本書首先從深度學(xué)習(xí)的原理出發(fā)，介紹如何把深度學(xué)習(xí)的理論轉(zhuǎn)換為PyTorch代碼，然后介紹如何在計(jì)算機(jī)上運(yùn)行這些代碼。作為一本面向初中級(jí)讀者的技術(shù)類圖書，本書在前面所述內(nèi)容的基礎(chǔ)上，還介紹了學(xué)術(shù)界前沿的一系列實(shí)例，以及PyTorch的源代碼結(jié)構(gòu)，以期讀者能夠融會(huì)貫通深度學(xué)習(xí)框架的設(shè)計(jì)和應(yīng)用的思想。

本選題宏觀而全面地介紹了人工智能的理論和實(shí)踐，闡述了人工智能領(lǐng)域的核心內(nèi)容，并較為深入的介紹了各個(gè)主要研究方向的理論基礎(chǔ)及應(yīng)用。全書分為8章：第1章介紹人工智能的基本概念、研究目標(biāo)及發(fā)展情況；第2章講解人工智能領(lǐng)域常用的數(shù)學(xué)概念；第3、4章討論人工智能在通訊領(lǐng)域、控制領(lǐng)域的應(yīng)用原理及常見技術(shù)；第5章講解人工智能的核心算

本書系統(tǒng)介紹了深度學(xué)習(xí)理論，并基于MindSporeAI計(jì)算框架進(jìn)行實(shí)踐。全書共分十四章，內(nèi)容涵蓋了深度學(xué)習(xí)概況、理論基礎(chǔ)、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、無監(jiān)督學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、自動(dòng)化機(jī)器學(xué)習(xí)、端云聯(lián)合訓(xùn)練、可視化、數(shù)據(jù)準(zhǔn)備等內(nèi)容。為便于讀者學(xué)習(xí)，書中還給出了基于MindSpore實(shí)現(xiàn)的關(guān)于深度學(xué)習(xí)的開發(fā)實(shí)例以及線上資

本書探討了計(jì)算機(jī)在創(chuàng)造性藝術(shù)等領(lǐng)域里可能做出的貢獻(xiàn)。除了探討人工智能（AI），本書也是一部人類創(chuàng)造力的歷史。AI可以創(chuàng)作出優(yōu)美的音樂，但AI本身會(huì)知道為什么這個(gè)音樂作品是優(yōu)美的嗎？或者，人類會(huì)認(rèn)為這個(gè)音樂作品是AI原創(chuàng)的嗎？為了思考這些問題，我們必須追溯人類創(chuàng)造力的歷史，思考第一批人類是怎樣、何時(shí)、為何與音樂建立聯(lián)系的

本書內(nèi)容包括神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)、深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化和驗(yàn)證、深度神經(jīng)網(wǎng)絡(luò)開發(fā)和訓(xùn)練環(huán)境的構(gòu)建、使用Tensor-Board進(jìn)行網(wǎng)絡(luò)訓(xùn)練的監(jiān)控和模的超參數(shù)優(yōu)化。本書詳細(xì)介紹的深度學(xué)習(xí)問題，包括基本的回歸問題、二元分類問題和多元分類問題，還包括較為復(fù)雜的卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像的分類和使用預(yù)訓(xùn)練CNN進(jìn)行的遷移學(xué)習(xí)；使用遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)

本書介紹了數(shù)據(jù)科學(xué)領(lǐng)域常用的所有重要機(jī)器學(xué)習(xí)算法以及TensorFlow和特征工程等相關(guān)內(nèi)容。涵蓋的算法包括線性回歸、邏輯回歸、支持向量機(jī)、樸素貝葉斯、k均值、隨機(jī)森林等，這些算法可以用于監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)或半監(jiān)督學(xué)習(xí)。在本書中，你將學(xué)會(huì)如何使用這些算法來解決所遇到的問題，并了解這些算法的工作方式。本書還將

涵蓋強(qiáng)化學(xué)習(xí)基本算法實(shí)踐+深度強(qiáng)化學(xué)習(xí)算法的原理實(shí)現(xiàn)及案例。代碼豐富，可直接上手操作；配套豐富的直播課程資源！

共分為4個(gè)部分：1、基礎(chǔ)知識(shí)：主要介紹機(jī)器學(xué)習(xí)的基本概念、Python的基礎(chǔ)知識(shí)、常用第三方庫(kù)，并結(jié)合網(wǎng)絡(luò)爬蟲及信息提取案例和股票數(shù)據(jù)圖表繪制案例使讀者對(duì)本部分內(nèi)容有更好的理解。2、有監(jiān)督分類案例：包括Iris數(shù)據(jù)分類、新聞文本數(shù)據(jù)分類、手寫數(shù)字圖像識(shí)別和場(chǎng)景文字檢測(cè)共4個(gè)案例。3、無監(jiān)督聚類案例：包括人臉圖像聚類和文

這是一本介紹推薦系統(tǒng)前沿技術(shù)的技術(shù)書。本書前幾章著重介紹深度學(xué)習(xí)排序模型的技術(shù)演化趨勢(shì)，然后依次介紹推薦系統(tǒng)其他模塊的技術(shù)細(xì)節(jié)和工程實(shí)現(xiàn)，通過業(yè)界前沿的推薦系統(tǒng)實(shí)例將所有知識(shí)融會(huì)貫通。本書著重討論的是推薦系統(tǒng)相關(guān)的經(jīng)典和前沿技術(shù)內(nèi)容，尤其是深度學(xué)習(xí)在推薦系統(tǒng)業(yè)界的應(yīng)用。

著重介紹深度強(qiáng)化學(xué)習(xí)的學(xué)術(shù)界前沿進(jìn)展與核心代碼分析的書籍。對(duì)深度強(qiáng)化學(xué)習(xí)方面的重要學(xué)術(shù)進(jìn)展按照單智能體深度強(qiáng)化學(xué)習(xí)、多智能體深度強(qiáng)化學(xué)習(xí)、多任務(wù)深度強(qiáng)化學(xué)習(xí)三個(gè)方向梳理，介紹其核心算法，以及算法的代碼實(shí)現(xiàn)示例。