本書介紹了使用機(jī)器學(xué)習(xí)進(jìn)行個(gè)性化預(yù)測的通用原理和方法，以及其在推薦系統(tǒng)等具體場景下的應(yīng)用。第一部分簡要介紹了機(jī)器學(xué)習(xí)的基礎(chǔ)內(nèi)容，主要圍繞回歸和分類展開對基本內(nèi)容、特征設(shè)計(jì)和評估方法的探討。第二部分詳細(xì)介紹了個(gè)性化機(jī)器學(xué)習(xí)的基礎(chǔ)知識。首先圍繞推薦系統(tǒng)設(shè)置介紹了基于記憶和基于模型的推薦方法等相關(guān)知識，并探討了將社交關(guān)系和價(jià)

本書由中科院計(jì)算所、軟件所的專家學(xué)者傾心寫就，以“圖像風(fēng)格遷移”應(yīng)用為例，全面介紹智能計(jì)算系統(tǒng)的軟硬件技術(shù)棧。第2版以大模型為牽引進(jìn)行更新，第1章回顧人工智能、智能計(jì)算系統(tǒng)的發(fā)展歷程，第2、3章在介紹深度學(xué)習(xí)算法知識的基礎(chǔ)上增加了大模型算法的相關(guān)知識，第4章介紹深度學(xué)習(xí)編程框架PyTorch的發(fā)展歷程、基本概念、編程模

人工智能技術(shù)是目前各能源應(yīng)用領(lǐng)域必不可少的新型輔助技術(shù)。本書將從能源行業(yè)出發(fā)，詳細(xì)闡述人工智能在交通、電力、建筑和工業(yè)等各能源系統(tǒng)中的應(yīng)用現(xiàn)狀，探討人工智能與不同的能源載體與能源終端(交通運(yùn)輸、電力系統(tǒng)、智能建筑和工業(yè)制造等)深度融合的發(fā)展趨勢。本書共7章，第1章和第2章分別對人工智能的基礎(chǔ)知識和能源產(chǎn)業(yè)的技術(shù)變革進(jìn)行

一本面向非專業(yè)讀者的人工智能科普圖書，由復(fù)旦大學(xué)計(jì)算機(jī)系教授錢振興撰寫。秉持著“沒有數(shù)學(xué)公式，用白話描述”原則，分四章向大眾普及人工智能知識體系和運(yùn)用方法：一、一連串科學(xué)探索之問啟發(fā)你形成對人工智能核心概念的認(rèn)識與思考；二、一大批科學(xué)家的故事引領(lǐng)你領(lǐng)略全世界人工智能發(fā)展歷史；三、一系列貼近生活的問題讓不具備AI知識的你

“人工智能與醫(yī)衛(wèi)英語”教材體現(xiàn)了醫(yī)科院校新醫(yī)科英語教學(xué)“面向?qū)W生、面向世界、面向未來”宗旨，服務(wù)于國家發(fā)展戰(zhàn)略、學(xué)校辦學(xué)目標(biāo)、院系人才培養(yǎng)目標(biāo)和學(xué)生個(gè)性化發(fā)展的需求，把學(xué)科專業(yè)的內(nèi)容融入于醫(yī)科英語教學(xué)中，讓醫(yī)科英語教學(xué)融入到學(xué)生專業(yè)知識結(jié)構(gòu)中。教材以教育部關(guān)于深化本科教育教學(xué)改革全面提高人才培養(yǎng)質(zhì)量的意見(教高〔201

本書是一本人工智能通識課程教材，系統(tǒng)闡述了多模態(tài)人工智能的基礎(chǔ)理論、關(guān)鍵技術(shù)及應(yīng)用場景，深入分析了多模態(tài)學(xué)習(xí)、多模態(tài)訓(xùn)練、多模態(tài)大模型、多模態(tài)理解、多模態(tài)檢索、多模態(tài)生成、多模態(tài)推理、多模態(tài)交互、多模態(tài)安全與可信等核心技術(shù)，旨在提供一個(gè)清晰、全面的多模態(tài)人工智能的知識體系，幫助讀者更好地理解和應(yīng)用多模態(tài)人工智能技術(shù)。本

在生成式人工智能的時(shí)代，我們見證了模型推理對存儲空間和計(jì)算能力的巨大需求，這對大語言模型和視覺生成模型的實(shí)際應(yīng)用提出了前所未有的挑戰(zhàn)。在這樣的背景下，高效模型壓縮和模型設(shè)計(jì)技術(shù)顯得尤為重要，它們是降低模型計(jì)算和存儲需求的關(guān)鍵，使得模型的快速部署和高效運(yùn)行成為可能。本書系統(tǒng)地介紹了高效模型壓縮和模型設(shè)計(jì)的方法，在編寫上兼

本書是關(guān)于神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)的經(jīng)典教材，完整、詳細(xì)地討論了各個(gè)主題，并且包含了相關(guān)的計(jì)算機(jī)實(shí)驗(yàn)。全書共16章，主要內(nèi)容包括神經(jīng)網(wǎng)絡(luò)的定義、Rosenblatt感知器、回歸建模、最小均方算法、多層感知器、核方法和徑向基函數(shù)網(wǎng)絡(luò)、支持向量機(jī)、正則化理論、主成分分析、自組織映射、信息論學(xué)習(xí)模型、源于統(tǒng)計(jì)力學(xué)的隨機(jī)方法、動態(tài)規(guī)

個(gè)性化推薦作為一種重要的信息過濾技術(shù)，廣泛應(yīng)用于電子商務(wù)、社交服務(wù)以及基于位 置的服務(wù)等領(lǐng)域，隨著數(shù)據(jù)量的爆炸式增長，原有的推薦算法存在執(zhí)行效率低和數(shù)據(jù)稀疏性等問題。為了解決原有推薦算法存在的問題，本書提出了3種新的算法，分別是基于三維項(xiàng)集矩陣和向量的頻繁項(xiàng)集挖掘算法、融合懲罰因子和時(shí)間權(quán)重的協(xié)同過濾算法以及基于用戶屬

本書是關(guān)于AIGC（生成式人工智能）技術(shù)與作品美學(xué)定義方向的探索指南，旨在從美學(xué)定義的視角，為創(chuàng)作者提供審美要素、風(fēng)格要素與應(yīng)用方向要素的系統(tǒng)指導(dǎo)。在AIGC技術(shù)迅速發(fā)展的今天，本書強(qiáng)調(diào)技術(shù)僅是工具，真正的創(chuàng)新源于對美學(xué)的深刻理解和高水準(zhǔn)的創(chuàng)意思考，我們旨在培養(yǎng)讀者形成優(yōu)秀的美學(xué)定義能力，以指導(dǎo)AI生成更高水平、更具深