数字系统设计方法，按照“编程器件→设计语言→开发软件→系统设计”的顺序，系统地介绍PLD器件、VHDL设计语言、流行的EDA设计软件和数字系统设计方法等内容，力求涵盖数字系统开发设计中所涉及的主要方面，并在内容上进行精心编排，以着眼于综合开发能力的提高。
1.本书引用国内外大量理论研究和实践经验，内容翔实。 2.本书作者有数百家企业的服务经验，对于数字经济的背景、发展及相关框架有着非常清晰的认知。 3.本书从少见的经济学视角出发，而非常见的产业视角，为读者提供了不同维度的数字经济概念。 4.本书语言通俗易通，可以面向各类读者，无论是初学者还是研究者。
一本书讲透ChatGPT的前世、今生与未来，实现从AI小白到高手的化。 重磅专家力荐：著名经济学家朱嘉明作序，北京师范大学新闻传播学院学术委员会主任喻国明，畅销书《暗知识》作者、师从人工智能鼻祖伯纳德 威德罗的王维嘉博士，等倾情推荐。 聚焦前沿热：揭秘以ChatGPT为代表的大语言模型爆火背后有哪些原因？有何时代价值与意义？ 描绘应用蓝图：大语言模型给哪些产业带来了福音？相关技术究竟能派上什么用场？ 远瞻行业风险：机遇来临之际还将迎来哪些挑战？我们该如何应对？
（1）机器学习等AI技术驱动的智能数据分析是数据分析行业的未来发展方向，所有数据分析师都应该关注。 （2）作者从事数据分析与挖掘10余年，对Python等各种数据分析技术和工具都非常熟悉，在智能数据分析领域也积累了大量的经验。 （3）本书面向零Python基础和零AI基础的读者，精选了*精华的知识，包含大量示例代码，指导读者快速门。
脑机口研究先驱、巴西世界杯 机械战甲 发明者米格尔 尼科莱利斯扛鼎力作！ 外骨骼、脑联网、大脑校园、记忆永生 2015年度关于人类未来*不可错过的 精彩大片 ！看脑机口如何激发人类潜能、绘制人类未来新图景！ 财讯传媒集团首席战略官段永朝专文推荐！清华大学心理学系主任彭凯平，英特尔中国研究院院长吴甘沙，浙江大学生物医学工程与仪器科学学院教授、求是高等研究院常务副院长郑筱祥，2003年诺贝尔化学奖得主彼得 阿格雷等各界精英联袂推荐！ 湛庐文化机器人与人工智能系列。
说话人识別是根据语音波形中反映说话人生理和行为的特征的语音参数.A动识別说话人身份的技术《本书作者结合多年的科研工作.分5个部分介绍了说话人识別的a本概念、方法以及**研究进展。
MLlib是Apache Spark机器学习库。本书入门简单，实例丰富，详解协同过滤、线性回归、分类、决策树、保序回归、聚类、关联、数据降维、特征提取和转换等MLlib主要算法，用实例说明MLlib大数据机器学习算法的运用。
随着计算机技术、大数据科学以及深度计算理论的发展，人工智能已广泛应用于各行 各业，把人工智能技术作为大学教育的通识课程，已经成为各高等学校的通行做法。但如 何设面向所有专业的人工智能课程，这是一件具有挑战性的教学改革课题。本书的作者 们在总结多年来人工智能相关领域科学研究的基础上，结合通识课程的要求，编写了这本 书。这是一个有意义的尝试。
本书阐述人工智能火热的成因、发展历程、产业、技术和应用场景，详解人工智能的几个核心技术（机器学习、特征工程、模型、算法、深度学习）和两个*流行的源平台（sklearn和TensorFlow）。通过本书的学习，读者能掌握人工智能技术体系、重技术和平台工具，为人工智能技术应用到实际工作场景中下基础。
《比较》杂志研究部主管，主要研究方向为产业经济学、数字经济、反垄断和管制经济学。曾在中英文期刊上发表学术论文六十余篇，在报刊杂志上发表文章数百篇。曾获得《金融研究》年度论文奖、优秀论文奖、《经济观察报》专栏奖。著有《区块通识：关于区块的111个问题》。 吕琳媛 电子科技大学教授，主要研究方向为复杂网络信息挖掘领域，包括海量信息导航、挖掘、推荐和预测。国家自然科学基金优秀青年基金获得者、四川省青年人才。阿里巴巴复杂科学研究中心副主任。2018年选《麻省理工科技评论》 35岁以下科技创新35人 。著有《重塑：信息经济的结构》。
