本書(shū)在“科學(xué)技術(shù)社會(huì)學(xué)”框架下，從多學(xué)科交叉的管理綜合角度將物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會(huì)與治理創(chuàng)新研究貫通起來(lái)，全面、系統(tǒng)地分析物聯(lián)網(wǎng)、物聯(lián)網(wǎng)社會(huì)及其治理邏輯等元問(wèn)題，從技術(shù)和經(jīng)濟(jì)治理、文化治理、風(fēng)險(xiǎn)治理、民眾參與治理等方面創(chuàng)新物聯(lián)網(wǎng)新時(shí)代物聯(lián)網(wǎng)社會(huì)的治理理論與實(shí)踐。

本書(shū)從深度神經(jīng)網(wǎng)絡(luò)和AI芯片研究現(xiàn)狀出發(fā)，系統(tǒng)地論述了目前深度學(xué)習(xí)主流開(kāi)發(fā)平臺(tái)和深度神經(jīng)網(wǎng)絡(luò)基于FPGA平臺(tái)實(shí)現(xiàn)加速的開(kāi)發(fā)原理和應(yīng)用實(shí)例。全書(shū)主要包括5部分：第1～2章介紹了深度神經(jīng)網(wǎng)絡(luò)的發(fā)展，并總結(jié)了深度學(xué)習(xí)主流開(kāi)發(fā)平臺(tái)和AI芯片的研究現(xiàn)狀；第3～6章在對(duì)深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)層算子、FPGA進(jìn)行了介紹后，總結(jié)了FPGA神

本書(shū)以深入淺出的方式，講解何為“人工智能”，如何掌握以深度學(xué)習(xí)為代表的人工智能相關(guān)方法，以及如何進(jìn)行落地應(yīng)用。本書(shū)從理論、工具基礎(chǔ)講解開(kāi)始，層層遞進(jìn)，分別向讀者清晰地展現(xiàn)了卷積神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)的知識(shí)脈絡(luò)與方法原理。同時(shí)，按照具體應(yīng)用場(chǎng)景，結(jié)合主流深度學(xué)習(xí)框架，給出所講述理論的落地應(yīng)用

AI會(huì)取代我們嗎？清晨，智能手環(huán)將你叫醒；上班路上，導(dǎo)航地圖為你規(guī)劃最佳路線；工作中，搜索引擎為你推薦最佳結(jié)果，輸入法為你糾正拼寫(xiě)錯(cuò)誤；晚上在家，視頻網(wǎng)站根據(jù)你的喜好推送節(jié)目，購(gòu)物應(yīng)用會(huì)猜測(cè)你的需求展示商品。過(guò)去的六十年里，人工智能飛速發(fā)展，如今已深入我們的日常生活。曾經(jīng)只在科幻電影中出現(xiàn)的無(wú)人駕駛汽車、腦機(jī)接口、類人

本書(shū)共11章，主要介紹機(jī)器學(xué)習(xí)的基本概念和兩大類常用的機(jī)器學(xué)習(xí)模型，即監(jiān)督學(xué)習(xí)模型和非監(jiān)督學(xué)習(xí)模型。針對(duì)監(jiān)督學(xué)習(xí)模型，本書(shū)介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹(shù)）、集成學(xué)習(xí)模型和神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練；針對(duì)非監(jiān)督學(xué)習(xí)模型，本書(shū)講解了常用的降維技術(shù)（線性降維技術(shù)與非線性降

人工智能將引領(lǐng)一場(chǎng)比互聯(lián)網(wǎng)影響更為深遠(yuǎn)的科技革命，各領(lǐng)域的企業(yè)都需要盡早地將人工智能納入企業(yè)規(guī)劃路徑中。在人工智能革命的時(shí)代，企業(yè)應(yīng)如何應(yīng)對(duì)挑戰(zhàn)、如何調(diào)整企業(yè)發(fā)展方向，以及如何重塑企業(yè)運(yùn)營(yíng)模式和管理制度，從而在人工智能的浪潮中獲得機(jī)遇。作為個(gè)人，我們又應(yīng)如何面對(duì)未來(lái)人機(jī)協(xié)作的工作模式，如何在未來(lái)的工作環(huán)境中尋找適合自己

全書(shū)首先概要介紹了傳統(tǒng)語(yǔ)音識(shí)別理論和經(jīng)典的深度神經(jīng)網(wǎng)絡(luò)核心算法。接著全面而深入地介紹了深度學(xué)習(xí)在語(yǔ)音識(shí)別中的應(yīng)用，包括"深度神經(jīng)網(wǎng)絡(luò)-隱馬爾可夫混合模型”的訓(xùn)練和優(yōu)化，特征表示學(xué)習(xí)、模型融合、自適應(yīng)，以及以循環(huán)神經(jīng)網(wǎng)絡(luò)為代表的若干先進(jìn)深度學(xué)習(xí)技術(shù)。

本書(shū)主要介紹一種機(jī)器學(xué)習(xí)算法——提升法，主要關(guān)注其基礎(chǔ)理論和算法，也兼顧了應(yīng)用。全書(shū)共14章，分為4個(gè)部分。首先給出機(jī)器學(xué)習(xí)算法及其分析的概要介紹，然后第一部分重點(diǎn)探究了提升法的核心理論及其泛化能力。第二部分主要介紹了有助于理解和解釋提升法的其他理論，包括基于博弈論的解釋、貪心算法、迭代投射算法，并與信息幾何學(xué)和凸優(yōu)化

本書(shū)全面且系統(tǒng)地介紹了機(jī)器學(xué)習(xí)測(cè)試技術(shù)與質(zhì)量體系建設(shè)，分為5部分，共15章。第一部分（第1～4章）涵蓋了機(jī)器學(xué)習(xí)、Python編程、數(shù)據(jù)分析的基礎(chǔ)知識(shí)；第二部分（第5～7章）介紹了大數(shù)據(jù)基礎(chǔ)、大數(shù)據(jù)測(cè)試指南及相關(guān)工具實(shí)踐；第三部分（第8～10章）講解了機(jī)器學(xué)習(xí)測(cè)試基礎(chǔ)、特征專項(xiàng)測(cè)試及模型算法評(píng)估測(cè)試；第四部分（第11～

本書(shū)分為3部分，分別是綜述篇、通用技術(shù)篇和行業(yè)應(yīng)用篇。綜述篇介紹了現(xiàn)階段人工智能產(chǎn)品發(fā)展情況和人工智能政策環(huán)境。通用技術(shù)篇精心挑選10個(gè)以研發(fā)底層技術(shù)為核心競(jìng)爭(zhēng)力的企業(yè)的產(chǎn)品，詳細(xì)介紹了它們的實(shí)現(xiàn)思路以及現(xiàn)階段應(yīng)用。行業(yè)應(yīng)用篇共有24個(gè)案例，主要匯集了人工智能技術(shù)與實(shí)體經(jīng)濟(jì)結(jié)合的應(yīng)用案例，重點(diǎn)關(guān)注人工智能技術(shù)的應(yīng)用場(chǎng)景