1.内容全面 俯瞰全领域，网罗人工智能发基础理论和技术； 2.图文并茂 334张图示帮助理解，以图配文，知识清晰直观； 3.专业实用 详略得当，辅以公式和代码，为深研究基础。 知识涵盖： 机器学习/深度学习/强化学习/图像和语音的模式识别/自然语言处理/分布式计算
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。
《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。
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。
1.机器学习门手册《机器学习精讲》姊妹篇，人工智能和机器学习领域专业人士的多年实践结晶，深浅出讲解机器学习应用和工程实践。 2.系统阐释利用机器学习大规模地解决业务问题，涉及项目准备工作、数据收集、特征工程、监督模型训练、模型评估、模型部署，以及模型服务、监测和维护等全流程 3.从零始讲解，分任务、分步骤的介绍机器学习项目，展示项目完整设计过程。 4.理论实践相结合侧重于讨论多种实际应用场景，帮助读者应用到实际发中。 5.人工智能和机器学习领域专业人士Cassie Kozyrkov、Karolis Urbonas作序推荐。
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.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。
- 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）
凡是关心FPGA和集成电路及大数据处理技术的朋友，都可以通过阅读或浏览本书收获丰富的*的FPGA相关知识。
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。
周金平编著的《生产系统仿真——PlantSimulation应用教程》的一个显著特是没有长篇的理论介绍，而是将理论分散到建模过程中讲述，是生产系统各领域的综合应用；应用工业工程的方法来提升生产线产出率，行企业内部物流配送优化、车间布置优化、流水线平衡、生产计划与排程优化、人机作业分析和仓储仿真优化等经典工业工程问题的讲述与建模。同时，为使读者更好地掌握PlantSimulation，本书建立的仿真模型除第1章外，所有模型均采用了参数化设计的思路，只需简单的修改和扩充，就可以在本模型基础上发面向本科教学、研究生教学的仿真实验平台，也可以面向科研课题和企业实际应用行快速扩充应用。
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。
本书深浅出地为读者解答三个问题：为什么是 Z-Wave？什么是Z-Wave？如何实现Z-Wave？本书的第0章 从过去看未来，以宏观的视角去看IT市场过去走过的路，借鉴IT行业的发展，分析科技产业的发展规律，再对比Z-Wave技术目前在欧美市场的发展情况，让读者可以从多个维度去思考物联网产业未来的发展轨迹，从而解答*个问题，余下的6个章节涵盖了比较全面的内容，包括射频基础理论、市场上各种同类型技术的分析比较、Z-Wave技术的体系与机制、各种主要功能的原理与具体实现方式、真实世界的实用案例等，为读者解答第二个、第三个问题。
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
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
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
《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》。
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
读者对象：1、希望在多个平台的C 环境下始使用OpenCV的计算机视觉新手；2、计算机视觉工程师；3、从初级到高级的各级学生、教师、研究人员；4、其他对计算机视觉和OpenCV感兴趣的人员 1、鼓励 复制 粘贴 运行 这种学习方式并尝试将数学基础保持在*限度； 2、涵盖计算机视觉热门主题，提供完整的项目代码; 3、新增 为项目找到*OpenCV算法 、 避免OpenCV中的常见陷阱 ； 4、超越基础知识，从更高层次来设计和实现复杂图像识别项目。 5、版本新：OpenCV的API（v4.0.0）
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
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。
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。
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。
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
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
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