在过去几年中，自然语言处理技术的受欢迎程度呈现“爆炸式”增长。尽管Google、Facebook、OpenAI等前沿公司继续发布着规模更大的语言模型，但许多发团队仍在摸索着构建与时俱的自然语言处理应用程序。本书将帮助你快速了解自然语言处理的新技术及未来发展趋势。 通过阅读本书，你将学习如何为组织中的实际应用程序构建、训练和部署模型。作者使用强调现代自然语言处理*佳实践的代码和示例来指导你完成整个过程。 本书的主要内容包括： ?使用先的自然语言处理模型（如BERT和GPT-3）来解决命名实体识别、文本分类、语义搜索和阅读理解等自然语言处理任务。 ?发性能可媲美甚至优于箱即用系统的自然语言处理模型。 ?Transformer架构和现代技巧，比如席卷整个自然语言处理世界的迁移学习。 ?自然语言处理的工具和框架，包括spaCy、Hugging Face和fast.ai。 ?使用Python
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
全面反映新一代信息技术对机器人的变革作用，理论系统性强、理论联系实际，通过本书整合各种智能机器人的应用、科研展，通过思维导图、二维码等构建放性学习知识体系。
深度学习是机器学习的一个分支，其基础是一组试图使用模型架构建立高水平抽象模型的算法。本书结合R语言介绍深度学习软件包H2O，帮助读者理解深度学习的概念。本书从在R中设置可获取的重要深度学习包始，着转向建立神经网络、预测和深度预测等模型，所有这些模型都由实际案例的辅助来实现。成功安装了H2O软件包后，你将学习预测算法。随后本书会解释诸如过拟合数据、异常数据以及深度预测模型等概念。zui后，本书会介绍设计调参和优化模型的概念。本书适合那些胸怀大志的数据科学家，他们精通R语言数据科学概念，并希望可以使用R中的包一步探索深度学习范式。读者需要对R语言具备基础的理解，并熟悉统计算法和机器学习技术。通过阅读本书，你将能够:● 建立R包H2O训练深度学习模型；● 理解深度学习模型背后的核心概念；● 使用自动编码器识别
本书是一部探讨和讲述将目前仅局限于计箅机软件设计领域的面向对象(OO)的理论及方法.如何在当代工业控制系统的设计中进行全面、彻底推广的专著。
1 作者本身也是从小白始门深度学习的，无论从书中内容，还是讲解思路，以及语言风格，均适合你从零始深度学习这个充满魔力的世界。 2 实例简单而不简约，用到了生成对抗网络和注意力机制等目前相对前沿的深度学习技术。 3 虽然是一本门教程，但是对原理的讲述也不含糊，清晰易懂，让读者能知其然且知其所以然。
人类史上人工智能灵思诗集！跟随 少女诗人 萌妹子 微软小冰，走诗的唯美世界。 微软全球执行副总裁，美国国家工程院外籍院士沈向洋博士倾情作序推荐！ 师从中国519位现代诗人，经过6000分钟、10000次的迭代学习，至今创作70928首现代诗，从中精心挑选139首。 精心排放每一张美图，特种纸全彩印刷，力图将*美的诗集呈现给每一位读者！ 湛庐文化出品。
一线资深技术专家撰写，凝结其自身多年的实践经验，深浅出阐述深度学习的发展历程、相关概念和工作原理涉及当前流行的两个深度学习工具：Caffe和TensorFlow，并且初步探讨强化学习的基本原理和应用
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