本書(shū)基于C++編寫，旨在帶領(lǐng)讀者動(dòng)手打造出一個(gè)深度學(xué)習(xí)框架。本書(shū)首先介紹C++模板元編程的基礎(chǔ)技術(shù)，然后在此基礎(chǔ)上剖析深度學(xué)習(xí)框架的內(nèi)部結(jié)構(gòu)，逐一實(shí)現(xiàn)深度學(xué)習(xí)框架中的各個(gè)組件和功能，包括基本數(shù)據(jù)結(jié)構(gòu)、運(yùn)算與表達(dá)模板、基本層、復(fù)合層、循環(huán)層、求值與優(yōu)化等，最終打造出一個(gè)深度學(xué)習(xí)框架。本書(shū)將深度學(xué)習(xí)框架與C++模板元編程有

這是一本寫給青少年看的人工智能科普?qǐng)D書(shū)，目的是幫助小讀者啟蒙科學(xué)素養(yǎng)，開(kāi)闊科學(xué)視野，培養(yǎng)科學(xué)思維，鍛煉動(dòng)手能力，讓他們了解人工智能的過(guò)去、現(xiàn)在和未來(lái)，從而更好地融入人工智能時(shí)代。通過(guò)閱讀本書(shū)，小讀者不僅可以了解到“人工智能的工作方式”，還能一睹很多人工智能發(fā)展的過(guò)程和細(xì)節(jié)：科學(xué)家如何提出問(wèn)題并想到絕妙的點(diǎn)子；技術(shù)如何從

本書(shū)是一本系統(tǒng)介紹深度學(xué)習(xí)技術(shù)及開(kāi)源框架PyTorch的入門書(shū)。書(shū)中通過(guò)大量案例介紹了PyTorch的使用方法、神經(jīng)網(wǎng)絡(luò)的搭建、常用神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)）的實(shí)現(xiàn)，以及實(shí)用的深度學(xué)習(xí)技術(shù)，包括遷移學(xué)習(xí)、對(duì)抗生成學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等。讀者通過(guò)閱讀本書(shū)，可以學(xué)會(huì)構(gòu)造一個(gè)圖像識(shí)別器，生成逼真的圖畫(huà)

本書(shū)系統(tǒng)闡述了人工智能的基本原理、方法和應(yīng)用技術(shù)，以知識(shí)為線索，分為知識(shí)搜索、知識(shí)發(fā)現(xiàn)、知識(shí)推理和知識(shí)應(yīng)用四個(gè)部分，全面反映了人工智能領(lǐng)域國(guó)內(nèi)外的最新研究進(jìn)展和動(dòng)態(tài)。為便于讀者深入學(xué)習(xí)，每章的最后一節(jié)均配有相關(guān)方法的案例和編程內(nèi)容，大部分章末配有課后練習(xí)，讀者可掃描書(shū)中二維碼獲取相關(guān)代碼和參考答案。本書(shū)可作為高等學(xué)校智

本書(shū)從計(jì)算思維的角度出發(fā)，以人工智能相關(guān)問(wèn)題為引導(dǎo)，在解決實(shí)際案例問(wèn)題的過(guò)程中植入知識(shí)點(diǎn)，為各專業(yè)的學(xué)生在今后設(shè)計(jì)、構(gòu)造和應(yīng)用各種計(jì)算系統(tǒng)，求解本學(xué)科的問(wèn)題奠定基礎(chǔ)。全書(shū)內(nèi)容包括計(jì)算與計(jì)算思維、程序設(shè)計(jì)與算法、人工智能與智能計(jì)算、網(wǎng)絡(luò)與大數(shù)據(jù)這四大部分。本書(shū)適用于高等院校一年級(jí)新生的計(jì)算機(jī)導(dǎo)論等信息技術(shù)類基礎(chǔ)課程，可作

本書(shū)首先介紹深度學(xué)習(xí)方面的數(shù)學(xué)知識(shí)與Python基礎(chǔ)知識(shí)，線性模型中的線性回歸模型和logistic模型；然后講述正向傳播算法、反向傳播算法及深度神經(jīng)網(wǎng)絡(luò)的完整訓(xùn)練流程，輸出層的激活函數(shù)和隱藏層的常見(jiàn)激活函數(shù)，深度學(xué)習(xí)的過(guò)擬合和欠擬合，應(yīng)對(duì)過(guò)擬合的方法，以及使用TensorFlow2建立深度神經(jīng)網(wǎng)絡(luò)模型的步驟；接著介紹

雖然很多深度學(xué)習(xí)工具都使用Python，但PyTorch庫(kù)是真正具備Python風(fēng)格的。對(duì)于任何了解NumPy和scikit-learn等工具的人來(lái)說(shuō)，上手PyTorch輕而易舉。PyTorch在不犧牲高級(jí)特性的情況下簡(jiǎn)化了深度學(xué)習(xí)，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個(gè)人應(yīng)用擴(kuò)展到企業(yè)級(jí)應(yīng)用。由于像蘋果、Face

本書(shū)聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的進(jìn)展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來(lái)源于IEEE計(jì)算機(jī)協(xié)會(huì)相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由SteerTech和iCANXTalks上的國(guó)際知名科學(xué)家的學(xué)術(shù)報(bào)告、報(bào)道以及相關(guān)活動(dòng)內(nèi)容組成。本書(shū)將以創(chuàng)新的方式宣

強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)及人工智能領(lǐng)域的一種重要方法，在游戲、自動(dòng)駕駛、機(jī)器人路線規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書(shū)結(jié)合了李宏毅老師的“深度強(qiáng)化學(xué)習(xí)”、周博磊老師的“強(qiáng)化學(xué)習(xí)綱要”、李科澆老師的“世界冠軍帶你從零實(shí)踐強(qiáng)化學(xué)習(xí)”公開(kāi)課的精華內(nèi)容，在理論嚴(yán)謹(jǐn)?shù)幕�礎(chǔ)上深入淺出地介紹馬爾可夫決策過(guò)程、蒙特卡洛方法、時(shí)序差分方法、

作為一門應(yīng)用型學(xué)科，機(jī)器學(xué)習(xí)植根于數(shù)學(xué)理論，落地于代碼實(shí)現(xiàn)。這就意味著，掌握公式推導(dǎo)和代碼編寫，方能更加深入地理解機(jī)器學(xué)習(xí)算法的內(nèi)在邏輯和運(yùn)行機(jī)制。本書(shū)在對(duì)全部機(jī)器學(xué)習(xí)算法進(jìn)行分類梳理的基礎(chǔ)之上，分別對(duì)監(jiān)督學(xué)習(xí)單模型、監(jiān)督學(xué)習(xí)集成模型、無(wú)監(jiān)督學(xué)習(xí)模型、概率模型四個(gè)大類共26個(gè)經(jīng)典算法進(jìn)行了細(xì)致的公式推導(dǎo)和代碼實(shí)現(xiàn)，旨在