這是一本寫給青少年看的人工智能科普?qǐng)D書，目的是幫助小讀者們啟蒙科學(xué)素養(yǎng)，開闊科學(xué)視野，培養(yǎng)科學(xué)思維，鍛煉動(dòng)手能力，讓小讀者們了解人工智能的過去、現(xiàn)在和未來(lái)，從而更好地融入人工智能時(shí)代。通過閱讀本書，小讀者們不僅能了解到“生活中有哪些人工智能”，還會(huì)一睹很多人工智能發(fā)展的過程和細(xì)節(jié)：生活中的人工智能都是如何工作的，科學(xué)家

本書系統(tǒng)地介紹了強(qiáng)化學(xué)習(xí)的原理和實(shí)現(xiàn)，是一本理論扎實(shí)、落地性強(qiáng)的圖書。 本書包含3個(gè)部分：第一部分為強(qiáng)化學(xué)習(xí)基礎(chǔ)，講解強(qiáng)化學(xué)習(xí)的基礎(chǔ)概念和表格型強(qiáng)化學(xué)習(xí)方法；第二部分為強(qiáng)化學(xué)習(xí)進(jìn)階，討論深度強(qiáng)化學(xué)習(xí)的思維方式、深度價(jià)值函數(shù)和深度策略學(xué)習(xí)方法；第三部分為強(qiáng)化學(xué)習(xí)前沿，介紹學(xué)術(shù)界在深度強(qiáng)化學(xué)習(xí)領(lǐng)域的主要關(guān)注方向和前沿算法。

"本教材的擬采用的編寫思路為：“帶入—基礎(chǔ)—理論—應(yīng)用—實(shí)踐”。帶入，是讓學(xué)生了解所學(xué)知識(shí)的邊界、價(jià)值和重要意義，其中涉及知識(shí)的發(fā)展歷史，基本概念、發(fā)展現(xiàn)狀、應(yīng)用領(lǐng)域、典型案例及所能解決相關(guān)專業(yè)的一些典型問題，其中的講授中適當(dāng)穿插國(guó)之重器與國(guó)防、兩彈一星精神、錢學(xué)森報(bào)國(guó)等思政教育。通過以上的內(nèi)容設(shè)計(jì)激發(fā)學(xué)生的學(xué)習(xí)積極性

"本書是一本人工智能的入門級(jí)教程。教材以通俗易懂的方式，對(duì)人工智能的基本技術(shù)及其應(yīng)用進(jìn)行簡(jiǎn)要介紹和解析。教材內(nèi)容由“人工智能概念建構(gòu)”、“人工智能技術(shù)淺探”、“人工智能算法語(yǔ)言淺嘗”和“人工智能典型應(yīng)用簡(jiǎn)析”4個(gè)模塊構(gòu)成。 其中“人工智能概念建構(gòu)”是人工智能的基本認(rèn)知模塊，旨在通過對(duì)人工智能的現(xiàn)實(shí)應(yīng)用場(chǎng)景、人工智能概

本書是一本系統(tǒng)介紹深度學(xué)習(xí)技術(shù)及開源框架PyTorch的入門書。書中通過大量案例介紹了PyTorch的使用方法、神經(jīng)網(wǎng)絡(luò)的搭建、常用神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)）的實(shí)現(xiàn)，以及實(shí)用的深度學(xué)習(xí)技術(shù)，包括遷移學(xué)習(xí)、對(duì)抗生成學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等。讀者通過閱讀本書，可以學(xué)會(huì)構(gòu)造一個(gè)圖像識(shí)別器，生成逼真的圖畫

這是一本寫給青少年看的人工智能科普?qǐng)D書，目的是幫助小讀者啟蒙科學(xué)素養(yǎng)，開闊科學(xué)視野，培養(yǎng)科學(xué)思維，鍛煉動(dòng)手能力，讓他們了解人工智能的過去、現(xiàn)在和未來(lái)，從而更好地融入人工智能時(shí)代。通過閱讀本書，小讀者不僅可以了解到“人工智能的工作方式”，還能一睹很多人工智能發(fā)展的過程和細(xì)節(jié)：科學(xué)家如何提出問題并想到絕妙的點(diǎn)子；技術(shù)如何從

本書基于C++編寫，旨在帶領(lǐng)讀者動(dòng)手打造出一個(gè)深度學(xué)習(xí)框架。本書首先介紹C++模板元編程的基礎(chǔ)技術(shù)，然后在此基礎(chǔ)上剖析深度學(xué)習(xí)框架的內(nèi)部結(jié)構(gòu)，逐一實(shí)現(xiàn)深度學(xué)習(xí)框架中的各個(gè)組件和功能，包括基本數(shù)據(jù)結(jié)構(gòu)、運(yùn)算與表達(dá)模板、基本層、復(fù)合層、循環(huán)層、求值與優(yōu)化等，最終打造出一個(gè)深度學(xué)習(xí)框架。本書將深度學(xué)習(xí)框架與C++模板元編程有

