本書英文版出版至今已近20年，但關于大腦究竟如何工作的問題至今仍無答案，而符號主義（認為大腦是類似于計算機的加工符號的機器）與聯(lián)結主義（認為大腦是并行運轉(zhuǎn)的大型神經(jīng)網(wǎng)絡）之間的爭論也從未停息。本書分析了聯(lián)結主義模型和符號加工模型在計算方面的優(yōu)勢和劣勢，關注不同聯(lián)結主義模型之間的差異以及特定模型與符號加工的特定假設之間的

數(shù)據(jù)孤島問題已經(jīng)成為制約人工智能發(fā)展的主要阻礙。在此背景下,聯(lián)邦學習(FederatedLearning)作為一種新興的機器學習技術范式,憑借其突出的隱私保護能力,展示出在諸多業(yè)務場景中的應用價值。本書從聯(lián)邦學習的基礎知識出發(fā),深入淺出地介紹了中央服務器優(yōu)化和聯(lián)邦機器學習的算法體系,詳細闡述了聯(lián)邦學習中涉及的加密通信模

本書介紹如何構建完整的機器學習流水線，從而在生產(chǎn)環(huán)境中準備數(shù)據(jù)以及訓練、驗證、部署和管理機器學習模型。你將了解機器學習流水線的每個環(huán)節(jié)，以及如何利用TensorFlowExtended（TFX）構建機器學習流水線。模型的生命周期是一個閉環(huán)，其中包括數(shù)據(jù)讀取、數(shù)據(jù)校驗、數(shù)據(jù)預處理、模型訓練、模型分析、模型驗證、模型部署、

本書是深度學習領域的入門教材，闡述了深度學習的知識體系，涵蓋人工智能的基礎知識以及深度學習的基本原理、模型、方法和實踐案例，使讀者掌握深度學習的相關知識，提高以深度學習方法解決實際問題的能力。全書內(nèi)容包括人工智能基礎、機器學習基礎、深度學習主要框架、深度神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、自編碼器與生成對抗網(wǎng)絡。 本

本書第4版共10章。第1章敘述人工智能的定義、起源與發(fā)展，歸納了人工智能的研究目標、研究內(nèi)容和核心要素，簡介人工智能的研究和計算方法，列舉出人工智能的研究與應用領域，歸納了人工智能對人類經(jīng)濟、社會和文化的影響。第2章主要研究人工智能的知識表示方法，如狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網(wǎng)絡法、框架表示、知識圖譜、和

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等技術的不斷發(fā)展，許多領域都產(chǎn)生了大量的數(shù)據(jù)。利用機器學習技術分析海量數(shù)據(jù)，可以從數(shù)據(jù)中發(fā)現(xiàn)隱含的、有價值的規(guī)律和模式，進而用于預測并采取相應動作。在上述背景下，本書從理論、技術和應用三個層面入手，全面講解如何利用機器學習技術解決實際問題。本書共分26章，內(nèi)容包括機器學習解決問題流程、問題分析

本書是人工智能和機器學習領域?qū)�業(yè)多年實踐的結晶，深入淺出講解機器學習應用和工程實踐，是對機器學習工程實踐和設計模式的系統(tǒng)回顧。全書分別從項目前的準備，數(shù)據(jù)收集和準備，特征工程，監(jiān)督模型訓練，模型評估，模型服務、監(jiān)測和維護等方面講解，由淺入深剖析機器學習實踐過程中遇到的問題，幫助讀者快速掌握機器學習工程實踐和設計模式的基

大數(shù)據(jù)時代的到來，為人工智能的飛速發(fā)展帶來前所未有的數(shù)據(jù)紅利。在大數(shù)據(jù)的喂養(yǎng)下，大量知識不斷涌現(xiàn)，如何有效地發(fā)掘這些知識呢？知識圖譜橫空出世。本書是一本講解如何使用TensorFlow2構建知識圖譜的入門教程，引導讀者掌握基于深度學習的知識圖譜構建概念、理論和方法。本書分為13章：第1章從搭建環(huán)境開始，包含Tensor

本書記載的2020線上智博會”在困難中創(chuàng)新，將線上線下、現(xiàn)實與虛擬進行的有機結合，應用的VR、AR、數(shù)字孿生等現(xiàn)代信息技術。內(nèi)容包括：盛會：全球精英的思維演進；趨勢：智能產(chǎn)業(yè)的關鍵導航等。

機器學習目前是人工智能和模式識別領域的共同研究熱點，其理論和方法已被廣泛應用于解決工程應用和科學領域的復雜問題。作者從解決實際問題的角度出發(fā)，通過大量的實戰(zhàn)經(jīng)驗深入剖析機器學習算法在解決實際問題中的具體應用，處理數(shù)據(jù)從一維到二維，研究對象從文本到圖像，解決問題從股票預測到圖像去霧。全書用通俗易懂的語言和繪聲繪色的插圖從