本書主要介紹如何應(yīng)用Tensorflow來實現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書從tensorflow的基本語法，基礎(chǔ)教程、高級工具以及進(jìn)階教程來對深度學(xué)習(xí)的理論與技術(shù)進(jìn)行深入分析與講解，并提供大量的案例從零開始教會讀者如何使用深度學(xué)習(xí)進(jìn)行開發(fā)以及應(yīng)用。本書主要介紹如何應(yīng)用Tensorflow來實現(xiàn)深度學(xué)習(xí)的架構(gòu)與應(yīng)用。全書從

本書分為14章,涵蓋的主要內(nèi)容有人工智能的發(fā)展;開發(fā)環(huán)境的部署與使用;TensorFlow2.0框架結(jié)構(gòu)及基本函數(shù)使用;神經(jīng)網(wǎng)絡(luò)的發(fā)展與基本結(jié)構(gòu);圖像處理;TensorFlow2.0可視化工具TensorBoard;普通神經(jīng)網(wǎng)絡(luò)曲線擬合;普通神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)MNIST手寫字體識別;圖像風(fēng)格遷移;小型汽車車牌識別;

本書屬于人工智能方面的基礎(chǔ)研究的著作,全面探討研究人工智能的基本理論和技術(shù)發(fā)展,由人工智能基本概念、確定性知識系統(tǒng)、不確定性知識系統(tǒng)、智能搜索技術(shù)、自然語言理解等五大部分組成。全書以人工智能為研究對象,分析人工智能的原理及其在各方面的應(yīng)用,在此技術(shù)基礎(chǔ)上,結(jié)合現(xiàn)實需求,提出人工智能對社會的重要性與未來的發(fā)展方向。

TensorFlow是谷歌公司于2015年研發(fā)的深度學(xué)習(xí)框架。它的出現(xiàn)降低了人工智能時代的入門門檻，提高了開發(fā)效率。本書針對TensorFlow2.0版本編寫，基于工作過程進(jìn)行系統(tǒng)化的體例設(shè)計，采用理論知識結(jié)合項目實例的形式，由淺入深地介紹TensorFlow深度學(xué)習(xí)框架的原理、特性、編程技巧和應(yīng)用方法。本書包含深度學(xué)

本書共9章，主要介紹了人工智能在監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)3個領(lǐng)域的10種常見算法，包括kNN、貝葉斯、決策樹、支持向量機、集成學(xué)習(xí)、K-means、線性回歸、神經(jīng)網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)、Q-learning等。全書采用Python作為實現(xiàn)語言，通過大量原創(chuàng)圖表及實用案例讓讀者參與和體驗人工智能的決策過程，希望讀者能夠了解

人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的一門學(xué)科。本書系統(tǒng)地闡述了人工智能的基本理論、基本技術(shù)、研究方法和應(yīng)用領(lǐng)域等內(nèi)容,比較全面地反映了國內(nèi)外人工智能研究領(lǐng)域的*進(jìn)展和發(fā)展方向,包括智能優(yōu)化算法及應(yīng)用研究。本書共6章,主要內(nèi)容包括:人工智能的定義、起源、分類與發(fā)展,人工智能的知識表示方法,確定性推理的主要

全書系統(tǒng)性地介紹了AI入門的有關(guān)知識，從AI與人類對話、與人腦的差異、AI藝術(shù)創(chuàng)作等多個方面探討了AI的發(fā)展進(jìn)程，重點介紹了深度學(xué)習(xí)這一AI領(lǐng)域關(guān)鍵技術(shù)，探討它的進(jìn)化程度將如何影響人類未來的生活與工作等。在全書Z后的部分，還全景展示了作者對兩位知名AI專家的采訪，對于目前AI主流的研究方向和入門基礎(chǔ)有精彩的觀點和詳細(xì)的

我們?nèi)祟惣炔煌�于無生命的物體（如巖石和雨滴），也不同于從單細(xì)胞生物體到其他哺乳動物的無數(shù)生命形式。人類真的是個與眾不同的物種嗎？與其他動物相比，我們是否有本質(zhì)區(qū)別？如果是的話，我們是如何獲得這一特殊地位的呢？我們身上的哪些特征，把我們與其他動物區(qū)分開來？是什么使人類成為“人”？這些問題并不新鮮，從古代以來，許多學(xué)者和哲

本書分為兩部分。第壹部分，機器學(xué)習(xí)基礎(chǔ)，涵蓋以下主題：什么是機器學(xué)習(xí)，它試圖解決什么問題，以及系統(tǒng)的主要類別和基本概念；第二部分，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，涵蓋以下主題：什么是神經(jīng)網(wǎng)絡(luò)以及它們有什么用，使用TensorFlow和Keras構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的技術(shù)，以及如何使用強化學(xué)習(xí)構(gòu)建可以通過反復(fù)試錯，學(xué)習(xí)好的策略的代理程

TinyML是指微型機器學(xué)習(xí)，更準(zhǔn)確地說，TinyML是指工程師們在mW功率以下的設(shè)備上，實現(xiàn)機器學(xué)習(xí)的方法、工具和技術(shù)。TinyML將深度學(xué)習(xí)和嵌入式系統(tǒng)相結(jié)合，使得微型設(shè)備可以做出令人驚嘆的事情。作者解釋了如何訓(xùn)練足夠小以適合任何環(huán)境的模型。對于希望在嵌入式系統(tǒng)中搭建機器學(xué)習(xí)項目的軟件及硬件開發(fā)人員而言，本書是一個