人工智能
-
智联世界世界人工智能大会组委会 编2019世界人工智能大会以“智联世界 无限可能”为主题,于2019年8月29-31日在上海成功举办。来自世界各地的人工智能**科学家、企业家、投资家、开发者,以及关心人工智能发展的各界人士齐聚上海,围绕全球人工智能的技术演进、产业赋能、生态构建和社会影响等主题,提出了一系列重要思想观点,发布了一批前沿技术和创新产品,得到了业界和全社会的广泛关注,造就了一场具有国际影响力的行业盛会。本书以媒体视角,从“序曲”“开幕”“观点”“论坛及活动”“发布与展示”“闭幕”六大主题出发,多维度展示2019世界人工智能大会筹备举办全过程,呈现大会的精彩瞬间和丰富内容,揭示世界人工智能**发展态势,探讨未来智能世界的无限可能。
-
人工智能与社会风险管理刘玮 著《人工智能与社会风险管理:通往现代社会安全之路》从纵向与横向相结合的分析视角,通过构建人工智能时代社会风险管理“三阶段”理论分析框架。个阶段从“技术本体”和“人与技术交互”两个维度分析人工智能技术风险的内在形成机理;第二个阶段分析各类人工智能典型风险引发社会问题的触发机制,探讨技术风险通过社会放大效应引发社会问题的作用机制,在此基础上,挖掘公众对人工智能技术风险的感知,探索人工智能技术风险管理的过程和策略。
-
深度学习笔记鲁伟 著《深度学习笔记》作为一本以“笔记”命名的深度学习图书,主要定位是面向广大希望入门深度学习的初学者。本书以深度神经网络(DNN)、卷积神经网络(CNN)和循环神经网络(RNN)为核心,详细介绍了深度学习的理论基础、通用方法和三大网络的原理与实践。全书代码以Keras框架作为范例,对于初学者而言简单易懂。 对于深度学习而言,本书内容丰富,知识覆盖面广,兼有代码实战,适合想要入门深度学习的广大学习者阅读。
-
PyTorch深度学习入门与实战王宇龙 著内 容 简 介 书中以案例形式详细介绍了PyTorch的各种实战应用。具体内容包括PyTorch与TensorFlow的对比和PyTorch的发展现状,张量Tensor和自动微分Autograd及其具体应用,PyTorch构建神经网络,基于PyTorch构建复杂应用,PyTorch高级技巧与实战应用,网络剪枝应用。
-
AI制胜宋立桓 著为了避免机器学习背后的复杂数学原理以及异常复杂的算法证明和推导吓退一大批初学者,本书遵循“极简入门”的理念,通过通俗易懂的语言,丰富的图示和经典的案例,有效地降低了学习的门槛,让广大机器学习爱好者轻松入门机器学习。 本书共分11章,覆盖的主要内容有机器学习概述、数据预处理、K最近邻算法、回归算法、决策树、K-means聚类算法、随机森林、朴素贝叶斯算法、支持向量机SVM、神经网络(卷积神经网络、Keras深度学习框架)和人脸识别入门等。从最简单的常识来切入AI领域,打造无缝平滑的学习体验。 本书的读者不需要具有高等数学的深厚知识,也不需要有机器学习或者人工智能(AI)的基础,只需具备Python语言的基础知识和简单了解过NumPy、Pandas等科学基础库,就可以轻松阅读并掌握。另外,高等院校和培训机构也可以将此书作为机器学习入门教材使用。
-
人工智能编程基础教程余凡 著《人工智能编程基础教程(套装共2册)》对在一线从事编程教育、创客教育的老师开展硬件编程教学非常有帮助。面对人工智能教育资源匮乏的现状,专家型教师余凡沥心血、苦积累、著学术,为一线教师躬先表率,实为典范!《人工智能编程基础教程(套装共2册)》从青少年的认知特点出发,从未来科技发展的需求出发,为我们做出了有效的探索和示范。
-
基于深度学习的自然语言处理(美)邓力,(中)刘洋 等介绍深度学习领域最先进的技术 以及深度学习在主要的自然语言处理任务中的成功应用 对深度学习时代自然语言处理领域的不同研究前沿进行了概括与分析 列举了深度学习与自然语言处理领域中交叉的技术性术语以及常用的首字母缩略词。
-
人工智能与船海工程韩凤磊 等本书以理论和技术综述为主,主要介绍人工智能技术在船舶与海洋工程领域的应用,在船舶设计、性能优化、水下机器人技术、智能船技术以及水下机器视觉领域进行了详细阐述。
-
波浪驱动水面机器人李晔等波浪驱动水面机器人技术作为一个前沿研究热点,其出现不过十五年,而国内研究起步于 2012 年。《波浪驱动水面机器人》系统、深入地总结了作者近年来在波浪驱动水面机器人技术领域的主要研究成果与工程实践经验,凝练并深入探讨了波浪驱动水面机器人基础技术问题。《波浪驱动水面机器人》共 6 章,内容主要包括波浪驱动水面机器人的推进机理分析、总体设计、运动建模与预报、运动控制以及应用分析。
-
Python机器学习(新加坡)李伟梦《Python机器学习》面向机器学习新手,主要内容如下: ● Python机器学习的一些基本库,包括NumPy、Pandas和matplotlib库 ● 常见的机器学习算法,包括回归、聚类、分类和异常检测 ● 使用Python和Scikit-learn库进行机器学习 ● 将机器学习模型部署为Web服务 ● 使用Microsoft Azure Machine Learning Studio进行机器学习 ● 演习机器学习模型构建方案的实例