牛牛可以做牌吗

機(jī)器學(xué)習(xí)是人工智能的核心，而統(tǒng)計(jì)思維則是機(jī)器學(xué)習(xí)方法的核心：從隨機(jī)性中尋找規(guī)律性。例如，利用損失最小化思想制定學(xué)習(xí)策略，采用概率最大化思想估計(jì)模型參數(shù)，利用方差對(duì)不確定性的捕捉構(gòu)造k維樹(shù)，采用貝葉斯公式構(gòu)建分類決策模型，等等。只有樹(shù)立正確的統(tǒng)計(jì)思維，才能準(zhǔn)確高效地運(yùn)用機(jī)器學(xué)習(xí)方法開(kāi)展數(shù)據(jù)處理與分析。本書(shū)以統(tǒng)計(jì)思維的視角，揭示監(jiān)督學(xué)習(xí)中回歸和分類模型的核心思想，幫助讀者構(gòu)建理論體系。

·18萬(wàn)字

會(huì)員

用ChatGPT輕松玩轉(zhuǎn)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

本書(shū)共14章，主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學(xué)習(xí)（線性回歸、SVM、決策樹(shù)等）、無(wú)監(jiān)督學(xué)習(xí)（降維、聚類等），以及深度學(xué)習(xí)的基礎(chǔ)原理和應(yīng)用等。

·18萬(wàn)字

Python機(jī)器學(xué)習(xí)入門(mén)與實(shí)戰(zhàn)

本書(shū)以零基礎(chǔ)講解為特色，用實(shí)例引導(dǎo)讀者學(xué)習(xí)，深入淺出地介紹Python機(jī)器學(xué)習(xí)的相關(guān)知識(shí)和實(shí)戰(zhàn)技能。全書(shū)共17章，分為5篇。第Ⅰ篇為機(jī)器學(xué)習(xí)入門(mén)篇，包含第1章，主要介紹機(jī)器學(xué)習(xí)的概念、機(jī)器學(xué)習(xí)研究的主要任務(wù)、如何選擇合適的算法及機(jī)器學(xué)習(xí)研究問(wèn)題的一般步驟等；第Ⅱ篇為工具模塊使用篇，包含第2~4章，主要介紹數(shù)組計(jì)算NumPy、數(shù)據(jù)分析Pandas、圖形展示Matplotlib等；第Ⅲ篇為專業(yè)技能提升篇，包含第5~13章，主要介紹算法綜述、決策樹(shù)、樸素貝葉斯、邏輯回歸、支持向量機(jī)、AdaBoost、線性回歸、k-means、PCA等；第Ⅳ篇為深度學(xué)習(xí)延伸篇，包含第14章，主要介紹卷積神經(jīng)網(wǎng)絡(luò)；第Ⅴ篇為項(xiàng)目技能實(shí)戰(zhàn)篇，包含第15~17章，主要介紹驗(yàn)證碼識(shí)別、答題卡識(shí)別、機(jī)器學(xué)習(xí)簡(jiǎn)歷指導(dǎo)等。同時(shí)，本書(shū)隨書(shū)贈(zèng)送了大量相關(guān)的學(xué)習(xí)資料，以便讀者擴(kuò)展學(xué)習(xí)。本書(shū)適用于任何想學(xué)習(xí)Python機(jī)器學(xué)習(xí)的讀者。無(wú)論讀者是否從事Python相關(guān)工作，是否接觸過(guò)Python，均可通過(guò)學(xué)習(xí)本書(shū)快速掌握Python機(jī)器學(xué)習(xí)的開(kāi)發(fā)方法和技巧。

