本書內(nèi)容涉及到了一些機(jī)器學(xué)習(xí)算法的并行化，使得大規(guī)模分布式機(jī)器學(xué)習(xí)算法成為可能，內(nèi)容分為四個(gè)大部分：大規(guī)模機(jī)器學(xué)習(xí)的框架、監(jiān)督和非監(jiān)督學(xué)習(xí)算法、其它的學(xué)習(xí)算法和相關(guān)應(yīng)用部分。

近年來，演化計(jì)算作為計(jì)算智能中傳統(tǒng)的優(yōu)化技術(shù)，已經(jīng)廣泛應(yīng)用于求解各種數(shù)據(jù)挖掘問題，形成了一種基于遺傳的機(jī)器學(xué)習(xí)新范式學(xué)習(xí)分類器。一方面，在真實(shí)場(chǎng)景中采集的原始數(shù)據(jù)不可避免地包含著冗余乃至噪聲屬性的信息，這些不相關(guān)的特征將對(duì)學(xué)習(xí)分類器算法的學(xué)習(xí)性能與計(jì)算效率造成負(fù)面影響。另一方面，學(xué)習(xí)分類器以顯式規(guī)則表示目標(biāo)概念，在監(jiān)督

本書針對(duì)產(chǎn)業(yè)界在智能化過程中普遍面臨的數(shù)據(jù)不足問題，詳細(xì)地闡述了聯(lián)邦學(xué)習(xí)如何幫助企業(yè)引入更多數(shù)據(jù)、提升機(jī)器學(xué)習(xí)模型效果�；ヂ�(lián)網(wǎng)數(shù)據(jù)一般分布在不同的位置，受隱私保護(hù)法規(guī)限制不能共享，形成了“數(shù)據(jù)孤島”。聯(lián)邦學(xué)習(xí)像“數(shù)據(jù)孤島”之間的特殊橋梁，通過傳輸變換后的臨時(shí)變量，既能實(shí)現(xiàn)模型效果提升，又能確保隱私信息的安全。本書介紹了

針對(duì)現(xiàn)有人工智能（AI）教材大多重視技術(shù)、淡化商業(yè)應(yīng)用的問題，本教材力圖“透過技術(shù)的堅(jiān)硬外殼，探索AI的商業(yè)潛力和社會(huì)影響”。作為一本“面向商學(xué)院學(xué)生的人工智能教材”，本教材的主要內(nèi)容有新一代人工智能基本技術(shù)原理、特點(diǎn)，人工智能技術(shù)的發(fā)展歷史，新一代人工智能發(fā)展的驅(qū)動(dòng)因素、特征和發(fā)展方向，人工智能應(yīng)用層技術(shù)的特點(diǎn)、能力

深度學(xué)習(xí)作為人工智能領(lǐng)域的“排頭兵”，將在未來的新一輪產(chǎn)業(yè)升級(jí)中起到至關(guān)重要的作用。本書以“理論＋實(shí)踐”的形式幫助讀者快速建立深度學(xué)習(xí)知識(shí)體系，不僅能在算法層面上理解各種神經(jīng)網(wǎng)絡(luò)模型，而且能借助功能強(qiáng)大且極易上手的Keras框架，熟練地搭建和訓(xùn)練模型，應(yīng)用于解決實(shí)際問題。全書共12章，內(nèi)容涵蓋入門深度學(xué)習(xí)的絕大部分基礎(chǔ)

近年來機(jī)器學(xué)習(xí)取得了長足的進(jìn)步。深度學(xué)習(xí)系統(tǒng)使得一些以往不可能實(shí)現(xiàn)的智能應(yīng)用成為現(xiàn)實(shí)，推動(dòng)了圖像識(shí)別和自然語言處理的巨大變革，也成功識(shí)別出了數(shù)據(jù)中的復(fù)雜模式。Keras深度學(xué)習(xí)庫為使用R語言的數(shù)據(jù)科學(xué)家和開發(fā)者提供了處理深度學(xué)習(xí)任務(wù)的工具集�！禦語言深度學(xué)習(xí)》基于強(qiáng)大的Keras庫及其R語言接口介紹了深度學(xué)習(xí)。本書源于

本書將人工智能的理論、實(shí)踐和創(chuàng)新型相結(jié)合，實(shí)現(xiàn)了先進(jìn)性與新穎性并舉，內(nèi)容涵蓋了圖像、語音、文本和□□等人工智能技術(shù)廣泛應(yīng)用的多個(gè)領(lǐng)域，涉及識(shí)別、分類、檢測(cè)、預(yù)測(cè)、跟蹤和三維重建等多類試驗(yàn)任務(wù)。內(nèi)容與理論教學(xué)相呼應(yīng)，注重趣味性，極具實(shí)操性。

機(jī)器學(xué)習(xí)雖然對(duì)改進(jìn)產(chǎn)品性能和推進(jìn)研究有很大的潛力，但無法對(duì)它們的預(yù)測(cè)做出解釋，這是當(dāng)前面臨的一大障礙�！犊山忉寵C(jī)器學(xué)習(xí)：黑盒模型可解釋性理解指南》書是一本關(guān)于使機(jī)器學(xué)習(xí)模型及其決策具有可解釋性的書。本書探索了可解釋性的概念，介紹了簡(jiǎn)單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點(diǎn)介紹了解釋黑盒模型的、與模型無關(guān)

本書主要以人工智能的幾種核心技術(shù)與發(fā)展應(yīng)用為脈絡(luò)，以深入淺出的方式系統(tǒng)、清晰地介紹了人工智能的基本概念、發(fā)展歷程、關(guān)鍵技術(shù)和典型應(yīng)用。全書涉及圖像識(shí)別、語音識(shí)別、大數(shù)據(jù)挖掘、智能控制、智能機(jī)器人、腦機(jī)接口、5G等前沿技術(shù)，為讀者構(gòu)造并描繪出一幅人工智能全景圖，向讀者展示了一個(gè)全新、智慧、前沿的科技新時(shí)代，使讀者能快速、

這是一本寫給普通人了解AI的趣味科普，它還有超級(jí)可愛的漫畫！這本書“非常易讀、有料，而且妙趣橫生、令人捧腹”（《萬物發(fā)明指南》作者瑞安·諾思），帶領(lǐng)普通人走進(jìn)人工智能那個(gè)奇妙古怪又不可思議的世界，是一場(chǎng)幽默可愛的導(dǎo)覽。本書的主要內(nèi)容是人工智能可以做什么、不能做什么，以及它為什么已經(jīng)影響了我們生活的方方面面