本書分為“人工智能”和“大數(shù)據(jù)”兩部分，主要研究了人工智能與大數(shù)據(jù)技術(shù)在現(xiàn)代社會中的應用，介紹了人工智能的基本概念、發(fā)展歷程和關(guān)鍵技術(shù)，對大數(shù)據(jù)進行概述，闡述了大數(shù)據(jù)技術(shù)在金融領域和電子商務中的實際應用，分析了其發(fā)展趨勢，探討了大數(shù)據(jù)與人工智能的融合，以及構(gòu)建人工智能大數(shù)據(jù)技術(shù)平臺的可行性。本書結(jié)構(gòu)清晰，內(nèi)容連貫，語言

本書是基于對區(qū)塊鏈與人工智能融合領域的深入研究編寫而成。第一章介紹了研究的背景、目的和意義；第二章研析了區(qū)塊鏈的原理和關(guān)鍵技術(shù)；第三章探討了人工智能的分類和核心技術(shù)；第四章提出了融合概念和理論模型；第五章著重介紹了區(qū)塊鏈在構(gòu)建去中心化人工智能平臺中的作用；第六章探討了物聯(lián)網(wǎng)的發(fā)展；第七章分析了智能合約與區(qū)塊鏈在金融科技

本書介紹通用人工智能管理系統(tǒng)智能生成系統(tǒng)軟件系統(tǒng)工程體系架構(gòu)、所有各種不同智能管理系統(tǒng)應用需求的智能生成系統(tǒng)軟件功能應用技術(shù)方法，所有管理人員全面掌握智能生成系統(tǒng)的軟件功能技術(shù)方法綜合操作應用。本書具體內(nèi)容如下：智能數(shù)據(jù)管理表共性共享數(shù)據(jù)基礎技術(shù)、應用智能管理系統(tǒng)生成系統(tǒng)的技術(shù)特征、智能生成應用系統(tǒng)解決方案規(guī)劃設計、智

本書以機器學習算法為主題，詳細介紹算法的理論細節(jié)與應用方法。全書共19章，分別介紹了邏輯回歸與最大熵模型、k-近鄰模型、決策樹模型、樸素貝葉斯模型、支持向量機模型、集成學習框架、EM算法、降維算法、聚類算法、神經(jīng)網(wǎng)絡模型等基礎模型或算法，以及8個綜合項目實例。本書重視理論與實踐相結(jié)合，希望為讀者提供全面而細致的學習指導

本書內(nèi)容已經(jīng)外聘專家審讀審核通過后同意安排出版。本書是一本關(guān)于如何利用ChatGPT進行自動化辦公的指南。通過深入講解ChatGPT的注冊和使用方法，以及與Python編程的結(jié)合，讀者將學會如何與ChatGPT交談并利用其輔助編寫高質(zhì)量的代碼。此外，本書還介紹了ChatGPT在Python數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)存儲、

本書主要包含以下內(nèi)如：最優(yōu)化問題的簡介，凸分析基礎，無約束優(yōu)化的理論及線搜索算法框架，信賴域算法，線搜索收斂性分析及收斂速度分析，半光滑牛頓算法，共軛梯度算法，約束優(yōu)化理論及延伸理論，罰方法，增廣拉格朗日算法及算法在實際問題(支持向量機模型、超圖匹配)中的應用。本書對知識點的分析緊密結(jié)合當前研究前沿問題，并通過對應用問

本書以群體智能與智能網(wǎng)聯(lián)的應用為牽引，通過原理、算法、技術(shù)應用三個篇章為大家介紹群體智能與智能網(wǎng)聯(lián)相關(guān)的基礎理論、概念模型、關(guān)鍵技術(shù)和前沿應用。具體而言，原理篇會介紹群體智能的通信方式與組網(wǎng)、知識表征、因果涌現(xiàn)機理等內(nèi)容；算法篇則從多主體強化學習、多智能體合作式梯度更新方法、圖神經(jīng)網(wǎng)絡、蟻群算法等群體智能領域的代表性算

本書共5個項目，內(nèi)容包括邊緣計算開發(fā)板基礎應用、邊緣計算算法SDK應用、TensorFlow圖像上色模型部署、PyTorch目標檢測模型部署、TFLite手掌檢測模型部署。本書根據(jù)崗位工作任務要求，確定學習任務內(nèi)容，設計選取了14個工作任務。

本書展示了如何使用Ray構(gòu)建機器學習應用程序，介紹了Ray如何融入當前的機器學習工具，以及Ray如何與這些工具緊密集成。本書前3章介紹了Ray作為分布式Python框架的基礎知識，并提供了應用示例；第4-10章介紹了Ray高級庫(RayRLlib、RayTune、RayDataset、RayTrain、RayServe

本書是以實驗案例方式而組織的,全書共給出了21個人工智能實驗案例,覆蓋了人工智能課程涉及的主要內(nèi)容,包括搜索求解、邏輯推理、貝葉斯網(wǎng)絡、馬爾可夫決策、監(jiān)督學習、非監(jiān)督學習、強化學習等各個方面,也包含了深度神經(jīng)網(wǎng)絡技術(shù)。為了便于教學,每個實驗案例對實驗的內(nèi)容、背景和目標進行了明確闡述,對所涉及的理論基礎及算法也進行了詳細