本書從計(jì)算思維的角度出發(fā)，以人工智能相關(guān)問題為引導(dǎo)，在解決實(shí)際案例問題的過程中植入知識(shí)點(diǎn)，為各專業(yè)的學(xué)生在今后設(shè)計(jì)、構(gòu)造和應(yīng)用各種計(jì)算系統(tǒng)，求解本學(xué)科的問題奠定基礎(chǔ)。全書內(nèi)容包括計(jì)算與計(jì)算思維、程序設(shè)計(jì)與算法、人工智能與智能計(jì)算、網(wǎng)絡(luò)與大數(shù)據(jù)這四大部分。本書適用于高等院校一年級(jí)新生的計(jì)算機(jī)導(dǎo)論等信息技術(shù)類基礎(chǔ)課程，可作

《二維重復(fù)控制》總結(jié)作者多年來(lái)的研究成果和體會(huì)，綜合重復(fù)控制領(lǐng)域的大量國(guó)內(nèi)外文獻(xiàn)資料，系統(tǒng)闡述二維重復(fù)控制的研究成果。主要內(nèi)容包括：重復(fù)控制原理、重復(fù)控制系統(tǒng)設(shè)計(jì)方法和二維重復(fù)控制基本思想，重復(fù)控制的二維特性和重復(fù)控制系統(tǒng)的二維混合模型，二維重復(fù)控制系統(tǒng)穩(wěn)定性分析，二維重復(fù)控制系統(tǒng)設(shè)計(jì)，二維重復(fù)控制系統(tǒng)魯棒性分析與設(shè)計(jì)

本書系統(tǒng)闡述了人工智能的基本原理、方法和應(yīng)用技術(shù)，以知識(shí)為線索，分為知識(shí)搜索、知識(shí)發(fā)現(xiàn)、知識(shí)推理和知識(shí)應(yīng)用四個(gè)部分，全面反映了人工智能領(lǐng)域國(guó)內(nèi)外的最新研究進(jìn)展和動(dòng)態(tài)。為便于讀者深入學(xué)習(xí)，每章的最后一節(jié)均配有相關(guān)方法的案例和編程內(nèi)容，大部分章末配有課后練習(xí)，讀者可掃描書中二維碼獲取相關(guān)代碼和參考答案。本書可作為高等學(xué)校智

青少年人工智能編程水平測(cè)試涵蓋從數(shù)學(xué)邏輯到計(jì)算思維、從拖曳程序模塊到程序編寫、從數(shù)學(xué)建模到算法設(shè)計(jì)等多學(xué)科知識(shí)，能夠?qū)�學(xué)生的多學(xué)科知識(shí)綜合運(yùn)用能力做出評(píng)價(jià)；能夠通過設(shè)計(jì)的具體解決方案，對(duì)學(xué)生的計(jì)算思維、創(chuàng)造性思維等能力做出評(píng)價(jià)；在具體的解決方案中，能夠通過設(shè)計(jì)算法模型和實(shí)現(xiàn)算法，對(duì)學(xué) 生掌握和運(yùn)用編程的能力做出評(píng)價(jià)。

強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)及人工智能領(lǐng)域的一種重要方法，在游戲、自動(dòng)駕駛、機(jī)器人路線規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書結(jié)合了李宏毅老師的“深度強(qiáng)化學(xué)習(xí)”、周博磊老師的“強(qiáng)化學(xué)習(xí)綱要”、李科澆老師的“世界冠軍帶你從零實(shí)踐強(qiáng)化學(xué)習(xí)”公開課的精華內(nèi)容，在理論嚴(yán)謹(jǐn)?shù)幕�礎(chǔ)上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時(shí)序差分方法、

本書聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的進(jìn)展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來(lái)源于IEEE計(jì)算機(jī)協(xié)會(huì)相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由SteerTech和iCANXTalks上的國(guó)際知名科學(xué)家的學(xué)術(shù)報(bào)告、報(bào)道以及相關(guān)活動(dòng)內(nèi)容組成。本書將以創(chuàng)新的方式宣