·17.9萬(wàn)字

會(huì)員

深度學(xué)習(xí)實(shí)戰(zhàn)：基于TensorFlow 2和Keras（原書(shū)第2版）

本書(shū)簡(jiǎn)潔地介紹了現(xiàn)代神經(jīng)網(wǎng)絡(luò)、人工智能和深度學(xué)習(xí)技術(shù)，專門(mén)為軟件工程師和數(shù)據(jù)科學(xué)家設(shè)計(jì)。第1章逐步介紹神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)。第2章比較TensorFlow1.x和TensorFlow2.0編程模型。第3章重點(diǎn)介紹回歸。第4章介紹卷積神經(jīng)網(wǎng)絡(luò)及其在圖像處理中的應(yīng)用。第5章討論了CNN在圖像、視頻、音頻和文本處理方面的高級(jí)應(yīng)用。第6章重點(diǎn)介紹生成對(duì)抗網(wǎng)絡(luò)。第7章介紹詞嵌入。第8章介紹基本嵌入方法的各種擴(kuò)展。第9章介紹自動(dòng)編碼器。第10章深入研究無(wú)監(jiān)督學(xué)習(xí)模型。第11章重點(diǎn)介紹強(qiáng)化學(xué)習(xí)。第12章介紹AutoML。第13章介紹用于移動(dòng)設(shè)備和物聯(lián)網(wǎng)的TensorFlow的基礎(chǔ)知識(shí)。第14章討論了云環(huán)境以及如何利用它來(lái)訓(xùn)練和部署模型。第15章討論了深度學(xué)習(xí)背后的數(shù)學(xué)。第16章介紹TPU。本書(shū)內(nèi)容豐富，易于理解，示例具有代表性，是學(xué)習(xí)深度學(xué)習(xí)的絕佳指南。

·17.9萬(wàn)字

會(huì)員

如何教人工智能說(shuō)人話？

AI的本質(zhì)是什么？自然語(yǔ)言和人工語(yǔ)言的區(qū)別在哪里？ChatGPT究竟是人工智能發(fā)展道路上的里程碑，還是某種誤入歧途的“假AI”？我們不許諾美麗空洞的AI前景，而是告訴讀者，未來(lái)的AI之路到底有多少激流險(xiǎn)灘——對(duì)于統(tǒng)計(jì)學(xué)工具與硬件升級(jí)的片面崇拜，對(duì)于智能科學(xué)基本原理的蔑視，是目前AI研究的大危機(jī)。在我們看來(lái)，萬(wàn)眾期待的ChatGPT，只是新時(shí)代的“牛頓煉金術(shù)”。

·17.8萬(wàn)字

會(huì)員

人工智能：改變未來(lái)的顛覆性技術(shù)

本書(shū)結(jié)合國(guó)內(nèi)外人工智能的發(fā)展和zui新應(yīng)用技術(shù)，在概述人工智能的定義及發(fā)展的基礎(chǔ)上，系統(tǒng)地講解了人工智能站上風(fēng)口、人工智能給可穿戴設(shè)備插上翅膀、人工智能是智能家居的目標(biāo)、人工智能決定機(jī)器人的未來(lái)、人工智能是“工業(yè)4.0”之魂、人工智能正在重塑人類的生產(chǎn)生活等內(nèi)容。本書(shū)在寫(xiě)作上力求保證科學(xué)性、先進(jìn)性和可讀性，內(nèi)容新穎、通俗易懂，適合從事發(fā)展規(guī)劃、金融投資、戰(zhàn)略研究、企業(yè)管理等領(lǐng)域的人員及對(duì)人工智能有興趣的讀者閱讀。

