本書由校企“雙元”共同開發(fā)，以人工智能應用開發(fā)的學習與認知過程為主線，以實踐為主導，將理論知識與實踐應用有機結合，將人工智能的應用開發(fā)的過程分為數據、人工、智能和系統化四個層級和十二個步驟。十二個步驟包括：數據采集、數據整理、數據分析、數據標注、特征提取、模型創(chuàng)建、模型訓練、模型測試、集成AI模型生成智能系統、系統測試

深度強化學習結合深度學習與強化學習算法各自的優(yōu)勢解決復雜的決策任務。得益于DeepMindAlphaGo和OpenAIFive成功的案例，深度強化學習受到大量的關注，相關技術廣泛應用于不同的領域。本書分為三大部分，覆蓋深度強化學習的全部內容。第一部分介紹深度學習和強化學習的入門知識、一些非常基礎的深度強化學習算法及其實

本書從傳統的機器學習，如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、集成學習，到前沿的深度學習和神經網絡，如DNN、CNN、BERT、ResNet等，對人工智能技術進行零基礎講解，內容涵蓋數學原理、公式推導、圖表展示、企業(yè)應用案例。本書面向初中級讀者，能幫助讀者迅速掌握機器學習技術的相關概念及原理。本書內容結合作者多年

機器學習實戰(zhàn)：使用R、tidyverse和mlr

本書是一本介紹深度學習理論和實戰(zhàn)應用的教程，先從數學基礎和機器學習基礎出發(fā)，按照神經網絡的技術發(fā)展框架由易到難逐步講解深度學習的理論，然后再通過實踐部分，詳細解釋深度學習的應用案例，讓讀者既能了解深度學習理論，又能學會使用深度學習框架，實現自己的深度學習模型。主要內容包括深度學習的發(fā)展歷史、單層感知器、線性神經網絡、B

本書基于豐富的圖示，詳細介紹了有監(jiān)督學習和無監(jiān)督學習的17種算法，包括線性回歸、正則化、邏輯回歸、支持向量機、核方法、樸素貝葉斯、隨機森林、神經網絡、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。書中針對各算法均用Python代碼進行了實現，讀者可一邊運行代碼一邊閱讀，從

本書全面講解PaddlePaddleFluid框架在深度學習領域的應用。全書共15章，分別是PaddlePaddle深度學習開發(fā)環(huán)境的搭建、PaddlePaddle快速入門、線性回歸算法實戰(zhàn)、卷積神經網絡實戰(zhàn)、循環(huán)神經網絡實戰(zhàn)、生成對抗網絡實戰(zhàn)、強化學習實戰(zhàn)、模型的保存與使用、遷移學習實戰(zhàn)可視化工具VisualDL的使

本書的主要特色在于知識建模和智能推理技術方面的創(chuàng)新，并基于知識圖譜建模和智能推理技術的集成完成了一系列應用軟件的開發(fā)，直觀形象、易學易用。本書是AI3軟件的詳盡解讀，分為AI3普及版（自由拷貝，不限使用）、AI3智能教學版以及AI3專業(yè)版（適用于復雜過程工業(yè)系統AI應用）。

深度學習已經進入我們的生活，云計算和大數據為深度學習提供了便利。本書主要講解深度學習中的數學知識、算法原理和實現方法，配套源碼、數據集和開發(fā)環(huán)境。本書共12章。第1章介紹人類視覺和深度學習的聯系。第2章介紹深度學習中最為重要的梯度下降算法。第3章介紹卷積函數。第4章介紹計算損失函數所使用的交叉熵、決策樹和信息熵。第5章

本書從初學者角度出發(fā)，采用理論與實踐相結合的方式闡述深度學習的相關知識，包括概率論、信息論、數值優(yōu)化，以及機器學習中的相關內容。同時包括深度前饋網絡、正則化、優(yōu)化算法、卷積網絡、序列建模和實踐方法等，并且包含了實際環(huán)境中用到的深度學習技術場景，諸如自然語言處理、語音識別、計算機視覺、在線推薦系統等方面的應用，幫助初學者