本書詳細介紹了人工智能的主要概念、技術(shù)和應(yīng)用等。全書共5章，首先介紹了現(xiàn)階段數(shù)據(jù)標注崗位相關(guān)基礎(chǔ)知識；其次按照數(shù)據(jù)標注任務(wù)分類，分別介紹了圖像、視頻、自然語言和音頻數(shù)據(jù)標注方法和標注平臺使用的實用技術(shù)。本書面向高職院校人工智能技術(shù)應(yīng)用等專業(yè)方向低年級學生及廣大人工智能初學者，書中內(nèi)容緊跟課程思政要求，內(nèi)容由淺入深，事實

本書主要講解分布式機器學習算法和開源框架，讀者既可以從宏觀的設(shè)計上了解分布式機器學習的概念和理論，也可以深入核心技術(shù)的細節(jié)設(shè)計中，對分布式機器學習形成深刻而直觀的認識，做到學以致用。本書共分為5篇，第1篇是分布式基礎(chǔ)，首先介紹了分布式機器學習的概念、基礎(chǔ)設(shè)施，以及機器學習并行化技術(shù)、框架和軟件系統(tǒng)，然后對集合通信和參數(shù)

本書重點講解基于云平臺的超參數(shù)優(yōu)化、神經(jīng)構(gòu)架搜索以及算法選擇等內(nèi)容，是自動機器學習的基本任務(wù)。介紹了基于三個主要云服務(wù)提供商（包括MicrosoftAzure、AmazonWebServices(AWS)和GoogleCloudPlatform）進行AutoML，同時部署ML模型和管道，具有較強的實用性。在應(yīng)用場景中評

本書主要介紹深度學習項目化技術(shù)和分析應(yīng)用，涵蓋初級視覺領(lǐng)域的智能分析應(yīng)用和高級視覺領(lǐng)域的智能分析應(yīng)用，在初級人工智能分析技術(shù)中介紹了人工智能的發(fā)展，從知識入手，講解人工智能的由來，同時介紹了人工智能學習的框架以及目標訓練的技術(shù)。

新生事物的出現(xiàn)引發(fā)了一系列激烈的討論，不難發(fā)現(xiàn)輿論聲浪中夾雜著令人不安和無奈的概念混淆，甚至有人把ChatGPT等同于GPT，或等同于AI。對于新生事物，過度吹捧和質(zhì)疑都是不科學的。 本書的寫作建立在大量調(diào)查研究和資訊的基礎(chǔ)上，對ChatGPT、GPT和AI的發(fā)展進行了全面分析，幫助讀者了解三者的不同，厘清ChatGP

本書主要對近年來新生的多種仿生智能計算理論與方法進行了研究，包括生物地理進化算法、螢火蟲算法、差分進化算法以及灰狼優(yōu)化算法等，并基于這些人工仿生智能計算方法對片上系統(tǒng)的可測性設(shè)計進行了研究。本書共6章，主要內(nèi)容包括片上系統(tǒng)可測性設(shè)計概述、基于生物地理進化算法的掃描鏈平衡理論與方法、基于多目標智能算法的三維Wrapper

"本書面向非專業(yè)人士、尤其是青少年群體，將硬核知識、技術(shù)方法與人文歷史、人物故事有機融合，理順人工智能縱向發(fā)展脈絡(luò)與橫向科學輪廓。作者以扎實的專業(yè)背景、流暢的文筆幫讀者理順人工智能的發(fā)展脈絡(luò)，厘清人工智能的核心技術(shù)方法，幫讀者看懂人工智能與其他學科交叉碰撞所引發(fā)的社會生活變化，從“成天下之才”的角度給青少年讀者提供學習

大多數(shù)的AI書籍主要聚焦于AI背后的理論方法，卻很少關(guān)注AI應(yīng)用程序的工程化。目前存在哪些AI庫、框架和服務(wù)？在哪種情況下應(yīng)該選擇哪種庫、框架和服務(wù)？如何將它們整合到一個具有良好用戶體驗、易于維護的AI應(yīng)用程序中？如何滿足功能性要求和非功能性要求，特別是高性能要求？針對上述問題，本書結(jié)合當前的新興技術(shù)和具體實例給出了很

本書緊密圍繞深度學習及加速技術(shù)的基礎(chǔ)理論與應(yīng)用案例展開敘述，實現(xiàn)了深度學習算法設(shè)計與硬件加速技術(shù)的有機統(tǒng)一，是一本基礎(chǔ)理論與實踐案例相結(jié)合的實用圖書。其具體內(nèi)容涉及人工智能基本概念，神經(jīng)網(wǎng)絡(luò)數(shù)學基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)與學習策略、反向傳播算法數(shù)學原理與訓練機制等神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論，以及一些高級主題和實踐。本書可作為從事人工

《聯(lián)邦學習原理與算法》系統(tǒng)介紹了聯(lián)邦學習的全貌，內(nèi)容豐富，兼顧算法理論與實踐。算法部分包含橫向聯(lián)邦、縱向聯(lián)邦等不同的數(shù)據(jù)建模方式，重點討論了聯(lián)邦學習由于數(shù)據(jù)異質(zhì)性和設(shè)備異質(zhì)性帶來的算法穩(wěn)定性、隱私性挑戰(zhàn)及其解決策略，這對每一個聯(lián)邦學習框架設(shè)計者來說都是至關(guān)重要但卻容易忽略的部分；實踐部分介紹了當前主流的聯(lián)邦學習框架，并