雖然很多深度學(xué)習(xí)工具都使用Python，但PyTorch庫(kù)是真正具備Python風(fēng)格的。對(duì)于任何了解NumPy和scikit-learn等工具的人來(lái)說(shuō)，上手PyTorch輕而易舉。PyTorch在不犧牲高級(jí)特性的情況下簡(jiǎn)化了深度學(xué)習(xí)，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個(gè)人應(yīng)用擴(kuò)展到企業(yè)級(jí)應(yīng)用。由于像蘋果、Face

本書首先介紹深度學(xué)習(xí)方面的數(shù)學(xué)知識(shí)與Python基礎(chǔ)知識(shí)，線性模型中的線性回歸模型和logistic模型；然后講述正向傳播算法、反向傳播算法及深度神經(jīng)網(wǎng)絡(luò)的完整訓(xùn)練流程，輸出層的激活函數(shù)和隱藏層的常見激活函數(shù)，深度學(xué)習(xí)的過擬合和欠擬合，應(yīng)對(duì)過擬合的方法，以及使用TensorFlow2建立深度神經(jīng)網(wǎng)絡(luò)模型的步驟；接著介紹

本書較為全面地介紹了深度學(xué)習(xí)模型訓(xùn)練、計(jì)算機(jī)視覺模型應(yīng)用、自然語(yǔ)言處理模型應(yīng)用等技術(shù)。全書共9個(gè)實(shí)訓(xùn)項(xiàng)目,包括深度學(xué)習(xí)全連接神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用、深度學(xué)習(xí)循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用、計(jì)算機(jī)視覺模型數(shù)據(jù)準(zhǔn)備、計(jì)算機(jī)視覺模型訓(xùn)練與應(yīng)用、計(jì)算機(jī)視覺模型部署、自然語(yǔ)言處理預(yù)訓(xùn)練模型數(shù)據(jù)準(zhǔn)備、自然語(yǔ)言處理預(yù)訓(xùn)練模型訓(xùn)練與

本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場(chǎng)景下的人工智能技術(shù)服務(wù)、深度學(xué)習(xí)數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)基礎(chǔ)應(yīng)用等技術(shù)。全書共10個(gè)實(shí)訓(xùn)項(xiàng)目,包括人工智能需求分析、人工智能產(chǎn)品設(shè)計(jì)、人工智能平臺(tái)應(yīng)用、數(shù)據(jù)采集工程應(yīng)用、數(shù)據(jù)處理工程應(yīng)用、數(shù)據(jù)標(biāo)注工程應(yīng)用、機(jī)器學(xué)習(xí)模型訓(xùn)練、深度學(xué)習(xí)框架應(yīng)用開發(fā)、深度學(xué)習(xí)框架基礎(chǔ)功能應(yīng)用、深度學(xué)習(xí)線性回歸模型

本書較為全面地介紹了深度學(xué)習(xí)應(yīng)用場(chǎng)景下的數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注等技術(shù)。全書共12個(gè)實(shí)訓(xùn)項(xiàng)目,包括數(shù)據(jù)采集概述、網(wǎng)絡(luò)數(shù)據(jù)采集、端側(cè)數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)與加載、數(shù)據(jù)處理概述、圖像類數(shù)據(jù)處理、文本類數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注概述、圖像數(shù)據(jù)標(biāo)注、文本數(shù)據(jù)標(biāo)注、深度學(xué)習(xí)圖像分類應(yīng)用實(shí)戰(zhàn)、深度學(xué)習(xí)情感分析應(yīng)用實(shí)戰(zhàn)等。本書以企業(yè)用人需求

本書是一本面向計(jì)算機(jī)類以及非計(jì)算機(jī)類專業(yè)學(xué)生的人工智能通識(shí)課程。內(nèi)容選取上注重人工智能的通識(shí)性、典型性，旨在培養(yǎng)高職以及應(yīng)用型本科學(xué)生的人工智能素養(yǎng)、計(jì)算思維能力。全書分為6大模塊，分別從不用的層面對(duì)人工智能進(jìn)行介紹。 本書在介紹人工智能通識(shí)知識(shí)的同時(shí)還以新形態(tài)二維碼的方式嵌入了與課程內(nèi)容相融合的思政元素，分別從家國(guó)

作為一門應(yīng)用型學(xué)科，機(jī)器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實(shí)現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫，方能更加深入地理解機(jī)器學(xué)習(xí)算法的內(nèi)在邏輯和運(yùn)行機(jī)制。本書在對(duì)全部機(jī)器學(xué)習(xí)算法進(jìn)行分類梳理的基礎(chǔ)之上，分別對(duì)監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無(wú)監(jiān)督學(xué)習(xí)模型、概率模型四個(gè)大類共26個(gè)經(jīng)典算法進(jìn)行了細(xì)致的公式推導(dǎo)和代碼實(shí)現(xiàn)，旨在