·17.7萬(wàn)字

會(huì)員

人工智能初學(xué)者指南

“達(dá)人迷”圖書(shū)是暢銷(xiāo)歐美近30年的經(jīng)典書(shū)系，得到了億萬(wàn)初學(xué)者的認(rèn)可。本書(shū)秉承了“達(dá)人迷”系列圖書(shū)一貫的優(yōu)點(diǎn)，既簡(jiǎn)潔易懂又能夠廣泛地帶領(lǐng)讀者了解并學(xué)習(xí)到人工智能相關(guān)的知識(shí)要點(diǎn)。2017年被稱為“AI應(yīng)用的元年”，這意味著人工智能正在迎來(lái)技術(shù)的革命，同時(shí)也在吸引著越來(lái)越多的人才進(jìn)入。如何緊跟時(shí)代的步伐，跨入AI新紀(jì)元，變得愈加重要。本書(shū)由淺入深地帶領(lǐng)讀者揭開(kāi)人工智能神秘的面紗，涉及算法、軟硬件、自動(dòng)化、AI醫(yī)療、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、機(jī)器人、無(wú)人機(jī)、自動(dòng)駕駛汽車(chē)、AI寒冬、太空中的AI等熱點(diǎn)話題，同時(shí)以事實(shí)依據(jù)破除AI炒作，幫你清楚地認(rèn)知真實(shí)的人工智能。本書(shū)內(nèi)容深入淺出，適合人工智能初學(xué)者、對(duì)人工智能感興趣的讀者、普通高校學(xué)生以及想要在該領(lǐng)域投資或想轉(zhuǎn)行進(jìn)入人工智能領(lǐng)域的讀者閱讀。

·17.7萬(wàn)字

會(huì)員

區(qū)塊鏈技術(shù)及應(yīng)用

本書(shū)系統(tǒng)詳實(shí)地介紹了區(qū)塊鏈技術(shù)和應(yīng)用，主要包括三大部分內(nèi)容：由淺入深地介紹了區(qū)塊鏈技術(shù)緣起、演進(jìn)過(guò)程、技術(shù)原理和發(fā)展趨勢(shì)；分享并解析了落地應(yīng)用案例，以華為云區(qū)塊鏈服務(wù)為例示范了區(qū)塊鏈應(yīng)用實(shí)踐的過(guò)程；分析探究了區(qū)塊鏈的價(jià)值、未來(lái)發(fā)展趨勢(shì)以及有關(guān)區(qū)塊鏈的其他問(wèn)題，為區(qū)塊鏈應(yīng)用的開(kāi)發(fā)和創(chuàng)新提供多視角的思路。本書(shū)的目標(biāo)讀者是所有想充分了解區(qū)塊鏈技術(shù)和應(yīng)用的人群。本書(shū)既包含區(qū)塊鏈基礎(chǔ)知識(shí)，又有對(duì)區(qū)塊鏈應(yīng)用場(chǎng)景以及發(fā)展趨勢(shì)的探究，可以幫助非專業(yè)人員系統(tǒng)地了解區(qū)塊鏈；同時(shí)，本書(shū)也有對(duì)一些技術(shù)原理、算法和應(yīng)用實(shí)踐的討論，期望幫助開(kāi)發(fā)工程師更加快速、深入地投入?yún)^(qū)塊鏈的開(kāi)發(fā)工作當(dāng)中。

·17.7萬(wàn)字

會(huì)員

未知環(huán)境中移動(dòng)機(jī)器人自定位技術(shù)

本書(shū)以未知環(huán)境中移動(dòng)機(jī)器人導(dǎo)航控制中自定位技術(shù)作為研究?jī)?nèi)容，對(duì)未知環(huán)境中移動(dòng)機(jī)器人自定位技術(shù)的基本原理、典型技術(shù)和研究進(jìn)展進(jìn)行了比較詳細(xì)的介紹和討論，并融入了作者多年來(lái)的相關(guān)研究成果。本書(shū)共分八章，重點(diǎn)介紹了內(nèi)外部定位傳感器誤差分析、復(fù)雜地形下的航跡推測(cè)、動(dòng)態(tài)環(huán)境中基于環(huán)境感知的自定位、未知數(shù)據(jù)關(guān)聯(lián)下基于概率技術(shù)的并發(fā)建圖與定位等方面的研究進(jìn)展，意在推動(dòng)認(rèn)知科學(xué)、模式識(shí)別等學(xué)科的前沿問(wèn)題的研究，對(duì)提高探測(cè)移動(dòng)機(jī)器人導(dǎo)航控制中的自定位技術(shù)水平具有重要的意義。本書(shū)可作為高等院校計(jì)算機(jī)科學(xué)與技術(shù)、智能科學(xué)與技術(shù)、自動(dòng)化等專業(yè)的研究生或高年級(jí)本科生的專業(yè)基礎(chǔ)課輔助教材，亦可供廣大從事智能機(jī)器人、人工智能、智能控制和智能系統(tǒng)研究、設(shè)計(jì)、應(yīng)用和開(kāi)發(fā)領(lǐng)域的科技工作者和高等院校的師生閱讀和參考。

