本書全面介紹TensorFlow2.x框架及其在深度學習中的應用，內容包括TensorFlow簡介、Python語言基礎、環(huán)境搭建與入門、TensorBoard可視化、多層感知機實現(xiàn)、卷積神經網絡實現(xiàn)、循環(huán)神經網絡實現(xiàn)、強化學習、遷移學習、生成對抗網絡和GPU并行計算等。

"本書圍繞人工智能技術在建筑領域的探索實踐與場景應用進行內容編寫，引用行業(yè)一線的項目案例，以人工智能概述、機器學習、計算機視覺、自然語言處理、語音識別、無人系統(tǒng)、專家系統(tǒng)、人工智能倫理與安全8個單元為切入點，向學習者生動展示智能建造背景下的人工智能技術應用場景,具有典型的跨界性和融合性。本書內容全面、新穎、易懂，具有系統(tǒng)性、知識性、實用性和可讀性的特點。編寫中盡量采用通用性語言，由淺入深，引導學習者實現(xiàn)“學中做”和“做中學”，啟發(fā)學習者對人工智能技術的應用思維，激發(fā)其主動探究學習相關知識技能的興

本書將圍繞人工智能職業(yè)標準展開，秉持“以學生為中心—職業(yè)標準融入—思政教育融入”的編寫理念，通過項目案例激發(fā)學生的學習興趣。本書結合人工智能學科的已有成果及編者的教學實踐，以全面、基礎、典型、新穎為原則，系統(tǒng)地介紹人工智能的技術基礎，包括機器學習、計算機視覺、智能語音、自然語言處理、AIGC等熱點及前沿問題。本書以“概述+案例”的模式編寫，使教材內容泛而不空，使讀者了解和學習人工智能的基礎知識和初步技能，建立利用科學方法解決問題的創(chuàng)新思維，以適應教學需求。本書概念清晰，結構合理，敘述簡明易懂，適

本書主要介紹人工智能芯片設計相關的知識，包括作為人工智能芯片設計基礎的數(shù)字集成電路電路設計知識和數(shù)字集成電路系統(tǒng)設計知識，進而分析人工智能芯片設計面臨的挑戰(zhàn)，由此引出本書的重點：人工智能芯片的數(shù)據(jù)流設計和架構設計，包括了塊浮點數(shù)設計、卷積神經網絡數(shù)據(jù)量化算法、稀疏化算法、加速器系統(tǒng)控制策略、卷積層加速器設計、全連接層加速器設計等前沿技術。本書在幫助讀者獲得對人工智能芯片設計全面理解的基礎上，使讀者也能更好地把握人工智能芯片設計的重點和方向，為讀者在此領域進一步研究和開發(fā)打下堅實的基礎。本書可作為

"《機器學習項目成功交付》詳細闡述了與機器學習成功交付相關的基本知識，主要包括項目前期，開始工作，深入研究問題，探索性數(shù)據(jù)分析、道德和基線評估，使用機器學習技術制作實用模型，測試和選擇模型，系統(tǒng)構建和生產，發(fā)布項目等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現(xiàn)過程。本書適合作為高等院校計算機及相關專業(yè)的教材和教學參考書，也可作為相關開發(fā)人員的自學用書和參考手冊。"

"深度學習絕非不可窺探的黑箱!深入理解其模型和算法的實際運作機制，是駕馭并優(yōu)化結果的關鍵。你無需成為數(shù)學專家或資深數(shù)據(jù)科學家,同樣能夠掌握深度學習系統(tǒng)內部的工作原理。本書旨在通過深入淺出的方式，為你揭示這些原理，讓你在理解和解釋自己的工作時更加自信與從容。《深度學習精粹與PyTorch實踐》以淺顯易懂的方式揭示了深度學習算法的內部運作機制，即使是機器學習初學者也能輕松理解。本書通過平實的語言解析、詳盡的代碼注釋,以及數(shù)十個基于PyTorch框架的實戰(zhàn)示例，逐步引導你探索深度學習的核心概念與實用工

群體智能算法是一類源于自然現(xiàn)象與社會規(guī)律啟發(fā)的智能算法，是當前人工智能方法的重要組成部分。本書從群體智能算法的基本特征入手，介紹了常見的群體智能算法及其理論基礎研究的三大內容：數(shù)學模型、收斂性與時間復雜度，詳細闡述了粒子群優(yōu)化算法、蟻群優(yōu)化算法、鴿群優(yōu)化算法、頭腦風暴算法與煙花算法的數(shù)學模型、收斂性分析與時間復雜度分析等研究結果。為了方便讀者開展算法理論分析的實踐，部分章節(jié)提供了配套實用軟件工具的使用案例。本書適合從事智能優(yōu)化、進化計算、計算智能、智能優(yōu)化、管理科學與應用數(shù)學領域研究的學者與研究

"《融合數(shù)字電路與存內計算的高能效神經網絡處理器（英文版）》從純數(shù)字電路和融合存內計算的高能效神經網絡處理器兩個角度開展了四項主要的研究工作。在數(shù)字電路神經網絡處理器層面，一方面針對傳統(tǒng)架構數(shù)據(jù)復用優(yōu)化不充分的問題，提出了針對特定卷積核優(yōu)化的卷積神經網絡處理器KOP3。另一方面，針對不規(guī)則稀疏網絡壓縮技術引起的顯著額外功耗面積開銷，采用結構化頻域壓縮算法CirCNN，提出整體并行-比特串行的FFT電路、低功耗分塊轉置TRAM和頻域二維數(shù)據(jù)復用陣列，以規(guī)則的方式壓縮了存儲和計算量。設計并流片驗證的

本書從人工智能時代大學生應具備的基礎素養(yǎng)出發(fā)，緊密圍繞任務案例闡述生成式人工智能(AIGC)如何輔助學習、工作、生活、專業(yè)等方面，主要內容包括探索人工智能新篇章、AI時代的核心競爭力、AIGC與文本生成、AIGC與數(shù)據(jù)處理、AIGC與圖像生成、AIGC與語音生成、AIGC與視頻生成AIGC與智能體和AIGC的倫理與責任。 本書既可以作為高等職業(yè)院校、應用型本科院校、中等職業(yè)學校人工智能通識課程的教材，也可以作為廣大讀者提升個人生成式人工智能素養(yǎng)的參考學習資料和相關培訓機構的教材。

本書的目標是向你介紹圖數(shù)據(jù)結構、圖分析和圖機器學習的概念、技術和工具。每章的開頭都列出了目標，大致分為三個方面：學習圖分析和機器學習的概念；用圖分析解決特定問題；了解如何使用GSQL查詢語言和TigerGraph圖平臺。首先介紹圖數(shù)據(jù)的基本概念，然后通過連接、分析、學習三大部分深入講解一些圖算法和機器學習技術。