本書設(shè)計(jì)了七章內(nèi)容,第一至三章介紹人工智能的概念及基本的技術(shù)原理。第四至六章介紹人工智能技術(shù)在視覺、語音和自然語言處理中的應(yīng)用,第七章介紹利用系統(tǒng)工程設(shè)計(jì)方法設(shè)計(jì)實(shí)現(xiàn)人工智能產(chǎn)品。每章由人工智能產(chǎn)品體驗(yàn)、人工智能技術(shù)原理描述、人工智能技術(shù)實(shí)現(xiàn)實(shí)驗(yàn)、人工智能應(yīng)用方案設(shè)計(jì)實(shí)驗(yàn)和人工智能的發(fā)展與應(yīng)用等部分組成。

本書介紹深度學(xué)習(xí)領(lǐng)域先進(jìn)的技術(shù)以及深度學(xué)習(xí)在主要的自然語言處理任務(wù)中的成功應(yīng)用，包括語音識(shí)別和理解、對(duì)話系統(tǒng)、語義分析、句法分析、知識(shí)圖譜、機(jī)器翻譯、問答、情感分析、社會(huì)計(jì)算和基于圖像的自然語言生成。本書對(duì)深度學(xué)習(xí)時(shí)代自然語言處理領(lǐng)域的不同研究前沿進(jìn)行了概括與分析，還列舉了深度學(xué)習(xí)與自然語言處理領(lǐng)域中交叉的技術(shù)性術(shù)語以

本書主要內(nèi)容包括機(jī)器學(xué)習(xí)緒論、Python基礎(chǔ)知識(shí)、模型評(píng)估及模型、機(jī)器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)、MNIST識(shí)別及圖像分類。

本書是一本MLOps的綜合指南,詳細(xì)介紹了DevOps和MLOps的理論和實(shí)踐,包括如何創(chuàng)建持續(xù)集成和持續(xù)交付、Kaizen(即對(duì)所有事物進(jìn)行持續(xù)改進(jìn)的想法)等,還介紹了基于云的MLOps,以及MLOps的關(guān)鍵技術(shù)領(lǐng)域,包括AutoML、容器、邊緣計(jì)算和模型可移植性。本書最后還介紹了一些真實(shí)案例研究,并介紹執(zhí)行MLOp

本書知識(shí)全面、實(shí)用,共10章,內(nèi)容包括深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ),深度學(xué)習(xí)基礎(chǔ)模型(全連接網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、Transformer等)和實(shí)現(xiàn),多場(chǎng)景多領(lǐng)域最佳實(shí)踐,模型優(yōu)化、加速與部署等。

本書內(nèi)容講述:許多AI入門指南可以說都是變相的微積分書籍,但這本書基本上避開了數(shù)學(xué)。相反,作者JeffProsise幫助工程師和軟件開發(fā)人員建立了對(duì)AI的直觀理解,以解決商業(yè)問題。需要?jiǎng)?chuàng)建一個(gè)系統(tǒng)來檢測(cè)雨林中非法砍伐的聲音、分析文本的情感或預(yù)測(cè)旋轉(zhuǎn)機(jī)械的早期故障?這本實(shí)踐用書將教你將AI和機(jī)器學(xué)習(xí)應(yīng)用于職場(chǎng)工作所需的技

本書的編程語言以Python為主,詳細(xì)介紹了人工智能算法主流類別,從常見的特征處理算法出發(fā),介紹了回歸算法、基于實(shí)例的算法、樹方法、神經(jīng)網(wǎng)絡(luò)、自然語言處理、社會(huì)網(wǎng)絡(luò)、群粒子算法、推薦算法。本書針對(duì)每一個(gè)大類算法都介紹了該門類下的幾個(gè)經(jīng)典算法,并運(yùn)用常見算法庫以代碼實(shí)現(xiàn)為目的,以商業(yè)分析、金融投資、科研輔助、工程優(yōu)化等案

本書首先通過圖文、視頻等方式帶領(lǐng)讀者體驗(yàn)身邊的人工智能技術(shù)應(yīng)用，使讀者初步了解人工智能，然后引領(lǐng)讀者認(rèn)識(shí)人工智能關(guān)鍵技術(shù)及應(yīng)用，并使用手機(jī)APP實(shí)際操作不同領(lǐng)域(如設(shè)備故障智能排查、刷臉支付、拍照視物、同聲翻譯、導(dǎo)航路徑規(guī)劃等)中人工智能的應(yīng)用，以加深對(duì)人工智能知識(shí)的理解。本書的主要內(nèi)容包括體驗(yàn)與認(rèn)識(shí)身邊的人工智能技術(shù)

本書的主體內(nèi)容包括機(jī)器學(xué)習(xí)概念與特征工程、機(jī)器學(xué)習(xí)技術(shù)、模型關(guān)系管理，其中，模型關(guān)系管理部分主要介紹了弱集成學(xué)習(xí)、強(qiáng)集成學(xué)習(xí)和混合專家模型。弱集成學(xué)習(xí)是指使用機(jī)器學(xué)習(xí)中的弱分類器實(shí)現(xiàn)模型準(zhǔn)確度和穩(wěn)定性之間的平衡。強(qiáng)集成學(xué)習(xí)是指協(xié)同特征工程與強(qiáng)分類器形成強(qiáng)集成學(xué)習(xí)環(huán)境。混合專家模型是指通過神經(jīng)網(wǎng)絡(luò)集成和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)形成深

在人工智能發(fā)展的漫長(zhǎng)歷程中，如何讓機(jī)器學(xué)會(huì)創(chuàng)作一直被視為難以逾越的天塹，創(chuàng)造力也因此被視為人類與機(jī)器最本質(zhì)的區(qū)別之一。然而，人類的創(chuàng)造力也終將賦予機(jī)器創(chuàng)造力，把世界送入智能創(chuàng)作的新時(shí)代。人工智能繪畫作品的奪冠、超級(jí)聊天機(jī)器人ChatGPT的出現(xiàn)，無疑拉開了智能創(chuàng)作時(shí)代的序幕。從機(jī)器學(xué)習(xí)到智能創(chuàng)造，從PGC、UGC到AI