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
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。
本书是关于神经网络的经典教材,完整、详细地讨论了各个主题,且包含了相关的计算机实验。全书共15章,主要内容包括神经网络的定义、Rosenblatt感知器、回归建模、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主成分分析、自组织映射、信息论学习模型、源于统计力学的随机方法、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波、动态驱动递归网络。本书适合高等院校计算机、电子信息、软件工程、智能工程等专业的高年级本科生和研究生学习使用,也可供相关领域的技术人员参考。
本书是为高等院校计算机科学与技术、软件工程、人工智能、大数据技术、信息管理等相关专业的“人机交互技术”或“人机界面设计”等课程编写的以实验和实践为主线开展教学的主教材。全书通过一系列在网络环境下学习和实践的实验练习,把人机交互技术的概念、理论知识与技术融入实践中,加深读者对该课程的认识和理解。内容包括人机交互与用户体验,人机交互相关学科,人机交互界面,概念化交互,社会化交互,情感化交互,发现需求,交互设计过程,设计指南与原则,原型构建与敏捷设计,直接操纵与界面设计,命令、菜单与表格,用户
《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
本书以新版深度学习框架PyTorch为基础,循序渐进地介绍其在深度学习中的应用。全书共10章,从深度学习数学知识入手,逐步介绍PyTorch在数值建模、图像建模、文本建模、音频建模中的基本概念及应用示例,还将介绍模型的可视化和联邦学习等内容,以扩展读者的视野。本书在讲解每一个知识点的同时,都配合有动手练习实例,便于读者深入理解所学知识,并达成学以致用的目标。本书原理与实践并重,易于理解且可操作性强,特别适合PyTorch新手、大学生、研究人员和开发人员使用,也可作为高等院校相关专业的教学
TensorFlow Lite移动端深度学习循序渐进地讲解了在移动设备中使用TensorFlow Lite开发机器学习和深度学习程序的核心知识,并通过具体实例演练了各知识点的使用方法和流程。全书共9章,分别讲解了人工智能开发基础、编写个TensorFlow Lite程序、创建模型、转换模型、推断、优化处理、微控制器、物体检测识别系统和姿势预测器。全书简洁而不失技术深度,内容丰富全面,以简明的文字介绍了复杂的案例。同时书中配有二维码视频,结合视频讲解可加深对相关内容的理解,是学习Tensor