《人工智能——何時機器能掌控一切》共12章，從歷史、社會、哲學(xué)和人文等多學(xué)科角度審視人工智能技術(shù)的過去、現(xiàn)在和未來；既涵蓋了邏輯運算等經(jīng)典的人工智能算法，又引入了量子計算等前沿的人工智能技術(shù)；既強調(diào)了人工智能對人類生活和社會各個方面的正面促進作用，又指出了其高能耗等缺點。通過閱讀《人工智能——何時機器能掌控一切》，零基

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

本書是有關(guān)智能信息處理與量子智能計算方法及其應(yīng)用的著作，系統(tǒng)介紹了智能信息處理與量子智能計算方面的基礎(chǔ)理論及各種新技術(shù)、新方法，并從4G及5G移動通信、認(rèn)知無線電、語音信號處理等角度進行了實例剖析。全書分為兩篇共12章。第一篇“智能信息處理及其應(yīng)用”側(cè)重介紹智能信息處理領(lǐng)域的基本原理與關(guān)鍵技術(shù)；第二篇“量子智能信息處理

本書系統(tǒng)地介紹了人工智能的基本原理、方法和應(yīng)用技術(shù)，比較全面地反映了人工智能領(lǐng)域當(dāng)前的研究進展和發(fā)展方向。全書共8章，具體內(nèi)容包括人工智能的基本概念和發(fā)展概況、腦與認(rèn)知、機器感知、知識表示與推理、計算智能、模式識別與機器學(xué)習(xí)、人工智能系統(tǒng)的硬件基礎(chǔ)、人工智能系統(tǒng)的應(yīng)用。為了便于讀者理解，在介紹關(guān)鍵技術(shù)的同時，列舉了一些

《圖解人工智能大全》由日本著名人工智能（AI）研究機構(gòu)首席研究員和高級研究員撰寫。作為AI的入門讀物，本書旨在以簡單易懂的語言向?qū)�業(yè)人士和普通讀者介紹AI的基礎(chǔ)、前沿的商務(wù)案例，以及AI系統(tǒng)構(gòu)筑的注意事項等相關(guān)知識�？紤]到有些讀者可能不具備相關(guān)的專業(yè)知識，本書使用了大量圖片，以幫助讀者理解文字內(nèi)容。《圖解人工智能大全》

這是一套幫助培養(yǎng)孩子計算思維的系列練習(xí)冊，包括《大問題小問題》《找找規(guī)律吧》《流程圖來幫忙》《生活中的算法》共4冊，圍繞計算思維的四大組成要素（問題分解、模式識別、抽象和算法建設(shè)）展開。每一冊的內(nèi)容有意識地側(cè)重單個要素能力的培養(yǎng)，內(nèi)容難度循序漸進。每冊通過綜合性的問題，讓孩子將四個要素融會貫通、反復(fù)練習(xí)，應(yīng)用于解決實際

《集成學(xué)習(xí)入門與實戰(zhàn)：原理、算法與應(yīng)用》通過6章內(nèi)容全面地解讀了集成學(xué)習(xí)的基礎(chǔ)知識、集成學(xué)習(xí)技術(shù)、集成學(xué)習(xí)庫和實踐應(yīng)用。其中集成學(xué)習(xí)技術(shù)包括采樣、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、隨機森林、決策樹等，從混合訓(xùn)練數(shù)據(jù)到混合模型，再到混合組合，邏輯嚴(yán)謹(jǐn)

《人工智能全書：一本書讀懂AI基礎(chǔ)知識、商業(yè)應(yīng)用與技術(shù)發(fā)展》系統(tǒng)地講解了AI基礎(chǔ)知識、商業(yè)應(yīng)用與技術(shù)發(fā)展，可以幫助讀者快速了解人工智能，掌握行業(yè)動態(tài)與技術(shù)。全書圖文并茂，淺顯易懂，其中基礎(chǔ)篇介紹了AI的基礎(chǔ)知識，商業(yè)篇預(yù)測了AI在各行各業(yè)的應(yīng)用與發(fā)展，技術(shù)篇則講解了AI的各種專業(yè)技術(shù)知識�！度斯ぶ悄苋珪�：一本書讀懂AI

本書首先介紹深度學(xué)習(xí)方面的數(shù)學(xué)知識與Python基礎(chǔ)知識，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)和隱藏層的常見激活函數(shù)，深度學(xué)習(xí)的過擬合和欠擬合，應(yīng)對過擬合的方法，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

本書分兩部分對時滯遞歸神經(jīng)網(wǎng)絡(luò)的理論與應(yīng)用進行了介紹：第一部分對隨機時滯遞歸神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性進行了分析，第二部分則對遞歸神經(jīng)網(wǎng)絡(luò)在優(yōu)化算法及智能控制等方面的應(yīng)用進行了介紹。