·17.6萬(wàn)字

會(huì)員

深度學(xué)習(xí)與信號(hào)處理：原理與實(shí)踐

本書(shū)分析研究了深度學(xué)習(xí)相關(guān)的網(wǎng)絡(luò)模型，以及不同網(wǎng)絡(luò)模型的算法結(jié)構(gòu)、原理與核心思想及實(shí)戰(zhàn)案例。主要內(nèi)容涉及人工神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)及其擴(kuò)展模型、深度生成對(duì)抗網(wǎng)絡(luò)及其擴(kuò)展模型、深度受限玻爾茲曼機(jī)及其擴(kuò)展模型、深度信念網(wǎng)絡(luò)及其擴(kuò)展模型、深度自編碼器及其擴(kuò)展模型等深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)、原理與方法。通過(guò)深度學(xué)習(xí)網(wǎng)絡(luò)在信道盲均衡、目標(biāo)識(shí)別、圖像分類和運(yùn)動(dòng)模糊去除、特征提取與識(shí)別、缺陷早期診斷等領(lǐng)域中的應(yīng)用案例，為讀者提供應(yīng)用深度學(xué)習(xí)網(wǎng)絡(luò)解決具體問(wèn)題的思路和方法。本書(shū)適合人工智能、計(jì)算機(jī)、自動(dòng)化、電子與通信、大數(shù)據(jù)科學(xué)等相關(guān)學(xué)科專業(yè)的科學(xué)研究人員和工程技術(shù)人員閱讀，也可作為相關(guān)專業(yè)博士、碩士研究生的參考書(shū)。

·17.6萬(wàn)字

會(huì)員

人工智能能不能

人工智能這門(mén)學(xué)科一直伴隨爭(zhēng)議，有人認(rèn)為人工智能無(wú)所不能，也有人認(rèn)為它并不神奇。本書(shū)試圖以冷靜的心態(tài)、客觀的視角、求實(shí)的態(tài)度、基于邏輯的思考，通過(guò)對(duì)人工智能的全面審視和深入剖析，系統(tǒng)闡述人工智能究竟是“能”還是“不能”。本書(shū)介紹了人工智能的現(xiàn)狀和基本概念，并介紹了一系列關(guān)于人工智能的創(chuàng)新性見(jiàn)解，如人腦智能、人腦基本能力模型、機(jī)器智能、智能機(jī)器等，并重點(diǎn)論述了人工智能未來(lái)的潛力和局限性。本書(shū)適用于想了解人工智能的讀者，以及從事人工智能研究但需要?jiǎng)?chuàng)新思維的科研工作者。

