機(jī)器學(xué)習(xí)數(shù)學(xué)基礎(chǔ)

本書(shū)以PyTorch作為深度學(xué)習(xí)框架，主要包括4部分。第1部分（第1、2章），主要概述PyTorch基礎(chǔ)知識(shí)與常見(jiàn)深度學(xué)習(xí)算法實(shí)現(xiàn)，例如，CNN、LSTM，即CNN-LSTM；第2部分（第3～5章）高級(jí)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，主要包括常見(jiàn)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，例如CNN、RNN及最新的Transformer等模型；第3部分（第6～

閱讀本書(shū)需要具備一定的Python語(yǔ)言編程基礎(chǔ)知識(shí)。編者充分調(diào)研了行業(yè)、企業(yè)對(duì)人才技術(shù)技能的需求，將教學(xué)過(guò)程和企業(yè)深度學(xué)習(xí)模型的訓(xùn)練與部署、人工智能應(yīng)用開(kāi)發(fā)等生產(chǎn)過(guò)程銜接，與企業(yè)一線工程人員共同研究學(xué)生需要掌握的職業(yè)理論知識(shí)和技能，同時(shí)參照人工智能深度學(xué)習(xí)工程應(yīng)用職業(yè)技能等級(jí)證書(shū)要求，將證書(shū)和崗位需求充分融入本書(shū)。本書(shū)

智能問(wèn)答技術(shù)在自然語(yǔ)言處理和人工智能領(lǐng)域發(fā)揮著重要的作用。它將信息檢索、知識(shí)表示和自然語(yǔ)言處理技術(shù)融合在一起，為智能推薦、網(wǎng)絡(luò)客服等任務(wù)提供了杰出的支持。本書(shū)共分為11章，分為3個(gè)部分。第1部分主要介紹知識(shí)庫(kù)的構(gòu)建，包括現(xiàn)有的知識(shí)庫(kù)構(gòu)建技術(shù)、基礎(chǔ)知識(shí)、數(shù)據(jù)采集技術(shù)、數(shù)據(jù)轉(zhuǎn)換儲(chǔ)存和查詢流程、異構(gòu)數(shù)據(jù)源實(shí)體對(duì)齊和面向知識(shí)圖

圖可以被用于表示各類對(duì)象之間的關(guān)系，而圖神經(jīng)網(wǎng)絡(luò)是指專門(mén)用于處理圖數(shù)據(jù)的深度學(xué)習(xí)模型，可實(shí)現(xiàn)對(duì)圖數(shù)據(jù)的建模和推斷。本書(shū)系統(tǒng)地介紹了圖神經(jīng)網(wǎng)絡(luò)的基本原理、常用模型和應(yīng)用領(lǐng)域等。首先介紹了兩類最基本的圖神經(jīng)網(wǎng)絡(luò)方法GCN和GraphSAGE，并給出了圖神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)目標(biāo)、評(píng)價(jià)方法；然后對(duì)圖神經(jīng)網(wǎng)絡(luò)中常用的模型結(jié)構(gòu)進(jìn)行了深入

生成式AI是科技領(lǐng)域最炙手可熱的話題。這本實(shí)踐用書(shū)教授機(jī)器學(xué)習(xí)工程師和數(shù)據(jù)科學(xué)人員如何利用TensorFlow和Keras從零開(kāi)始創(chuàng)建令人印象深刻的生成式深度學(xué)習(xí)模型，包括變分自編碼器(VAE)、生成對(duì)抗網(wǎng)絡(luò)(GAN)、Transformers、歸一化流、基于能量的模型和去噪擴(kuò)散模型。本書(shū)從深度學(xué)習(xí)的基礎(chǔ)知識(shí)開(kāi)始，逐步

本書(shū)包含代碼實(shí)踐和案例實(shí)踐，運(yùn)用OpenCV、PyTorch等框架工具詳細(xì)講解中文車(chē)牌識(shí)別檢測(cè)、采用三元組的FaceNet人臉識(shí)別理論與實(shí)踐、車(chē)道檢測(cè)的兩種深度學(xué)習(xí)思路及煙霧檢測(cè)4大實(shí)踐項(xiàng)目。相關(guān)理論可參考《基于深度學(xué)習(xí)的目標(biāo)檢測(cè)原理與應(yīng)用》一書(shū)，從而學(xué)以致用、融會(huì)貫通。

許多部門(mén)和行業(yè)都渴望將AI和數(shù)據(jù)驅(qū)動(dòng)技術(shù)整合到自己的系統(tǒng)和運(yùn)營(yíng)中。但要構(gòu)建真正成功的AI系統(tǒng)，你需要牢固掌握底層的數(shù)學(xué)知識(shí)。這本綜合指南彌補(bǔ)了AI所展現(xiàn)出的無(wú)限潛力和應(yīng)用與相關(guān)數(shù)學(xué)基礎(chǔ)之間的存在的現(xiàn)實(shí)差距。作者HalaNelson并沒(méi)有討論高深的學(xué)術(shù)理論，而是以現(xiàn)實(shí)世界的應(yīng)用和最先進(jìn)的模型為重點(diǎn)，介紹了在人工智能領(lǐng)域發(fā)

本書(shū)將人工智能技術(shù)的理論及應(yīng)用，結(jié)合大數(shù)據(jù)時(shí)代人工智能的應(yīng)用和意義進(jìn)行了探討，為同行起到了借鑒和參考的作用。

本書(shū)闡述了分布式人工智能原理及其應(yīng)用，基本原理的主要內(nèi)容包括的分布式人工智能的內(nèi)涵、基本原理、計(jì)算框架等；研究了分布式人工智能學(xué)習(xí)與優(yōu)化、強(qiáng)化學(xué)習(xí)與演化計(jì)算、群智能體強(qiáng)化學(xué)習(xí)等前沿方法；給出了分布式信息融合、視覺(jué)感知、協(xié)同搜索、對(duì)抗博弈決策和智能博弈推演等典型應(yīng)用，建立起了較為全面的知識(shí)體系與脈絡(luò)，為后續(xù)研究奠定了良好