從取代簡(jiǎn)單機(jī)械的重復(fù)勞動(dòng)到輔助內(nèi)容創(chuàng)作、醫(yī)藥開(kāi)發(fā)、科學(xué)實(shí)驗(yàn)，人工智能產(chǎn)品正以驚人的速度在各行業(yè)大展拳腳，預(yù)示著人類即將進(jìn)入一個(gè)全新的發(fā)展階段。本書(shū)通過(guò)淺顯易懂的語(yǔ)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(lái)的以及人工智能產(chǎn)品是如何進(jìn)行創(chuàng)新迭代的。人工智能行業(yè)的快速發(fā)展對(duì)產(chǎn)品經(jīng)理提出了更高的要求，產(chǎn)品經(jīng)理需

本書(shū)基于作者多年的研究成果，詳細(xì)介紹了跨數(shù)據(jù)中心機(jī)器學(xué)習(xí)的訓(xùn)練系統(tǒng)設(shè)計(jì)和通信優(yōu)化技術(shù)。本書(shū)面向多數(shù)據(jù)中心間的分布式機(jī)器學(xué)習(xí)系統(tǒng)，針對(duì)多數(shù)據(jù)中心間有限的傳輸帶寬、動(dòng)態(tài)異構(gòu)資源，以及異構(gòu)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(gòu)、壓縮傳輸機(jī)制、同步優(yōu)化算法、異構(gòu)數(shù)據(jù)優(yōu)化算法六個(gè)層次的優(yōu)化技術(shù)，旨

本書(shū)是《Scikit-learn機(jī)器學(xué)習(xí)詳解》（潘風(fēng)文編著）的進(jìn)階篇，講解了Sklearn（Scikit-learn）機(jī)器學(xué)習(xí)框架的各種高級(jí)應(yīng)用技術(shù)，包括數(shù)據(jù)集導(dǎo)入工具、集成學(xué)習(xí)、模型選擇和交叉驗(yàn)證、異常檢測(cè)、管道、信號(hào)分解、模型持久化以及Sklearn系統(tǒng)高級(jí)配置。通過(guò)本書(shū)的學(xué)習(xí)，讀者可快速掌握Sklearn框架的高

PyTorch是基于Torch庫(kù)的開(kāi)源機(jī)器學(xué)習(xí)庫(kù)，它主要由Meta（原Facebook）的人工智能研究實(shí)驗(yàn)室開(kāi)發(fā)，在自然語(yǔ)言處理和計(jì)算機(jī)視覺(jué)領(lǐng)域都具有廣泛的應(yīng)用。本書(shū)介紹了簡(jiǎn)單且經(jīng)典的入門項(xiàng)目，方便快速上手，如MNIST數(shù)字識(shí)別，讀者在完成項(xiàng)目的過(guò)程中可以了解數(shù)據(jù)集、模型和訓(xùn)練等基礎(chǔ)概念。本書(shū)還介紹了一些實(shí)用且經(jīng)典的模

本書(shū)全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實(shí)踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語(yǔ)融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實(shí)踐相結(jié)合。全書(shū)分7個(gè)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(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)和行動(dòng)，公平、信任、

本書(shū)從貝葉斯理論的基本原理講起，逐步深入算法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，并配合項(xiàng)目案例，重點(diǎn)介紹了基于貝葉斯理論的算法原理，及其在機(jī)器學(xué)習(xí)中的應(yīng)用。 本書(shū)分為10章，涵蓋了貝葉斯概率、概率估計(jì)、貝葉斯分類、隨機(jī)場(chǎng)、參數(shù)估計(jì)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、貝葉斯網(wǎng)絡(luò)、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)、貝葉斯深度學(xué)習(xí)等。本書(shū)涉及的應(yīng)用領(lǐng)域包含機(jī)器學(xué)習(xí)、圖

本書(shū)系統(tǒng)介紹了5G物聯(lián)網(wǎng)端管云協(xié)同設(shè)計(jì)理念，主要內(nèi)容包括基于STM32單片機(jī)的感知終端開(kāi)發(fā)、基于5GNB-IoT和NR的感知數(shù)據(jù)處理與傳輸、采用公有云和自建云的物聯(lián)數(shù)據(jù)存儲(chǔ)與Grafana可視化平臺(tái)，最后通過(guò)4個(gè)典型的物聯(lián)網(wǎng)綜合應(yīng)用和兩個(gè)物聯(lián)網(wǎng)競(jìng)賽獲獎(jiǎng)實(shí)戰(zhàn)案例，助力讀者掌握面向端管云協(xié)同設(shè)計(jì)的物聯(lián)網(wǎng)應(yīng)用項(xiàng)目開(kāi)發(fā)。為提高

本書(shū)全面、深入地探討了人工智能（AI）領(lǐng)域的理論和實(shí)踐，以統(tǒng)一的風(fēng)格將當(dāng)今流行的人工智能思想和術(shù)語(yǔ)融合到引起廣泛關(guān)注的應(yīng)用中，真正做到理論和實(shí)踐相結(jié)合。全書(shū)分7個(gè)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(guān)思想，內(nèi)容主要包括邏輯、概率和連續(xù)數(shù)學(xué)，感知、推理、學(xué)習(xí)和行動(dòng)，公平、信任、

機(jī)器學(xué)習(xí)是人工智能的重要技術(shù)基礎(chǔ)，涉及的內(nèi)容十分廣泛。本書(shū)涵蓋了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)知識(shí)，主要包括機(jī)器學(xué)習(xí)的概述、統(tǒng)計(jì)學(xué)基礎(chǔ)、分類、聚類、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、文本分析、分布式機(jī)器學(xué)習(xí)算法等經(jīng)典的機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，還包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、目標(biāo)檢測(cè)、自編碼器等深度學(xué)習(xí)的內(nèi)容。此外，

本書(shū)的寫(xiě)作初衷是，從學(xué)者的角度，用一種通俗易懂的方式，將基于深度學(xué)習(xí)的目標(biāo)檢測(cè)的相關(guān)論文中的理論和方法呈現(xiàn)給讀者，同時(shí)針對(duì)作者在深度學(xué)習(xí)教學(xué)過(guò)程中遇到的難點(diǎn)，進(jìn)行深入的分析和講解。本書(shū)側(cè)重對(duì)卷積神經(jīng)網(wǎng)絡(luò)的介紹，而深度學(xué)習(xí)的內(nèi)容不止于此。所以，作者將深度學(xué)習(xí)分為有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)三類，將圖像分類、目標(biāo)檢測(cè)、