·17.6萬(wàn)字

人工智能重塑世界（第2版）

人工智能是引領(lǐng)未來(lái)的新興戰(zhàn)略性技術(shù)，可以在推動(dòng)新一輪科技革命和產(chǎn)業(yè)變革的過(guò)程中產(chǎn)生深刻影響。本書(shū)深度解讀了人工智能的概念、技術(shù)架構(gòu)，以及生成式人工智能的邏輯與應(yīng)用；全面解析了人工智能在醫(yī)療、生活、金融、教育、媒體、安防、汽車(chē)、工業(yè)制造等行業(yè)的融合應(yīng)用與發(fā)展；同時(shí)深入剖析了人工智能的創(chuàng)業(yè)前景，以及人工智能時(shí)代的教育和自我成長(zhǎng)的方式。全書(shū)內(nèi)容通俗易懂，旨在使讀者了解人工智能的本質(zhì)、核心技術(shù)、應(yīng)用情況等相關(guān)知識(shí)，為更好地迎接并把握智能時(shí)代做好準(zhǔn)備。本書(shū)既適合對(duì)人工智能感興趣、想全面了解人工智能的人士閱讀，也可以作為各大院校相關(guān)專業(yè)課程的參考用書(shū)。

·17.6萬(wàn)字

會(huì)員

科學(xué)儀器設(shè)備配置學(xué)：人工智能時(shí)代的界面管理

本書(shū)共八章，從高校資源配置的教育、科研、社會(huì)、經(jīng)濟(jì)規(guī)律視角，以建設(shè)卓越世界一流大學(xué)為導(dǎo)向，對(duì)高校科學(xué)儀器設(shè)備配置中的問(wèn)題進(jìn)行研究。

·17.5萬(wàn)字

會(huì)員

云計(jì)算安全：機(jī)器學(xué)習(xí)與大數(shù)據(jù)挖掘應(yīng)用實(shí)踐

本書(shū)既有理論研究，又有實(shí)踐探討，共分為6章，講解了云計(jì)算安全中人工智能與大數(shù)據(jù)挖掘技術(shù)的應(yīng)用實(shí)踐。第1章從概念、發(fā)展、標(biāo)準(zhǔn)等角度宏觀地介紹了云計(jì)算安全；第2章從云計(jì)算安全需求的角度闡釋云計(jì)算安全的核心目標(biāo)、公有云場(chǎng)景下的安全需求和私有云場(chǎng)景下的安全需求；第3章全面、系統(tǒng)地介紹了公有云安全技術(shù)體系和私有云安全技術(shù)體系；第4章詳細(xì)介紹了人工智能技術(shù)在云計(jì)算安全領(lǐng)域的應(yīng)用實(shí)踐；第5章詳細(xì)介紹了大數(shù)據(jù)挖掘技術(shù)在云計(jì)算安全領(lǐng)域的應(yīng)用實(shí)踐；第6章介紹了人工智能和大數(shù)據(jù)挖掘技術(shù)的綜合應(yīng)用，提出云數(shù)據(jù)中心安全防護(hù)框架，并詳細(xì)介紹了云數(shù)據(jù)中心安全態(tài)勢(shì)感知系統(tǒng)。本書(shū)是人工智能與大數(shù)據(jù)挖掘技術(shù)在云計(jì)算安全領(lǐng)域的應(yīng)用實(shí)踐參考書(shū)，適用于人工智能、大數(shù)據(jù)挖掘、云計(jì)算、網(wǎng)絡(luò)信息安全相關(guān)領(lǐng)域的從業(yè)人員。

