2017年，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學開設人工智能相關課程，并提倡以計算思維為指導，將信息技術課程從技術導向轉(zhuǎn)換為科學導向。因此，機器學習作為人工智能技術的內(nèi)核，走入我國廣大中小學生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機器學習模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框

本書的主體內(nèi)容包括機器學習概念與特征工程、機器學習技術、模型關系管理，其中，模型關系管理部分主要介紹了弱集成學習、強集成學習和混合專家模型。弱集成學習是指使用機器學習中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學習是指協(xié)同特征工程與強分類器形成強集成學習環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經(jīng)網(wǎng)絡集成和網(wǎng)絡結構設計形成深

本書以人工智能下的大數(shù)據(jù)時代為背景,從數(shù)據(jù)素養(yǎng)、數(shù)據(jù)分析基礎、統(tǒng)計分析、機器學習多個維度全面系統(tǒng)地介紹了如何探索數(shù)據(jù)、整理數(shù)據(jù)并分析數(shù)據(jù)。本書沒有給出晦澀難懂的數(shù)學公式,也不涉及復雜煩瑣的程序代碼,而是在闡述基本原理的基礎上,輔以簡潔的Python程序,讓讀者能夠快速入門,提升個人的數(shù)據(jù)綜合素養(yǎng)。

從取代簡單機械的重復勞動到輔助內(nèi)容創(chuàng)作、醫(yī)藥開發(fā)、科學實驗，人工智能產(chǎn)品正以驚人的速度在各行業(yè)大展拳腳，預示著人類即將進入一個全新的發(fā)展階段。本書通過淺顯易懂的語言幫助你理解人工智能產(chǎn)品是什么，人工智能產(chǎn)品是怎么創(chuàng)造出來的以及人工智能產(chǎn)品是如何進行創(chuàng)新迭代的。人工智能行業(yè)的快速發(fā)展對產(chǎn)品經(jīng)理提出了更高的要求，產(chǎn)品經(jīng)理需

本書基于作者多年的研究成果，詳細介紹了跨數(shù)據(jù)中心機器學習的訓練系統(tǒng)設計和通信優(yōu)化技術。本書面向多數(shù)據(jù)中心間的分布式機器學習系統(tǒng)，針對多數(shù)據(jù)中心間有限的傳輸帶寬、動態(tài)異構資源，以及異構數(shù)據(jù)分布三重挑戰(zhàn)，自底向上討論梯度傳輸協(xié)議、流量傳送調(diào)度、高效通信架構、壓縮傳輸機制、同步優(yōu)化算法、異構數(shù)據(jù)優(yōu)化算法六個層次的優(yōu)化技術，旨

本書將人工智能與人類智慧深度融合，系統(tǒng)、全面地介紹了類腦智能目標檢測網(wǎng)絡的構建原理、方法、過程，具有較高的學術價值；同時，本書將所構建的類腦智能目標檢測網(wǎng)絡在無人車交通標志檢測、無人車-機械臂協(xié)同作業(yè)這兩個場景進行了示范應用，具有較大的工程應用價值。本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統(tǒng)研究的科研工作者

本書是《Scikit-learn機器學習詳解》（潘風文編著）的進階篇，講解了Sklearn（Scikit-learn）機器學習框架的各種高級應用技術，包括數(shù)據(jù)集導入工具、集成學習、模型選擇和交叉驗證、異常檢測、管道、信號分解、模型持久化以及Sklearn系統(tǒng)高級配置。通過本書的學習，讀者可快速掌握Sklearn框架的高

PyTorch是基于Torch庫的開源機器學習庫，它主要由Meta（原Facebook）的人工智能研究實驗室開發(fā)，在自然語言處理和計算機視覺領域都具有廣泛的應用。本書介紹了簡單且經(jīng)典的入門項目，方便快速上手，如MNIST數(shù)字識別，讀者在完成項目的過程中可以了解數(shù)據(jù)集、模型和訓練等基礎概念。本書還介紹了一些實用且經(jīng)典的模

本書全面、深入地探討了人工智能（AI）領域的理論和實踐，以統(tǒng)一的風格將當今流行的人工智能思想和術語融合到引起廣泛關注的應用中，真正做到理論和實踐相結合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學，感知、推理、學習和行動，公平、信任、

本書從貝葉斯理論的基本原理講起，逐步深入算法、機器學習、深度學習，并配合項目案例，重點介紹了基于貝葉斯理論的算法原理，及其在機器學習中的應用。 本書分為10章，涵蓋了貝葉斯概率、概率估計、貝葉斯分類、隨機場、參數(shù)估計、機器學習、深度學習、貝葉斯網(wǎng)絡、動態(tài)貝葉斯網(wǎng)絡、貝葉斯深度學習等。本書涉及的應用領域包含機器學習、圖