图神经网络是人工智能的一个热点方向,从图的视角解读大数据,可以灵活建模复杂的信息交互关系,吸引大量学者的关注并在多个工业领域得到广泛应用。《图深度学习从理论到实践》由浅入深,全面介绍图神经网络的基础知识、典型模型方法和应用实践。《图深度学习从理论到实践》不仅包括一般的深度学习基础和图基础知识,还涵盖了图表示学习、图卷积、图注意力、图序列等典型图网络模型,以自研的Galileo平台为代表的图学习框架,以及图神经网络在电商推荐和流量风控方面的两个典型工业应用。《图深度学习从理论到实
本书的写作目的旨在帮助大量正走在、或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学；另一方面又遇到入门难的问题，希望能有一本书旨在帮助正走在或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学； 另一方面又遇到入门难的问题，希望能有一本书、一本教材讲原理、给数据、给源码、给实验，带着入门。本着这样一个初衷，我们选择了机器学习领域析十大经典算法，把我们平常培养硕士研究生一年级刚入校
未来网络是什么样子？构建未来网络的关键技术有哪些？如果你在思考这些问题，请你一定要阅读本书。AI助力通信网络的发展构建了“网络AI”，在此基础上叠加云网融合、B5G/6G、网络5.0、算力网络、区块链、数字孪生、量子通信、网络安全等新的关键技术，共同打造“2030后的未来网络”。本书通过讲解和剖析上述关键技术，多维度地阐述了未来网络发展的愿景和演进路径，可让读者系统地学习与思考。 本书的主要读者对象为电信运营商、电信设备提供商、电信咨询行业的从业人员和从事通信科研的高校师生，以及关注通信行业技
本书介绍了人工智能和大数据涉及的核心概念和模型。书中涉及概念包括监督和非监督学习、数据类型、可视化、线性回归、逻辑回归、分类回归树、神经网络等。同时，本书理论和实际并重，基于真实的实例和数据集，引入了R语言演示实际计算和操作，为读者展示解决实际问题的代码，从而让读者掌握在实际生活中解决相关问题的方法。 本书适合想要综合学习人工智能、大数据和数据科学，尤其是想要依靠这些学科解决实际问题的人学习，也适合作为相关课程的参考教材。
本书以读者熟知的姜子牙的故事为线索，围绕人工智能技术的特色和应用，介绍自然语言处理、机器翻译、计算机视觉等人工智能技术内容，并通过大量实例帮助读者动手实践，掌握用AI解决实际问题的能力。
本书旨在利用 TensorFlow 针对各种现实场景设计深度学习系统，引导读者实现有趣的深度学习项目。本书涵盖 10 个实践项目，如用目标检测 API 标注图像、利用长短期记忆神经网络（LSTM）预测股票价格、构建和训练机器翻译模型、检测 Quora 数据集中的重复问题等。通过阅读本书，读者可以了解如何搭建深度学习的 TensorFlow 环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格，以及如何实现一个能够自己玩电子游戏的人工智能（AI）！ 本书适合数据科学
本书是一本系统介绍深度学习技术及开源框架PyTorch的入门书。书中通过大量案例介绍了PyTorch的使用方法、神经网络的搭建、常用神经网络（如卷积神经网络、循环神经网络）的实现，以及实用的深度学习技术，包括迁移学习、对抗生成学习、深度强化学习、图神经网络等。读者通过阅读本书，可以学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。 第2版基于PyTorch 1.6.0，对全书代码进行了更新，同时增加了Transformer
《Scikit-Learn机器学习核心技术与实践》循序渐进地讲解了使用 Scikit-Learn 开发机器学习程序的核心知识，并通过具体实例的实现过程演练了使用 Scikit-Learn 的方法和流程。全书共10章，包括人工智能与Scikit-Learn 简介，加载数据集，监督学习，无监督学习，模型选择和评估，数据集转换，实现大数据计算，英超联赛比分预测系统（Matplotlib+Scikit-Learn+Flask+Pandas），AI考勤管理系统（face-recognition+Matpl
《TensorFlow Lite移动设备深度学习从入门到实践》循序渐进地讲解了使用 TensorFlow Lite开发移动设备深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlow Lite 的方法和流程。全书共12章，分别讲解了人工智能和机器学习基础、搭建开发环境、第一个 TensorFlow Lite程序、转换模型、推断、使用元数据进行推断、优化处理、手写数字识别器、鲜花识别系统、情感文本识别系统、物体检测识别系统、智能客服系统。《TensorFlow Lit
主要内容●探索深度学习的**似然原理和统计学基础●发现能输出各种可能结果的概率模型●学习使用标准化流来建模和生成复杂分布●使用贝叶斯神经网络获取模型中的不确定性
新书资讯 新书推荐