人工智能(AI)時代已悄然而至，然而對AI倫理學的研究卻剛剛起步。與以往的技術(shù)革命不同，AI有望在多個領(lǐng)域取代人類，但也有傷害人類的潛在風險。為防止對AI技術(shù)的濫用，我們在復雜性變得不可控之前，必須把最糟糕的情況都預想到、分析到�！度斯ぶ悄軅惱怼窂娜斯ぶ悄艿年P(guān)鍵內(nèi)容（包括圖靈測試、數(shù)據(jù)、知識、機器學習、自我意識等）出發(fā)

本書為深圳信息職業(yè)技術(shù)學院等高職院校與騰訊集團共同編寫的高等職業(yè)教育人工智能技術(shù)服務(wù)專業(yè)校企“雙元”合作系列教材之一，同時也是高等職業(yè)教育計算類課程新形態(tài)一體化教材。本書采用圖形化方式介紹人工智能的發(fā)展歷史、相關(guān)知識、技術(shù)及應用，并借助生動的小游戲、圖形化展示和圖形化人工智能軟件，幫助讀者熟悉并掌握基本的人工智能相關(guān)知

本專著書全面、系統(tǒng)匯集并研究了當前和未來在智能系統(tǒng)（包括人工智能）領(lǐng)域所應用的經(jīng)典與非經(jīng)典的智能數(shù)學方法，至今在國內(nèi)外尚未見有同類著作發(fā)表。本書的特點是：（1）從三次數(shù)學危機的歷史高度出發(fā)論證了智能科學、技術(shù)、工程的必然發(fā)展趨勢與創(chuàng)新空間；（2）以人工智能科學發(fā)展的三大學派——邏輯主義學派、聯(lián)結(jié)主義學派、行為主義學派為

本書基于大數(shù)據(jù)、人工智能中模式分類的研究，以向量數(shù)據(jù)的機器學習方法為基礎(chǔ)，從*優(yōu)化角度研究張量數(shù)據(jù)的學習問題，特別關(guān)注張量數(shù)據(jù)分類問題的新模型的建立及其*優(yōu)化算法的設(shè)計。本書所構(gòu)建的張量數(shù)據(jù)分類模型，無論從計算時間、計算復雜度，還是從分類精度，都表現(xiàn)出該算法的優(yōu)越性，能夠使讀者能夠比較全面地了解張量數(shù)據(jù)分類模型和算法設(shè)

本書圍繞數(shù)據(jù)、算法、模型三要素，研究選取不同算法從歷史數(shù)據(jù)中獲取經(jīng)驗，并歸納出模型進行預測與優(yōu)化的系列理論與技術(shù)，是涉及計算機科學、概率統(tǒng)計、決策論等多個學科的多領(lǐng)域交叉學科。本書應用開源深度學習框架PaddlePaddle，從問題定義、數(shù)據(jù)收集、特征工程、模型訓練、模型評估、模型應用方面，層層深入、循序漸進地剖析機器

本書以實戰(zhàn)為主，通過豐富的實戰(zhàn)案例向讀者介紹深度學習可應用和落地的項目，書中所有案例都基于Python+TensorFlow2.5+Keras技術(shù)，可用于深度學習課程的實戰(zhàn)訓練。本書配套示例源碼、PPT課件、思維導圖、數(shù)據(jù)集、開發(fā)環(huán)境與答疑服務(wù)。全書共分11章。第1章講解深度學習的概念、流程、應用場景、模型分類和框架選

本書是一本介紹智能運維的實戰(zhàn)指南，聚焦實際應用場景，通過十余個實戰(zhàn)案例，詳細講解每個場景中的痛點、適用的算法、試驗和*終方案,系統(tǒng)介紹了AI技術(shù)在運維工作中的應用。本書內(nèi)容分為3部分，第1部分是智能運維、人工智能的概念和發(fā)展趨勢，包括第1、2章；第2部分是智能運維中需要用到的人工智能技術(shù)和算法，包括第3、4、5章；第3

人工智能將幫助人們把事情做得更好、更快，并在成本效益上更突出，它將深刻改變交通、旅游、醫(yī)療、教育、零售、農(nóng)業(yè)、金融、銷售和營銷等行業(yè)。事實上，人工智能很可能極大地改變?nèi)祟惿鐣�。你可能聽說過很多工作將被人工智能或機器人取代，但你是否知道，與此同時，大量的新工作將由人工智能創(chuàng)造?本書涵蓋了許多與人工智能相關(guān)的有趣話題，包括

本書是一部論述機器學習原理與算法的立體化教材（含紙質(zhì)圖書、教學課件和部分視頻教程），本書兼顧機器學習基礎(chǔ)、經(jīng)典方法和深度學習方法。對組成機器學習的基礎(chǔ)知識和基本算法做了比較細致的介紹，對廣泛應用的經(jīng)典算法如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、決策樹和集成學習等算法都給出了深入的分析，并討論了無監(jiān)督學習的基本方法

本書是一本系統(tǒng)論述TensorFlow編程的新形態(tài)圖書(含紙質(zhì)圖書、程序代碼及微課視頻)。全書分為22章:第1~5章介紹了TensorFlow基礎(chǔ);第6~8章介紹了神經(jīng)網(wǎng)絡(luò)多層感知層編程;第9~12章介紹了人工智能數(shù)學;第13章介紹了存儲和讀取;第14章介紹了回歸預測數(shù)據(jù)結(jié)果;第15~17章介紹了圖形辨識和CNN;第1