JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计。本书详解JAX框架深度学习的相关知识，配套示例源码、PPT课件、数据集和开发环境。 本书共分为13章，内容包括JAX从零开始，一学就会的线性回归、多层感知机与自动微分器，深度学习的理论基础，XLA与JAX一般特性，JAX的高级特性，JAX的一些细节，JAX中的卷积，JAX与TensorFlow的比较与交互，遵循JAX函数基本规则下的自定义函数，JAX中的高级包。后给出3个实战案例：使用ResNet完成CI

本书围绕scikit-learn库，详细介绍机器学习模型、算法、应用场景及其案例实现方法，通过对相关算法循序渐进的讲解，带你轻松踏上机器学习之旅。本书采用理论与实践相结合的方式，结合Python3语言的强大功能，以小的编程代价来实现机器学习算法。本书配套PPT课件、案例源码、数据集、开发环境与答疑服务。 本书共分13章，内容包括机器学习的基础理论、模型范式、策略、算法以及机器学习的应用开发，涵盖特征提取、简单线性回归、k近邻算法、多元线性回归、逻辑回归、朴素贝叶斯、非线性分类、决策树回归、

在这个智能为王数据是金的时代，越来越多的数据，包括物联网设备采集的客观世界数据，被用来指导人类的实践活动。机器学习是处理与分析这些数据的一类常用方法。本书力求从原理的角度，从无到有，讲清楚机器学习中的一些常见方法，并从实践的角度，循序渐进，引领读者独立编程实现这些机器学习方法，从而帮助读者迅速掌握机器学习方法，为读者进一步学习理解深度学习方法奠定坚实的原理与实践基础。 本书适合计算机科学与技术、人工智能、物联网工程、数据科学与大数据、通信工程、电子信息、机器人、自动化、智能制造等相关专业高

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

本书共14章，涵盖了深度学习中的大部分学习网络方法。第1～2章介绍开发环境软件安装和深度学习相关的软件包，第3～4章是鸢尾花多分类全连接神经网络识别案例与实现，第5～6章是MINIST手写数字识别案例，第7章是FashionMNIST服装识别案例，可以加深对卷积神经网络的认识，第8章介绍CIFAR-10数据集彩色图片识别案例，第9章介绍循环卷积神经网络并通过字母预测实现，第10章是Embedding编码下通过4个字母预测下一个字母的案例，第11章是股票预测案例，第12章是基于OpenCV和Ker

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。

《人工智能导论》共8章，从人工智能的基本定义开始，由浅入深地向读者阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，在较为全面介绍人工智能领域进展的基础上对一些传统内容进行了取舍。详细介绍了知识表示、逻辑推理、非确定性推理、搜索策略、机器学习、大数据以及人工智能应用案例等方面的内容。为满足读者进一步学习的需要，除第1章和第8章之外，每章*后都配有综合案例分析，便于读者在所学知识的基础上懂得如何运用。
《人工智能导论》既适合作为高等院校人工智能课程的教材，也适合计算

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