當人們聽說“AI的進化將剝奪人類的就業(yè)機會”時，出于對機器的擔憂和反感，他們就會產(chǎn)生逆反心理，從而造成對AI能力的過高預估；另一方面，當這種過高的期待沒有實現(xiàn)時，人們就會產(chǎn)生對AI的全面否定，如“AI什么也干不了”“到頭來還不是一無是處、毫無意義”。我們該如何澄清關(guān)于AI的各種誤解，使企業(yè)能夠從容自如地使用AI？本書作

本書重點講述用于預測性數(shù)據(jù)分析的*重要的機器學習方法，包括理論概念和實際應用。

本書重點在幫你掌握深度學習所要求的數(shù)學原理和編程實戰(zhàn)經(jīng)驗，使你能快速使用TensorFlow輕松部署產(chǎn)品中的深度學習解決方案，并形成開發(fā)深度學習架構(gòu)和解決方案時所需的數(shù)學理解和直覺。本書提供了豐富的理論和實戰(zhàn)動手經(jīng)驗，使你可以從零開始掌握深度學習，并能快速部署有價值的深度學習解決方案。本書重點講解了與多個行業(yè)相關(guān)的深度

Pytorch是基于python且具備強大GPU加速的張量和動態(tài)神經(jīng)網(wǎng)絡(luò)，更是Python中優(yōu)先的深度學習框架，它使用強大的GPU能力,提供*大的靈活性和速度。本書指導讀者以Pytorch為工具在Python中學習深層強化學習(DQN)。主要內(nèi)容包括：強化學習概述及分類、強化學習的算法和實施方法、在Pytorch中實施

本書內(nèi)容主要包括機器學習的基本知識、基本學習方法、集成學習方法、深度學習方法和深度強化學習方法等內(nèi)容，將機器學習的經(jīng)典內(nèi)容與深度學習等前沿內(nèi)容有機地結(jié)合在一起，形成一套相對完整的知識體系，并在每個章節(jié)穿插相應的應用實例，使得廣大讀者不但能夠較好地掌握機器學習基本理論，而且能夠比較系統(tǒng)地掌握其應用技術(shù)，為今后的工作和進一

本書全面介紹神經(jīng)網(wǎng)絡(luò)、機器學習和深度學習的基本概念、模型和方法，同時也涉及了深度學習中許多最新進展，附錄中還提供了相關(guān)數(shù)學分支的簡要介紹，旨在讓讀者知其然還要知其所以然。

本書針對人工智能技術(shù)領(lǐng)域人才培養(yǎng)的需要，從實際應用出發(fā)，以人工智能涉及的“會運動、會看懂、會聽懂、會思考”四方面為主線進行編寫。本書采用理實一體的編寫方式，設(shè)置了5個學習情境，分別為認識人工智能、運動系統(tǒng)的設(shè)計與應用、視覺識別系統(tǒng)的設(shè)計與應用、語音識別系統(tǒng)的設(shè)計與應用和認知系統(tǒng)的設(shè)計與應用，循序漸進地介紹了人工智能控制

本書較為系統(tǒng)地講解了用戶體驗設(shè)計師的職能及價值體現(xiàn)的方法，由點到面地分析了用戶體驗設(shè)計的方法與技巧，目的是讓讀者能夠全方位地進行學習，使自己在互聯(lián)網(wǎng)行業(yè)變化如此迅速的當下不被淘汰。 全書分為8章。第1章對用戶體驗的概念、用戶體驗設(shè)計師的職責與價值等內(nèi)容進行了分析；第2章主要對App設(shè)計中的基礎(chǔ)規(guī)范進行了系統(tǒng)全面的講解

《深度學習導論》講述了前饋神經(jīng)網(wǎng)絡(luò)、Tensorflow、卷積神經(jīng)網(wǎng)絡(luò)、詞嵌入與循環(huán)神經(jīng)網(wǎng)絡(luò)、序列到序列學習、深度強化學習、無監(jiān)督神經(jīng)網(wǎng)絡(luò)模型等深度學習領(lǐng)域的基本概念和技術(shù)，通過一系列的編程任務，向讀者介紹了熱門的人工智能應用，包括計算機視覺和自然語言處理等。 本書編寫簡明扼要，理論聯(lián)系實踐，每一章都包含習題以及補充閱

本書主要討論在智能經(jīng)濟的浪潮下，人工智能技術(shù)與區(qū)塊鏈技術(shù)的范式變革與產(chǎn)業(yè)應用，以及如何從數(shù)字經(jīng)濟學視角理解智能經(jīng)濟發(fā)展的商業(yè)邏輯變化和它所帶來的商業(yè)認知升級。全書包括從信息技術(shù)到智能經(jīng)濟、區(qū)塊鏈技術(shù)應用與場景、人工智能技術(shù)應用與場景、智能經(jīng)濟時代的商業(yè)趨勢四部分，共20講內(nèi)容。 本書通過跨學科研究，構(gòu)建了一整套認知人工