人工智能
-
弱监督视觉目标检测叶齐祥,万方本书阐述弱监督目标检测的建模理论、优化方法和实际应用,主要内容包括弱监督目标检测的任务定义、现有弱监督目标检测算法简介和问题呈现、最小熵隐变量模型方法的建模、连续优化多示例学习方法和弱监督目标检测算法在X射线安检场景中的应用。其中的主要问题包括弱监督目标检测的定位稳定性建模、弱监督学习的非凸优化方法,以及弱监督学习在实际应用场景中的部署等。 -
智能机器人技术导论程磊本书主要介绍智能机器人的产生及发展、典型的机器人系统和智能机器人系统基础、感知系统、导航技术、协作系统、控制与自学习、仿真与软件设计、机电控制系统设计、竞赛及应用等。本书结合“结果导向思维”,应用 OBE 理念编写,凸显了“智能”特色,落实了“思政贯通”教学主线。本书突出“智能化”机器人特色,以“智能”为主轴展开,有助于学生跳出传统工业机器人的单一学习思路,帮助学生全面认知机器人。本书配有在线课程“机器人技术导论”(“智慧树”平台),以及教学大纲、PPT、习题解答、课程思政等资源,读者可登录华信教育资源网(www.hxedu.com.cn)下载。本书适合作为高等院校机器人工程、自动化、电子信息与机械电子工程等专业的本科生或硕士生的引导性教材或参考书,也可作为工科学生机器人活动、相关学科竞赛教材,还可供有关工程技术人员参考。 -
人工智能与计算机应用实践教程李永胜,谢晴本书是与《人工智能与计算机应用》配套使用的线下学习实践教材,是编者多年教学实践经验的总结。 全书分为两部分:第 1 部分是实验指导,第 2 部分是习题集。本书为各实验任务配备了详细的操作要点及 图例说明,且部分实验提供二维码,供学生观看学习。学生通过上机可以达到边学习、边实践的目的。大 部分实验的 阶段提供了自我训练,帮助学生复习和检验所学知识,提高学生的实际操作能力,掌握基本技能。本书面向应用、重视操作能力和综合应用能力的培养,可作为高校各专业人工智能基础和计算机基础课程的教材,也可作为各级计算机基础知识的培训教材和参考用书。 -
Midjourney人工智能AI绘画教程雷波本书较为系统地讲解了人工智能绘画的基本理论与Midjourney平台的使用方法,包括各个命令与参数、语法结构等。同时讲解了Midjourney在建筑设计、珠宝设计、摄影素材图像生成、插画绘制、背包设计、手机壳设计、包装设计、盲盒公仔造型设计、冰箱贴设计、卡通头像设计、Logo设计、徽标设计、价目表设计、特效文字设计、游戏场景概念设计、UI设计、图标设计、成套表情包设计等33个领域内的实战应用方法。 书中图像全部由Midjourney渲染生成,效果图配有提示语,也是软件使用者最关心的“配方”,并在关键词下方有强调功能的下划线,以确保读者在使用此关键词时能够得到类似的效果。 本书附赠一本拥有海量Midjourney常用关键词的PDF电子书,下载方法可参考封底。 -
机器学习图解路易斯·G·塞拉诺暂缺简介... -
Python机器学习实践安德烈·朱萨尼(Andrea Giussani)暂缺简介... -
机器学习与学习资源适配刘海暂缺简介... -
AI加速器架构设计与实现甄建勇,王路业这是一本讲解NPU硬件架构设计与技术实现的著作。作者将自己在CPU、GPU和NPU领域15年的软硬件工作经验融会贯通,将四代NPU架构设计经验融为一体,将端侧和云侧NPU架构合二为一,总结并提炼出本书内容。本书主要讨论神经网络硬件层面,尤其是芯片设计层面的内容,主要包含神经网络的分析、神经网络加速器的设计以及具体实现技术。通过阅读本书,读者可以深入了解主流的神经网络结构,掌握如何从零开始设计一个能用、好用的产品级加速器。通过阅读本书,你将:?透彻理解与深度学习相关的机器学习算法及其实现?学会主流图像处理领域神经网络的结构?掌握加速器运算子系统和存储子系统的设计?摸清加速器设计中遇到的具体问题及其解决方法?了解NPU架构需要考虑的控制通路和数据通路 -
机器学习开发实战迪诺·埃斯波西托,弗朗西斯科·埃斯波西托本书是机器学习入门书籍,面向需要提升数据科学技能的开发人员和需要提升编程技能的数据科学家,涵盖了从机器学习基础概念到完整解决方案的各个方面。本书共分为五个部分,主要内容包括人工智能基础知识、实现机器学习解决方案的步骤、微软的ML.NET库、实用的机器学习算法、神经网络、AI云服务等,并且免费提供使用ML.NET库构建的代码示例。 -
人工智能项目管理杨志宝,班超,方瀚本书从人工智能(AI)项目管理中的实际困难出发,覆盖通用项目管理、通用人工智能、特定领域人工智能三个层次的问题。重点讨论治理、范围、进度和质量四个大类的问题,并提供一系列适用于AI项目管理的基本框架、分析思路和翔实可用的模板、思维图表和流程,帮助读者快速理解人工智能项目管理的特点,并应用到具体的项目中,解决具体的问题。 全书内容可概括为两大部分——“地基”和“上层建筑”。首先覆盖了项目、行业和人这三个基础主题,让AI项目管理能够站在一个稳定的基础知识(地基)上。之后,重点概述了范围、进度和质量三个部分,还将资源、风险、相关方等几个管理领域穿插在各个章节中,这些主题形成了应用部分(上层建筑)。 本书对人工智能项目中的管理人员、算法专家、开发人员、业务人员和领域专家,都会带来一定的帮助。