·17.4萬(wàn)字

會(huì)員

大數(shù)據(jù)智能風(fēng)控：模型、平臺(tái)與業(yè)務(wù)實(shí)踐

這是一本深入講解智能風(fēng)控理論體系和風(fēng)控全生命周期業(yè)務(wù)實(shí)踐的著作。作者基于在銀行業(yè)10余年的風(fēng)控經(jīng)驗(yàn)，首先詳細(xì)講解了“大數(shù)據(jù)、模型、風(fēng)控平臺(tái)”三位一體的智能風(fēng)控體系，能為風(fēng)控實(shí)踐提供扎實(shí)的理論指導(dǎo)；然后圍繞風(fēng)控的全生命周期，從貸前評(píng)估、貸中監(jiān)控、貸后管理以及智能反欺詐、智能催收等角度全面講解了智能風(fēng)控的業(yè)務(wù)實(shí)踐，深刻揭示了智能風(fēng)控體系的精髓。第1~2章全面而深入地探討了智能風(fēng)控的背景知識(shí)：首先對(duì)基礎(chǔ)信貸業(yè)務(wù)進(jìn)行了細(xì)致解析，讀者可以從中了解其運(yùn)作方式和重要性；然后，梳理了智能風(fēng)控是如何隨著技術(shù)的進(jìn)步和市場(chǎng)的需求逐漸成熟和完善的。第3~5章圍繞“數(shù)據(jù)、模型、風(fēng)控平臺(tái)”三位一體的智能風(fēng)控理論體系展開(kāi)：首先介紹了內(nèi)部數(shù)據(jù)、外部數(shù)據(jù)、個(gè)人征信數(shù)據(jù)在智能風(fēng)控中的應(yīng)用，以及智能數(shù)據(jù)體系的構(gòu)建；然后深入探討了智能風(fēng)控模型的算法、評(píng)價(jià)指標(biāo)、開(kāi)發(fā)流程；最后講解了風(fēng)控平臺(tái)的理論框架、設(shè)計(jì)原則、架構(gòu)設(shè)計(jì)、建設(shè)流程以及決策引擎的建設(shè)。第6~8章圍繞風(fēng)控的全生命周期探討了風(fēng)控策略在實(shí)際業(yè)務(wù)中的應(yīng)用，包括貸前評(píng)估、貸中監(jiān)控、貸后管理，以及智能反欺詐和智能催收體系的建設(shè)和業(yè)務(wù)實(shí)踐，能幫助讀者將理論知識(shí)轉(zhuǎn)化為實(shí)際操作能力，更好地應(yīng)對(duì)現(xiàn)實(shí)業(yè)務(wù)中的挑戰(zhàn)。第9章對(duì)智能風(fēng)控的未來(lái)發(fā)展進(jìn)行了展望，不僅為讀者揭示了未來(lái)的機(jī)遇，也提供了對(duì)于如何應(yīng)對(duì)未來(lái)挑戰(zhàn)的思考。

·17.4萬(wàn)字

會(huì)員

MLOps工程實(shí)踐：工具、技術(shù)與企業(yè)級(jí)應(yīng)用

這是一本能指導(dǎo)企業(yè)利用MLOps技術(shù)構(gòu)建可靠、高效、可復(fù)用、可擴(kuò)展的機(jī)器學(xué)習(xí)模型從而實(shí)現(xiàn)AI工程化落地的著作。由國(guó)內(nèi)AI領(lǐng)域的獨(dú)角獸企業(yè)第四范式的聯(lián)合創(chuàng)始人和技術(shù)VP領(lǐng)銜撰寫(xiě)，從工具、技術(shù)、企業(yè)級(jí)應(yīng)用、成熟度評(píng)估4個(gè)維度對(duì)MLOps進(jìn)行了全面的講解。本書(shū)深入淺出、循序漸進(jìn)地講解了如何在實(shí)際項(xiàng)目中利用MLOps進(jìn)行機(jī)器學(xué)習(xí)模型的部署、監(jiān)控與優(yōu)化，以及如何利用MLOps實(shí)現(xiàn)持續(xù)集成與持續(xù)交付等高效的工作流程。通過(guò)企業(yè)級(jí)的MLOps案例和解決方案，幫助讀者輕松掌握MLOps的設(shè)計(jì)思路以及如何應(yīng)用MLOps解決實(shí)際問(wèn)題。

