人工智能
-
机器学习算法及其应用吴梅梅 著随着数字音乐内容的迅速增长以及人们对音乐鉴赏需求的日益提升,音乐信息的分类检索及个性化推荐受到广大网民和有关从业人员越来越广泛的关注,并成为研究及应用的新热点。 本书系统地阐述了机器学习中的常用分类与推荐方法,介绍了网络音乐自动分类与推荐的理论基础,重点探讨了SVM 和KNN 分类算法的改进,以及协同过滤推荐算法和基于马尔可夫模型推荐算法的改进,并对改进后的算法应用到音乐自动分类和个性化推荐领域进行了探索性研究。本书展现了机器学习常用算法的原理、改进及应用案例,适合机器学习、数据挖掘及大数据等领域的专业人员阅读。
-
人工智能基础周颖,郑文明,徐卫,赵力人工智能的普及将是未来的发展趋势,《人工智能基础》作为人工智能的科普读物,用通俗易懂的语言全面介绍了人工智能的基础知识。《人工智能基础》共三大部分:理论基础、编程语言基础和应用实战。第壹部分(基础篇)分为5章,主要从人工智能的概念和主要应用场景等方面介绍人工智能的基础现论知识。第二部分(语言篇)分为5章,主要介绍了Python语言的编译环境以及Python语言的基础知识。第三部分(实践篇)分为4章,结合前两部分知识,进行人工智能具体实践,内容涉及树莓派的使用、神经网络的介绍以及神经网络常用的框架Tensorflow的使用等。理论部分的每章都附有相应的习题以供练习,书末附有配套的实验工具箱,以便大家进一步钻研和实践。 《人工智能基础》可以作为中学生课程教材,也可作为青少年自学人工智能基础和Python编程基础的参考书。
-
机器学习算法框架实战麦嘉铭 著,麦嘉铭 译随着互联网技术的飞速发展,全球逐渐步入了大数据时代,智能化的趋势越来越明显,各行各业几乎都喊出了智能化的口号,机器学习作为人工智能的一个重要研究方向,在一定程度上成为了IT人才的必要技能。本书以一个自研机器学习算法框架的构建为主线,首先介绍了机器学习的相关概念和背景,然后按照代数矩阵运算层、*优化方法层、算法模型层和业务功能层的分层顺序对算法框架展开讲述,旨在通过理论和实践相结合的方式,帮助广大零算法基础的开发人员了解和掌握一定的算法能力,同时作为算法设计人员在工程实现上的参考范例。 本书实用性强,既面向零算法基础的开发人员,也面向具备一定算法能力,并且在工程实现上希望有所借鉴或参考学习的算法设计人员及机器学习算法爱好者。
-
机器学习基础 建模与问题求解金升渊,郑容朱 著,李庚源 译本书作者曾就职美国谷歌公司和日本乐天集团,有着多年的机器学习开发经验。本书理论与实践相结合,通过直观具体、易于理解的图表、示例和代码,既讲述了有助机器学习入门者轻松、准确掌握的基础概念,也涵盖了机器学习开发者在不确定概念时可以查看的核心内容。书中列举的大量机器学习应用程序实例,即便不具备数学和统计学知识也能轻松阅读,进而熟悉机器学习的基本概念。
-
TinyMLPete Warden,Daniel Situn 著深度学习网络正变得越来越小。谷歌助理(Google Assistant)团队可以在微控制器上运行只有14KB大小的模型来检测单词。这本实用的书将带你进入TinyML的世界,让深度学习和嵌入式系统结合在一起,用微小的设备创造出惊奇的事业。
-
驯服算法[英] 凯伦·杨(英)马丁·洛奇 编,林少伟,唐林垚 译算法规制的目标无他:其一,警惕本来应当是中立的智能应用,被用来掩饰未取得“多数人同意”的少数人集权;其二,建立利益相关者对话和商谈的场域,避免法律沦为“技术寡头”的帮凶。本书从凯伦??杨“跳出‘数据道德’或‘AI道德’窠臼”以寻求“数据驱动机器时代正义、民主和自由”的主张开始,以李??拜格雷夫“将数据保护法的价值观贯彻进信息系统架构之中”的倡导结束,中间穿插着马丁??洛奇等学者对“风险导向监管路径”的反思与改进;这背后是“自然人正义观”与“算法正义观”从排斥到融合、“个人数据保护”与“技术公共利益”从对立到统一的艰苦历程。本书英文版虽出版于新冠疫情爆发之前,但作者们从不同角度对“算法规制”的路径探寻,无不包含着从“个人健康”促进“社会健康”的现实隐喻,以及人本主义“责有攸归”的道德哲学,对我国“国家治理体系和治理能力现代化”以及疫情常态化下慎终如始“科学防治、精准施策”的稳步推进有着深刻的启发和借鉴意义。
-
学习量子比特Robert S.Sutor 著《学习量子比特(影印版)》首先概述了量子计算与传统计算如此不同的原因,并讲述了可能会对量子计算产生重大影响的一些行业案例。对理解诸如叠加、纠缠和干涉等概念所必需的经典计算理论和数学基础进行了更全面的讲解。接下来是电路和算法,既有基础的,也有更复杂的。然后,对构建量子计算硬件背后的物理和工程思想娓娓道来。最后,本书展望了未来前景并提供了指引,帮助读者了解日后的发展会如何影响到个人。
-
构建机器学习应用Emmanuel Ameisen 著通过这本实用的教程,你将学会如何构建一个机器学习模型驱动的应用示例,将最初的想法转化成可部署的产品。数据科学家、软件工程师和产品经理——无论经验丰富的的专家,还是刚刚入门的新手——都可以循序渐进地学习构建真实机器学习应用涉及的工具、最佳实践,完成相关的技术挑战。 学习设计、构建和部署机器学习(ML)应用所需的技能。通过这本实用的教程,你将构建一个机器学习驱动的示例应用程序,将最初的想法转化成可部署的产品。数据科学家、软件工程师和产品经理——无论经验丰富的专家还是刚刚入门的新手——都可以循序渐进地学习构建实际的机器学习应用程序所涉及的工具、最佳实践和技术挑战。
-
深度学习进阶翁贝托·米凯卢奇(Umberto Michelucci) 著,陶阳 李亚楠译 译本书介绍卷积神经网络的核心——错综复杂的细节和算法的微妙之处。主要包括卷积神经网络的高级主题和使用Keras和TensorFlow的对象检测。
-
超级账本HyperLedger Fabric区块链开发实战林维锋,莫毓昌 著本书围绕区块链的业务场景,对HyperLedger Fabric区块链进行实战式讲解。全书共16章,内容包括区块链技术起源、核心技术、开发平台、超级账本介绍、Fabric介绍、Fabric基础环境搭建、官方End-2-End运行、Helloworld编写、solo测试环境部署、Kafka生产环境部署、Fabric CA、CouchDB、智能合约、Java-SDK客户端和SAAS区块链支付系统。