本書(shū)向你展示了如何使用機(jī)器學(xué)習(xí)模型從圖像中提取信息。ML工程師和數(shù)據(jù)科學(xué)家將學(xué)習(xí)成熟的ML技術(shù)來(lái)解決各種圖像問(wèn)題，包括分類(lèi)、物體檢測(cè)、自動(dòng)編碼器、圖像生成、計(jì)數(shù)和字幕。本書(shū)很好地介紹了端到端的深度學(xué)習(xí)：創(chuàng)建數(shù)據(jù)集、數(shù)據(jù)預(yù)處理、模型設(shè)計(jì)、模型訓(xùn)練、評(píng)估、部署和可解釋性。 Google工程師ValliappaLakshm

《人工智能探秘水下機(jī)器人》共2分冊(cè)，本分冊(cè)為上冊(cè)，采取科普結(jié)合圖形化編程的方式，介紹了從人工智能技術(shù)到水下機(jī)器人，從海洋科技發(fā)展到水下機(jī)器人裝備的使用和實(shí)踐。本分冊(cè)共16課，包含人工智能概述，機(jī)器人概述，水下機(jī)器人的學(xué)習(xí)和使用、運(yùn)動(dòng)控制及編程、圖形化編程拓展模塊的應(yīng)用，以及學(xué)生自由創(chuàng)意創(chuàng)新設(shè)計(jì)等，可培養(yǎng)學(xué)生的設(shè)計(jì)能力、

本書(shū)從計(jì)算思維的角度出發(fā)，以人工智能相關(guān)問(wèn)題為引導(dǎo)，在解決實(shí)際案例問(wèn)題的過(guò)程中植入知識(shí)點(diǎn)，為各專(zhuān)業(yè)的學(xué)生在今后設(shè)計(jì)、構(gòu)造和應(yīng)用各種計(jì)算系統(tǒng)，求解本學(xué)科的問(wèn)題奠定基礎(chǔ)。全書(shū)內(nèi)容包括計(jì)算與計(jì)算思維、程序設(shè)計(jì)與算法、人工智能與智能計(jì)算、網(wǎng)絡(luò)與大數(shù)據(jù)這四大部分。本書(shū)適用于高等院校一年級(jí)新生的計(jì)算機(jī)導(dǎo)論等信息技術(shù)類(lèi)基礎(chǔ)課程，可作

人工智能藍(lán)圖為讀者提供了一個(gè)可用框架和技術(shù)，以構(gòu)建你自己的成功人工智能業(yè)務(wù)應(yīng)用程序。你將在六個(gè)業(yè)務(wù)場(chǎng)景中學(xué)習(xí)到如何使用的人工智能軟件庫(kù)和成熟的工作流程來(lái)解決關(guān)鍵挑戰(zhàn)。一路上，你將學(xué)到從初的設(shè)計(jì)到完整的編碼和部署，構(gòu)建人工智能業(yè)務(wù)應(yīng)用程序的實(shí)用技術(shù)。本書(shū)給出的人工智能藍(lán)圖解決了關(guān)鍵的業(yè)務(wù)場(chǎng)景。個(gè)藍(lán)圖使用人工智能查找按時(shí)且

本書(shū)是中國(guó)移動(dòng)物聯(lián)網(wǎng)作系統(tǒng)OneOS開(kāi)發(fā)系列叢書(shū)之一，側(cè)重于內(nèi)核實(shí)現(xiàn)原理和內(nèi)核應(yīng)用。全書(shū)包含21章，詳細(xì)介紹OneOS內(nèi)核的相關(guān)知識(shí)，包括OneOS框架以及其OneOS核心技術(shù)——構(gòu)建工程、任務(wù)管理和任務(wù)調(diào)度、系統(tǒng)配置、時(shí)間管理、隊(duì)列、信號(hào)量、定時(shí)器、事件以及內(nèi)存管理等。所有源碼都配有詳細(xì)的注釋?zhuān)�且�?jīng)過(guò)嚴(yán)格的審核測(cè)試，

《二維重復(fù)控制》總結(jié)作者多年來(lái)的研究成果和體會(huì)，綜合重復(fù)控制領(lǐng)域的大量國(guó)內(nèi)外文獻(xiàn)資料，系統(tǒng)闡述二維重復(fù)控制的研究成果。主要內(nèi)容包括：重復(fù)控制原理、重復(fù)控制系統(tǒng)設(shè)計(jì)方法和二維重復(fù)控制基本思想，重復(fù)控制的二維特性和重復(fù)控制系統(tǒng)的二維混合模型，二維重復(fù)控制系統(tǒng)穩(wěn)定性分析，二維重復(fù)控制系統(tǒng)設(shè)計(jì)，二維重復(fù)控制系統(tǒng)魯棒性分析與設(shè)計(jì)

機(jī)器學(xué)習(xí)是以概率論、統(tǒng)計(jì)學(xué)、信息論、**化理論、計(jì)算理論等為基礎(chǔ)的計(jì)算機(jī)應(yīng)用理論學(xué)科，也是人工智能、數(shù)據(jù)挖掘等領(lǐng)域的基礎(chǔ)學(xué)科�！稒C(jī)器學(xué)習(xí)方法》全面系統(tǒng)地介紹了機(jī)器學(xué)習(xí)的主要方法，共分三篇。第一篇介紹監(jiān)督學(xué)習(xí)的主要方法，包括感知機(jī)、k近鄰法、樸素貝葉斯法、決策樹(shù)、邏輯斯諦回歸與**熵模型、支持向量機(jī)、Boosting、E

《Scikit-Learn機(jī)器學(xué)習(xí)核心技術(shù)與實(shí)踐》循序漸進(jìn)地講解了使用Scikit-Learn開(kāi)發(fā)機(jī)器學(xué)習(xí)程序的核心知識(shí)，并通過(guò)具體實(shí)例的實(shí)現(xiàn)過(guò)程演練了使用Scikit-Learn的方法和流程。全書(shū)共10章，包括人工智能與Scikit-Learn簡(jiǎn)介，加載數(shù)據(jù)集，監(jiān)督學(xué)習(xí)，無(wú)監(jiān)督學(xué)習(xí)，模型選擇和評(píng)估，數(shù)據(jù)集轉(zhuǎn)換，實(shí)現(xiàn)大

主要內(nèi)容●探索深度學(xué)習(xí)的**似然原理和統(tǒng)計(jì)學(xué)基礎(chǔ)●發(fā)現(xiàn)能輸出各種可能結(jié)果的概率模型●學(xué)習(xí)使用標(biāo)準(zhǔn)化流來(lái)建模和生成復(fù)雜分布●使用貝葉斯神經(jīng)網(wǎng)絡(luò)獲取模型中的不確定性

本書(shū)主要講解了機(jī)器學(xué)習(xí)算法的基礎(chǔ)知識(shí)，以及業(yè)界常用算法的應(yīng)用。其中，項(xiàng)目1介紹了機(jī)器學(xué)習(xí)的定義、類(lèi)型、環(huán)境搭建以及開(kāi)發(fā)步驟；項(xiàng)目2介紹了如何進(jìn)行數(shù)據(jù)預(yù)處理，包含如何對(duì)獲取的原始數(shù)據(jù)進(jìn)行處理、數(shù)據(jù)集的劃分、數(shù)據(jù)的歸一化，以及如何使用主成分分析來(lái)提取數(shù)據(jù)的主要特征等內(nèi)容；其他8個(gè)項(xiàng)目主要介紹了目前主流的機(jī)器學(xué)習(xí)算法。每個(gè)項(xiàng)