本書為美國引進版權圖書。本書主要為讀者解答了人工智能,尤其是像GPT-4這樣的大型語言模型,是如何在教育、商業(yè)和創(chuàng)造力等關鍵領域拓展人類能力的邊界的。書中展現了里德·霍夫曼與GPT-4進行的大量交互對話,探索了人工智能如何讓我們的生活變得更有意義、更繁榮,如何幫助我們解決一些人類面臨的嚴峻挑戰(zhàn),如何幫助人類更好地表達自

本書以項目為導向介紹人工智能應用系統開發(fā)，以華為昇騰為平臺，通過“智慧園區(qū)系統”項目講解了利用AI技術對智慧園區(qū)系統各功能模塊進行開發(fā)的全流程。本書共5個項目，項目1對“智慧園區(qū)系統”項目立項進行了整體介紹，項目2-項目5分別講述了智慧園區(qū)視覺模塊開發(fā)、智能管家語言模塊開發(fā)、智慧園區(qū)系統集成、基于MindSpore建模

本書共六章，內容包括：人工智能應用集成基礎、人工智能應用集成需求分析、人工智能應用集成設計開發(fā)、人工智能應用集成產品交付、人工智能應用集成產品運維、人工智能應用集成產品認知實操。

本書圍繞人工智能技術應用框架和認知規(guī)律，將“德”與“技”有機結合，由淺入深從“理念—開發(fā)—數據—算法—技術—產品—行業(yè)—情感”8個認知層面對人工智能技術進行剖析，構建全棧知識體系。本書基于BOPPPS教學方法重構教學環(huán)節(jié)，主要分為“導入—學習目標—知識探索—案例體驗—拓展閱讀—本章總結—學習評價—思考探索”8個環(huán)節(jié)，根

《深度學習模式與實踐》通過介紹**實踐、設計模式和可復制的架構，指導讀者的深度學習項目從實驗室走向應用。本書收集并闡明了近十年來真實世界中深度學習最緊密的洞察。讀者將通過每個有趣的例子學習相關技能，并建立信心。《深度學習模式與實踐》深入研究了如何構建成功的深度學習應用程序。通過將經過驗證的模式和實踐應用到自身項目中，讀

量子計算與人工智能的交叉融合，促使量子人工智能的不斷發(fā)展。本書旨在采用對深度學習愛好者友好的方式，構建量子人工智能應用。全書共13章，第1章和第2章系統介紹量子計算機發(fā)展脈絡和量子計算編程的基礎知識。第3~7章分別介紹不同的深度學習方法和在這些算法邏輯上構建量子啟發(fā)算法的方式，用量子線路中的相位作為神經網絡的可學習參數

本書對人工智能中的關鍵技術進行介紹，主要包括計算機視覺、自然語言處理、語音處理、知識表示與推理、專家系統與知識圖譜、問題求解與搜索技術、機器學習原理、機器學習應用、人工神經網絡與深度學習、智能機器人等。本書引領讀者進入人工智能領域，了解人工智能的概念和發(fā)展簡史，理解人工智能的三大流派，并熟悉人工智能的主要研究內容和應用

本書側重于實證維度的經濟和金融問題，以及如何用機器學習方法求解這些問題，通過建立相關模型得出相應的結論。這包括各種區(qū)分深度學習模型(DNNs、cnn、lstm和DQNs)、生成機器學習模型(gan和VAEs)和基于樹的模型。本書內容還涵蓋了經濟學和機器學習的經驗方法的交叉，包括回歸分析，自然語言處理，和降維。本書的讀者

《細說PyTorch深度學習：理論、算法、模型與編程實現》由業(yè)界專家編撰，采用理論描述加代碼實踐的思路，詳細介紹PyTorch的理論知識及其在深度學習中的應用。全書分為兩篇，共16章。第一篇為基礎知識，主要介紹PyTorch的基本知識、構建開發(fā)環(huán)境、卷積網絡、經典網絡、模型保存和調用、網絡可視化、數據加載和預處理、數據

本書面向廣大數據科學與人工智能專業(yè)的學生及初學者，力求通俗易懂、簡潔清晰地呈現學習大數據與人工智能需要的基礎數學知識，助力讀者為進一步學習人工智能打好數學基礎。全書分為4篇，共19章：微積分篇（第1～5章），主要介紹極限、導數、極值、多元函數導數與極值、梯度下降法等；線性代數篇（第6～10章），主要介紹向量、矩陣、行列