《PyTorch編程技術(shù)與深度學習》講述深度學習的基本原理，使用PyTorch展示涉及的深度學習算法。通過理論講解和編程操作，使讀者了解并掌握深度學習的原理和PyTorch編程技能，拉近理論與實踐的距離。全書共分9章，主要內(nèi)容包括PyTorch介紹、PyTorch基礎(chǔ)編程、深度學習快速入門、神經(jīng)網(wǎng)絡(luò)訓練與優(yōu)化、卷積神經(jīng)

這是一本面向?qū)�AI和機器學習的活用感興趣的經(jīng)營層、企劃部門、事業(yè)部門和IT部門等從業(yè)人員的書籍。從打消為什么現(xiàn)在應(yīng)該努力呢這樣的疑問開始，到即便對AI和機器學習的前提知識沒有了解，也能夠理解如何建立項目，怎樣創(chuàng)造出成果的方法論。本書旨在作為咨詢公司和系統(tǒng)開發(fā)公司等尋求外部AI支援的參考書。

本書根據(jù)高等院校自動控制原理課程的教學要求，注重理論基礎(chǔ)與基本概念，比較全面地介紹了經(jīng)典控制理論的基本內(nèi)容。教材編寫力求從自動控制的基本原理和概念出發(fā)，突出重點，淡化煩瑣的理論推導，注重理論與實際的結(jié)合。全書共分八章，內(nèi)容包括自動控制系統(tǒng)概述、控制系統(tǒng)的數(shù)學模型、時域分析法、根軌跡法、頻率特性分析法、自動控制系統(tǒng)的校正

本書分析研究了深度學習相關(guān)的網(wǎng)絡(luò)模型，以及不同網(wǎng)絡(luò)模型的算法結(jié)構(gòu)、原理與核心思想及實戰(zhàn)案例。主要內(nèi)容涉及人工神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)及其擴展模型、深度生成對抗網(wǎng)絡(luò)及其擴展模型、深度受限玻爾茲曼機及其擴展模型、深度信念網(wǎng)絡(luò)及其擴展模型、深度自編碼器及其擴展模型等深度學習網(wǎng)絡(luò)結(jié)構(gòu)、原

PyTorch神經(jīng)網(wǎng)絡(luò)實戰(zhàn)：移動端圖像處理主要介紹人工智能研究領(lǐng)域中神經(jīng)網(wǎng)絡(luò)的PyTorch架構(gòu)，對其在多個領(lǐng)域的應(yīng)用進行系統(tǒng)性的歸納和梳理。書中的案例有風景圖分類、人像前景背景分割、低光照圖像增法、動漫頭像生成、畫風遷移、風格轉(zhuǎn)換等，對每項視覺任務(wù)的研究背景、應(yīng)用價值、算法原理、代碼實現(xiàn)和移動端部署流程進行了詳細描述

本書講述機器學習的基本理論與應(yīng)用，使用OpenCV、Python與MATLAB實現(xiàn)涉及的各種機器學習算法。通過理論學習和實踐應(yīng)用，讀者能夠理解并掌握機器學習的原理和應(yīng)用，拉近理論與實踐的距離。全書共分15章，主要內(nèi)容包括：機器學習理論簡介、機器學習理論與應(yīng)用數(shù)學基礎(chǔ)、機器學習編程基礎(chǔ)、基于OpenCV和Python的機

本書是面向青少年的人工智能科普書和入門讀物，立足于趣味性、科學性、知識性和實踐性，盡量避免晦澀專業(yè)術(shù)語對閱讀流暢性的影響。書中還包含數(shù)十個精心篩選的實踐案例，可根據(jù)讀者需要靈活選用。全書共5個單元、14章，從人工智能的發(fā)展簡史講起，以語音、圖像、生活中的典型場景及倫理問題為主要知識載體，聚焦問題，深入淺出地引出人工智能

本書圍繞scikit-learn庫，詳細介紹機器學習模型、算法、應(yīng)用場景及其案例實現(xiàn)方法，通過對相關(guān)算法循序漸進的講解，帶你輕松踏上機器學習之旅。本書采用理論與實踐相結(jié)合的方式，結(jié)合Python3語言的強大功能，以小的編程代價來實現(xiàn)機器學習算法。本書配套PPT課件、案例源碼、數(shù)據(jù)集、開發(fā)環(huán)境與答疑服務(wù)。本書共分13章，

本書以人工智能商業(yè)落地、元宇宙的發(fā)展、產(chǎn)業(yè)治理為背景，通過八章內(nèi)容系統(tǒng)介紹了人工智能發(fā)展的關(guān)鍵技術(shù)、應(yīng)用領(lǐng)域和產(chǎn)業(yè)格局：翔實闡述了人工智能的發(fā)展過程，構(gòu)建人工智能技術(shù)地圖；根據(jù)人工智能實際應(yīng)用現(xiàn)狀，對元宇宙進行了介紹，客觀反映人工智能領(lǐng)域當前的發(fā)展水平；對人工智能的發(fā)展趨勢、風險與挑戰(zhàn)進行展望；對全球人工智能產(chǎn)業(yè)鏈及主

本書從資產(chǎn)定價的核心問題出發(fā)，前沿而體系化地討論了如何通過經(jīng)濟學推理將機器學習方法引入實證和理論資產(chǎn)定價研究之中，從而有效解決機器學習應(yīng)用在資產(chǎn)定價中所面臨的挑戰(zhàn)，搭建了研究機器學習與資產(chǎn)定價的橋梁。為提升閱讀體驗，幫助讀者充分理解書中內(nèi)容，譯者王熙教授與石川博士在行文中加入了精彩豐富的譯者注，給原著提供必要的背景知識