本書系統(tǒng)地描述了深度學(xué)習(xí)的基本理論算法及應(yīng)用。全書共14章，第1~3章論述了數(shù)學(xué)基礎(chǔ)、機器學(xué)習(xí)基礎(chǔ)和深度學(xué)習(xí)基礎(chǔ)；第4~7章介紹了一些經(jīng)典網(wǎng)絡(luò)及計算機視覺領(lǐng)域中常用的CNN、RNN、GAN等網(wǎng)絡(luò)結(jié)構(gòu)技術(shù)；第8~9章介紹了深度學(xué)習(xí)在計算機視覺領(lǐng)域的目標(biāo)檢測及圖像分割兩大應(yīng)用；第10~14章介紹了計算機視覺領(lǐng)域主要的優(yōu)化方

本書的目標(biāo)，是讓非機器學(xué)習(xí)領(lǐng)域甚至非計算機專業(yè)出身但有學(xué)習(xí)需求的人，輕松地掌握機器學(xué)習(xí)的基本知識，從而擁有相關(guān)的實戰(zhàn)能力。本書通過AI“小白”小冰拜師程序員咖哥學(xué)習(xí)機器學(xué)習(xí)的對話展開，內(nèi)容輕松，實戰(zhàn)性強，主要包括機器學(xué)習(xí)快速上手路徑、數(shù)學(xué)和Python基礎(chǔ)知識、機器學(xué)習(xí)基礎(chǔ)算法（線性回歸和邏輯回歸）、深度神經(jīng)網(wǎng)絡(luò)、卷積

本書從神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識講起，逐步深入到Python進階實戰(zhàn)，通過對各種實用的第三方庫進行詳細講解與實戰(zhàn)運用，讓讀者不但能夠更加深入地了解神經(jīng)網(wǎng)絡(luò)，而且能夠簡單高效地搭建自己的神經(jīng)網(wǎng)絡(luò)，即使沒有專業(yè)背景知識也能輕松入門神經(jīng)網(wǎng)絡(luò)。 本書分為11章，涵蓋的主要內(nèi)容有神經(jīng)網(wǎng)絡(luò)概述，神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識，計算機程序的特點，神經(jīng)網(wǎng)絡(luò)

本書全面系統(tǒng)地講解了深度學(xué)習(xí)相關(guān)的知識。全書共8章，內(nèi)容包括深度學(xué)習(xí)簡介及TensorFlow安裝，神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)的TensorFlow實現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（上）、經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)（下）、深度學(xué)習(xí)用于文本序列和深度學(xué)習(xí)實驗項目等內(nèi)容。 本書以知識體系為基礎(chǔ)，以課堂案例為載體，采取理論與實踐相

增強現(xiàn)實（AR）作為虛擬現(xiàn)實的一個技術(shù)延伸，是虛擬與現(xiàn)實的連接入口，是一種實時計算攝像機捕捉到的現(xiàn)實影像的位置及角度并加上相應(yīng)虛擬信息的技術(shù)。伴隨著AR技術(shù)迅速發(fā)展的是其3D實感攝像設(shè)備的快速更新。將這些3D實感攝像設(shè)備結(jié)合物聯(lián)網(wǎng)技術(shù)可廣泛應(yīng)用于導(dǎo)航與定位、遠程醫(yī)療、智能家居控制等多種領(lǐng)域。本書從系統(tǒng)設(shè)計的角度出發(fā)，由

本書采用技術(shù)分析與場景描述相結(jié)合的模式，圍繞物聯(lián)網(wǎng)體系結(jié)構(gòu)、關(guān)鍵技術(shù)和安全防控等方面進行系統(tǒng)的介紹。本書主要包括物聯(lián)網(wǎng)概述、物聯(lián)網(wǎng)基礎(chǔ)知識、物聯(lián)網(wǎng)數(shù)據(jù)服務(wù)、場景角度的IoT安全、技術(shù)角度的IoT安全、物聯(lián)網(wǎng)流量安全、區(qū)塊鏈與物聯(lián)網(wǎng)安全七部分內(nèi)容。

本書分為3部分，分別是綜述篇、通用技術(shù)篇和行業(yè)應(yīng)用篇。綜述篇介紹了現(xiàn)階段人工智能產(chǎn)品發(fā)展情況和人工智能政策環(huán)境。通用技術(shù)篇精心挑選10個以研發(fā)底層技術(shù)為核心競爭力的企業(yè)的產(chǎn)品，詳細介紹了它們的實現(xiàn)思路以及現(xiàn)階段應(yīng)用。行業(yè)應(yīng)用篇共有24個案例，主要匯集了人工智能技術(shù)與實體經(jīng)濟結(jié)合的應(yīng)用案例，重點關(guān)注人工智能技術(shù)的應(yīng)用場景

人工智能將引領(lǐng)一場比互聯(lián)網(wǎng)影響更為深遠的科技革命，各領(lǐng)域的企業(yè)都需要盡早地將人工智能納入企業(yè)規(guī)劃路徑中。在人工智能革命的時代，企業(yè)應(yīng)如何應(yīng)對挑戰(zhàn)、如何調(diào)整企業(yè)發(fā)展方向，以及如何重塑企業(yè)運營模式和管理制度，從而在人工智能的浪潮中獲得機遇。作為個人，我們又應(yīng)如何面對未來人機協(xié)作的工作模式，如何在未來的工作環(huán)境中尋找適合自己

全書首先概要介紹了傳統(tǒng)語音識別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語音識別中的應(yīng)用，包括"深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進深度學(xué)習(xí)技術(shù)。

本書共11章，主要介紹機器學(xué)習(xí)的基本概念和兩大類常用的機器學(xué)習(xí)模型，即監(jiān)督學(xué)習(xí)模型和非監(jiān)督學(xué)習(xí)模型。針對監(jiān)督學(xué)習(xí)模型，本書介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹）、集成學(xué)習(xí)模型和神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練；針對非監(jiān)督學(xué)習(xí)模型，本書講解了常用的降維技術(shù)（線性降維技術(shù)與非線性降