·學習如何在生產(chǎn)環(huán)境部署深度學習模型。·研究多家領(lǐng)先公司的PyTorch用例。·學習如何對圖像應(yīng)用遷移學習。·使用Wikipedia上訓練的一個模型應(yīng)用前沿的NLP技術(shù)。·使用PyTorch的torchaudio庫用一個基于卷積的模型完成音頻分類。&

本書圍繞TensorFlow2的概念和功能展開介紹，旨在以“即時執(zhí)行”視角幫助讀者快速入門TensorFlow。本書共分5篇：基礎(chǔ)篇首先介紹了TensorFlow的安裝配置和基本概念，然后以深度學習中常用的卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等網(wǎng)絡(luò)結(jié)構(gòu)為例，介紹了使用TensorFlow建立和訓練模型的方式，最后介紹了Tenso

本書主要針本書主要針對大學低年級學生，講解人工智能基礎(chǔ)知識，幫助初入校大學生了解人工智能的概念，掌握人工智能應(yīng)用技術(shù)，進而獨立創(chuàng)作完成人工智能相關(guān)作品。本書包含了人工智能導引、人工智能基礎(chǔ)知識、燈光的智能控制、交通燈的智能識別、文字的智能處理、圖像的智能辨識、語音的智能辨識、人機的智能交互、無人駕駛、智能3D打印等方面

本書以提高創(chuàng)新能力為核心，強調(diào)理論與實踐的有機結(jié)合，突出案例分析和實踐鍛煉，采用通俗的語言和生動的應(yīng)用案例，帶領(lǐng)讀者探索人工智能的世界；通過介紹人工智能基礎(chǔ)理論、技術(shù)體系、內(nèi)在實現(xiàn)機理和應(yīng)用現(xiàn)狀，并立足于人工智能具體應(yīng)用領(lǐng)域，力求全面展示與反映人工智能技術(shù)的概念、理論框架、新進展和未來發(fā)展趨勢。本書適用于高職院校人工智

隨著物聯(lián)網(wǎng)的快速發(fā)展，軟件與硬件逐漸融合，硬件產(chǎn)品經(jīng)理這個角色越來越受到大家的重視。本書主要對與硬件產(chǎn)品經(jīng)理相關(guān)的知識進行了系統(tǒng)梳理，為大家介紹了什么是硬件和硬件產(chǎn)品經(jīng)理，以及智能硬件產(chǎn)品經(jīng)理這個新興崗位的特點和發(fā)展。同時本書為讀者介紹了物聯(lián)網(wǎng)產(chǎn)品（也稱智能硬件產(chǎn)品）在市場分析、需求分析、同類產(chǎn)品分析、產(chǎn)品設(shè)計、硬件方

人工智能及其應(yīng)用（第6版）

在未來10到20年，人工智能將嚴重沖擊我們的職場，超過半數(shù)的崗位和從業(yè)者面臨淘汰。歷史上其他因技術(shù)進步引起的職業(yè)消亡，與人工智能的影響相比均不可相提并論。 人工智能很強大，但并不是沒有弱點，它的根本弱點就是：永遠無法通過目前的數(shù)學或者統(tǒng)計學方法獲得更高的閱讀能力，即它無法準確理解人類的語言，因而也無法

深度學習是人工智能與機器學習領(lǐng)域的重要研究分支，深度卷積神經(jīng)網(wǎng)絡(luò)是其核心內(nèi)容之一。本書作為一本深度卷積神經(jīng)網(wǎng)絡(luò)方面的入門與提高書籍，目的是使讀者通過學習了解和掌握卷積神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)與應(yīng)用方法。全書共10章，分為三個部分：第1～3章為第一部分，主要介紹卷積神經(jīng)網(wǎng)絡(luò)基本理論；第4～5章為第二部分，概述卷積神經(jīng)網(wǎng)絡(luò)相關(guān)工

本書可視為一本以問題為導向的書籍,非常適合具備一定數(shù)據(jù)基礎(chǔ)和Python基礎(chǔ)的讀者學習,作為一本數(shù)據(jù)科學的基礎(chǔ)書籍,讀者可以在短時間內(nèi)學習數(shù)據(jù)科學的經(jīng)典算法。主要闡述python3基礎(chǔ)內(nèi)容；常用模塊進行扼要闡述和實例操作；常見統(tǒng)計量,數(shù)據(jù)轉(zhuǎn)換,以及多維數(shù)組等內(nèi)容,并通過代碼實現(xiàn)；特色是以問題導向的方式闡述了常見的12種

本書分為基礎(chǔ)篇和高級篇�；�礎(chǔ)篇介紹機器學習的主要原理和方法、以及最近幾年來的最新進展，包括機器學習的發(fā)展史、決策樹學習、PAC模型、貝葉斯學習、支持向量機、AdaBoost、壓縮感知、子空間、深度學習與神經(jīng)網(wǎng)絡(luò)、MCNs、強化學習等內(nèi)容。在高級篇部分，主要介紹一下作者多年來在機器學習與視覺感知方面的研究成果，包括HGP