·17.4萬(wàn)字

會(huì)員

神經(jīng)網(wǎng)絡(luò)與機(jī)器人科研項(xiàng)目申請(qǐng)與實(shí)踐

本書(shū)分為神經(jīng)網(wǎng)絡(luò)與機(jī)器人項(xiàng)目申請(qǐng)，神經(jīng)網(wǎng)絡(luò)與計(jì)算機(jī)項(xiàng)目申請(qǐng)，機(jī)械臂理論項(xiàng)目申請(qǐng)、進(jìn)展與結(jié)題，機(jī)械臂實(shí)物項(xiàng)目申請(qǐng)與進(jìn)展，時(shí)變問(wèn)題神經(jīng)網(wǎng)絡(luò)求解項(xiàng)目申請(qǐng)、評(píng)議與進(jìn)展，和基函數(shù)、多類與海量神經(jīng)網(wǎng)絡(luò)項(xiàng)目申請(qǐng)與評(píng)議共六部分，每一部分都是由相關(guān)的申請(qǐng)報(bào)告，進(jìn)展報(bào)告，同行反饋意見(jiàn)和/或結(jié)題報(bào)告系統(tǒng)化地構(gòu)成，并整理出具有啟發(fā)性的總結(jié)。值得指出的是，同行評(píng)議意見(jiàn)一般都非常中肯，問(wèn)題指出也非常到位；對(duì)同行評(píng)議意見(jiàn)的認(rèn)真分析總結(jié)以及對(duì)應(yīng)的申報(bào)書(shū)改進(jìn)與完善是非常重要和有益的。

·17.3萬(wàn)字

會(huì)員

MLOps權(quán)威指南

本書(shū)前幾章涵蓋了DevOps和MLOps的理論和實(shí)踐，然后介紹了如何設(shè)置持續(xù)集成和持續(xù)交付，接著介紹Kaizen，即對(duì)所有事物進(jìn)行持續(xù)改進(jìn)的想法。與云計(jì)算相關(guān)的MLOps分為三章，涵蓋AWS、Azure和GCP（谷歌云平臺(tái)）。之后介紹了機(jī)器學(xué)習(xí)互操作性、構(gòu)建MLOps命令行工具和微服務(wù)。這些主題包括許多具有積極吸引力的尖端新興技術(shù)。結(jié)尾介紹了一些真實(shí)案例研究，以及執(zhí)行MLOps時(shí)面臨的挑戰(zhàn)。

·17.2萬(wàn)字

會(huì)員

AIGC輔助數(shù)據(jù)分析與數(shù)據(jù)化運(yùn)營(yíng)：場(chǎng)景化解決方案與案例分析

這是一本能從業(yè)務(wù)、方法、場(chǎng)景3個(gè)維度幫助讀者使用AI技術(shù)提升數(shù)據(jù)分析和數(shù)據(jù)化運(yùn)營(yíng)能力的著作。用扎實(shí)的理論框架、豐富的實(shí)踐案例、實(shí)用的操作技巧，全面展示了如何用AI延伸業(yè)務(wù)分析廣度、拓展業(yè)務(wù)分析深度、優(yōu)化業(yè)務(wù)分析效能，從而達(dá)到幫助企業(yè)用智能的數(shù)據(jù)化運(yùn)營(yíng)實(shí)現(xiàn)業(yè)務(wù)持續(xù)增長(zhǎng)的目的。本書(shū)采用案例驅(qū)動(dòng)的寫(xiě)作方式，通過(guò)實(shí)際業(yè)務(wù)案例詳細(xì)拆解AI技術(shù)在各個(gè)場(chǎng)景中的應(yīng)用步驟和技巧。語(yǔ)言簡(jiǎn)潔易懂，理論與實(shí)踐結(jié)合，注重實(shí)用性和可操作性，幫助讀者快速掌握核心知識(shí)。提供豐富的實(shí)際案例和操作指南，涵蓋多種AI工具和交互技巧，確保讀者能夠?qū)W以致用。

·17.2萬(wàn)字

會(huì)員

強(qiáng)化學(xué)習(xí)：原理與Python實(shí)戰(zhàn)

