全書共10章分別從構建非生物智能體、感知、描述、連接、記憶和理解、學習與交互、智能體運算模式與處理功能、資源和任務功能系統(tǒng)、生存、思維、控制與主體性、智能體生命周期等角度深入討論了智能體的方方面面，本書討論一個極為龐大、復雜，且沒有先例、沒有形成共識的智能體或機器智能系統(tǒng)的實現(xiàn)機理、過程、要點，沒有能、也做不到面面俱到

本書以深度學習為核心，詳細講解Pytorch技術堆棧，力求使用最直白的語言，帶更多的小白學員入門甚至精通深度學習。本書共分為10個章節(jié)，前五個章節(jié)主要講解深度學習中的基本算法及概念，通過使用Pytorch實現(xiàn)經典的神經網絡并輔以\"課后加油站”小節(jié)補充數(shù)學知識，力求讓每一個知識點、每一個章節(jié)、每一個實驗都能在學員腦海中

本書是智能計算平臺應用開發(fā)中級教材，主要介紹了智能計算平臺搭建、平臺管理、數(shù)據(jù)管理、應用開發(fā)等相關知識。全書共分9章，內容包括智能計算平臺應用開發(fā)概述、人工智能與平臺搭建、平臺管理、數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)備份與恢復、機器學習基礎算法建模和人工智能模型開發(fā)測試。

本書主要介紹了TensorFlow2在機器視覺中的應用。本書共8章，主要內容包括神經網絡的原理，如何搭建開發(fā)環(huán)境，如何在網絡側搭建圖片分類器，如何識別圖片中不同膚色的人數(shù)，如何用遷移學習診斷醫(yī)療影像，如何使用Anchor-Free模型檢測文字，如何實現(xiàn)OCR模型，如何優(yōu)化OCR模型。本書適合機器視覺、深度學習方面的專業(yè)

本書是智能計算平臺應用開發(fā)初級教材，主要介紹了智能計算平臺搭建、平臺管理、數(shù)據(jù)管理、應用開發(fā)等相關知識。全書共8章，內容包括智能計算平臺應用開發(fā)概述、硬件設備、系統(tǒng)與軟件、系統(tǒng)管理、數(shù)據(jù)采集、數(shù)據(jù)存儲、基礎應用軟件開發(fā)測試、人工智能示教編程。

本書是智能計算平臺應用開發(fā)高級教材，主要介紹了智能計算平臺搭建、平臺管理、數(shù)據(jù)管理、應用開發(fā)等相關知識。全書共9章，內容包括智能計算平臺應用開發(fā)概述、智能計算高級環(huán)境、平臺管理、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)備份及恢復、深度學習基礎算法建模、人工智能算法優(yōu)化、人工智能高級應用軟件開發(fā)測試。

今天的組織形態(tài)和人力資源結構發(fā)生了深刻變化，許多人力資源管理者面對現(xiàn)實問題束手無策。本書系統(tǒng)論述了戰(zhàn)略、組織、文化、團隊、工作設計、人才配置、績效和相關配套制度，顛覆了傳統(tǒng)人力資源管理觀念，一針見血地指出人力資源管理實踐的痛點和癥結，告誡今天的企業(yè)管理者要與時俱進，轉變角色、升級認知，不可陷入盲目自信和專業(yè)深井，并提出

本書首先簡要介紹機器人和機器人學的概況，以及機器人學的數(shù)學基礎，然后分別詳細討論智能機器人體系結構、智能機器人中的傳感器、環(huán)境感知與建模、路徑規(guī)劃、機器人控制、多機器人協(xié)同，以及智能機器人的HRI等內容。

本書共分8章，內容包括深度學習基礎、深度學習框架PyTorch的安裝、PyTorch基礎、線性回歸和邏輯回歸、全連接神經網絡、卷積神經網絡、循環(huán)神經網絡及生成式對抗網絡。本書首先從深度學習基礎知識入手，引領讀者動手搭建深度學習框架PyTorch，然后在PyTorch框架下實現(xiàn)深度學習中常用的網絡模型。通過本書，讀

本書全面系統(tǒng)地講解了機器學習的理論與方法，內容主要包括高斯混合模型和EM算法、主題模型、非參數(shù)貝葉斯模型、聚類分析、圖模型、支持向量機、矩陣分解、深度學習及強化學習。本書旨在使讀者了解機器學習的發(fā)展，理解和掌握它的基本原理、方法與主要應用。本書內容豐富，著重機器學習理論的推導與證明，并通過實例進行方法的分析與比較。同時