本書(shū)從原理和實(shí)戰(zhàn)兩個(gè)方面介紹了強(qiáng)化學(xué)習(xí)。原理方面，深入介紹了主流強(qiáng)化學(xué)習(xí)理論和算法，覆蓋資格跡等經(jīng)典算法和MuZero等深度強(qiáng)化學(xué)習(xí)算法；實(shí)戰(zhàn)方面，每章都配套了編程案例，以方便讀者學(xué)習(xí)。全書(shū)從邏輯上分為三部分。第1章：從零開(kāi)始介紹強(qiáng)化學(xué)習(xí)的背景知識(shí)，介紹環(huán)境庫(kù)Gym的使用。第2～15章：基于折扣獎(jiǎng)勵(lì)離散時(shí)間Markov決策過(guò)程模型，介紹強(qiáng)化學(xué)習(xí)的主干理論和常見(jiàn)算法。采用數(shù)學(xué)語(yǔ)言推導(dǎo)強(qiáng)化學(xué)習(xí)的基礎(chǔ)理論，進(jìn)而在理論的基礎(chǔ)上講解算法，并為算法提供配套代碼實(shí)現(xiàn)。基礎(chǔ)理論的講解突出主干部分，算法講解全面覆蓋主流的強(qiáng)化學(xué)習(xí)算法，包括經(jīng)典的非深度強(qiáng)化學(xué)習(xí)算法和近年流行的強(qiáng)化學(xué)習(xí)算法。Python實(shí)現(xiàn)和算法講解一一對(duì)應(yīng)，還給出了深度強(qiáng)化學(xué)習(xí)算法的TensorFlow和PyTorch對(duì)照實(shí)現(xiàn)。第16章：介紹其他強(qiáng)化學(xué)習(xí)模型，包括平均獎(jiǎng)勵(lì)模型、連續(xù)時(shí)間模型、非齊次模型、半Markov模型、部分可觀測(cè)模型等，以便更好了解強(qiáng)化學(xué)習(xí)研究的全貌。

·17.2萬(wàn)字

跳轉(zhuǎn)至頁(yè)

官术网_书友最值得收藏!

人工智能

分類

狀態(tài)

屬性

字?jǐn)?shù)

更新時(shí)間

機(jī)器學(xué)習(xí)中的統(tǒng)計(jì)思維（Python實(shí)現(xiàn)）

用ChatGPT輕松玩轉(zhuǎn)機(jī)器學(xué)習(xí)與深度學(xué)習(xí)

Python機(jī)器學(xué)習(xí)入門(mén)與實(shí)戰(zhàn)

深度學(xué)習(xí)實(shí)戰(zhàn)：基于TensorFlow 2和Keras（原書(shū)第2版）

如何教人工智能說(shuō)人話？

人工智能：改變未來(lái)的顛覆性技術(shù)

人工智能初學(xué)者指南

區(qū)塊鏈技術(shù)及應(yīng)用

未知環(huán)境中移動(dòng)機(jī)器人自定位技術(shù)

深度學(xué)習(xí)與信號(hào)處理：原理與實(shí)踐

人工智能能不能

人工智能重塑世界（第2版）

科學(xué)儀器設(shè)備配置學(xué)：人工智能時(shí)代的界面管理

云計(jì)算安全：機(jī)器學(xué)習(xí)與大數(shù)據(jù)挖掘應(yīng)用實(shí)踐

大數(shù)據(jù)智能風(fēng)控：模型、平臺(tái)與業(yè)務(wù)實(shí)踐

MLOps工程實(shí)踐：工具、技術(shù)與企業(yè)級(jí)應(yīng)用

神經(jīng)網(wǎng)絡(luò)與機(jī)器人科研項(xiàng)目申請(qǐng)與實(shí)踐

MLOps權(quán)威指南

AIGC輔助數(shù)據(jù)分析與數(shù)據(jù)化運(yùn)營(yíng)：場(chǎng)景化解決方案與案例分析

強(qiáng)化學(xué)習(xí)：原理與Python實(shí)戰(zhàn)