原装进口电子捕鱼机

本書系統、深入地探討了人工智能（AI）領域的理論和實踐，以統一的風格將當今流行的人工智能思想和術語融合到引起廣泛關注的應用中，真正做到理論和實踐相結合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法并追溯了兩千多年前的相關思想，內容主要包括邏輯、概率和連續數學，感知、推理、學習和行動，公平、信任、社會公益和安全；實踐部分完美地踐行了“現代”理念，實際應用選擇當下熱度較高的微電子設備、機器人行星探測器、擁有幾十億用戶的在線服務、AlphaZero、人形機器人、自動駕駛、人工智能輔助醫療等。本書適合作為高等院校人工智能相關專業本科生和研究生的教材，也可以作為相關領域專業人員的參考書。

·78.7萬字

會員

人機物融合群智計算

隨著物聯網和人工智能技術的快速發展與加速融合，智能物聯網（AIinIoT，AIoT）正成長為一個具有具有廣泛發展前景的新興前沿領域。物聯網智能應用和服務已經逐步融入國家重大需求和民生的各個領域，如智慧城市、智能制造、無人駕駛、智慧農業、健康衛生、國防軍事等。在智能物聯網背景下，人（智能手機、可穿戴設備等）、機（云設備/邊緣設備）、物（物聯網終端）這三種基礎要素正在走向協作和融合，邁向人機物融合群智計算時代。人機物融合群智計算（CrowdHMI）是指利用人/機/物感知能力的差異性、計算資源的互補性、節點間的交互性，通過協同感知、分布式學習、群智知識遷移等來解決單獨利用某種智能難以解決的復雜問題，進而構建具有自學習、自組織、自適應、可遷移能力的智慧空間。其潛在的研究挑戰包括人機物群智融合機理，人機物協作群智感知，自學習增強與自適應演化（深度模型壓縮、遷移學習、元學習、終身學習等），群體分布式學習模型（邊緣智能、端邊云協同計算、多智能體強化學習、聯邦學習等）方面。本書將為大家介紹人機物融合群智計算的基礎理論、概念模型、研究挑戰與關鍵技術、典型應用，并對其未來發展方向進行展望。本書可以為物聯網、人工智能、工業互聯網、智慧城市、智能制造等領域的科研人員和IT從業者提供創新的發展視角及相關理論、方法與技術支撐，也可作為相關專業高年級本科生和研究生課程教材。

·44.4萬字

會員

深度學習

《深度學習》由全球知名的三位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學習領域奠基性的經典教材。全書的內容包括3個部分：第1部分介紹基本的數學工具和機器學習的概念，它們是深度學習的預備知識；第2部分系統深入地講解現今已成熟的深度學習方法和技術；第3部分討論某些具有前瞻性的方向和想法，它們被公認為是深度學習未來的研究重點。《深度學習》適合各類讀者閱讀，包括相關專業的大學生或研究生，以及不具有機器學習或統計背景、但是想要快速補充深度學習知識，以便在實際產品或平臺中應用的軟件工程師。

·43.8萬字

會員

人工智能注意力機制：體系、模型與算法剖析

“注意”作為一切思維活動的起點，一直是哲學、心理學和認知神經科學的重點研究對象。隨著計算機技術的發展，人類對注意力機制的模擬和應用成為計算機科學領域的熱點研究方向——讓計算機能夠具有類似人類的注意力機制，使其能夠有效地應用于對數據的理解和分析。Transformer模型誕生后，注意力機制在人工智能各大重要領域的研究和應用更是如火如荼，成果豐碩。從注意力機制這一重要角度入手，闡述注意力機制的產生背景和發展歷程，通過詳實的理論剖析，以深入淺出的方式著重介紹注意力機制在計算機視覺、自然語言處理，以及多模態機器學習三大人工智能方向中的應用思路、模型與算法。以人工智能相關專業研究人員，特別是計算機視覺與自然語言處理等領域的研發人員作為主要讀者對象，一方面幫其梳理技術的發展脈絡、開拓思路、構建完整的認知體系；另一方面為其剖析算法原理、深刻理解算法細節。

·40.7萬字

會員

機器學習實戰：基于Scikit-Learn、Keras和TensorFlow（原書第3版）

本書分為兩大部分：第一部分主要基于Scikit-Learn，介紹機器學習的基礎算法；第二部分則使用TensorFlow和Keras，介紹神經網絡與深度學習。此外，附錄部分的內容也非常豐富，包括課后練習題解答、機器學習項目清單、SVM對偶問題、自動微分和特殊數據結構等。書中內容廣博，覆蓋了機器學習的各個領域，不僅介紹了傳統的機器學習模型，包括支持向量機、決策樹、隨機森林和集成方法，還提供了使用Scikit-Learn進行機器學習的端到端訓練示例。作者尤其對深度神經網絡進行了深入的探討，包括各種神經網絡架構、強化學習，以及如何使用TensorFlow/Keras庫來構建和訓練神經網絡。本書兼顧理論與實戰，既適合在校學生，又適合有經驗的工程師。

·39.5萬字

會員

一本書讀懂智能家居核心技術

本書圍繞智能家居的核心技術，對家庭數字化和智能化的5個關鍵技術領域進行專業、深層次的講解，并以具體的產品示例介紹智能家居的現狀、產品和特點，指出智能家居的發展機遇和趨勢。本書首先簡要回顧了數字家庭信息技術和通信互聯網的發展歷程，介紹了各種技術聯盟和標準組織；然后分別對數字家庭內部的網絡連接技術和外部的寬帶接入技術發展進行講述和比較，讓讀者能透視家庭網絡中的結構和理解數字家庭背后的技術概念；接下來闡述了家庭智能化的兩個技術支柱，即物聯網和人工智能的發展現狀，它們為數字家庭蛻變到智能家庭創造了技術條件；再專門介紹了家庭智能化的安全技術如何保護家庭隱私；最后對智能家居的未來進行展望。

·39.4萬字

會員

創新求索錄：第三集

本書收錄了李國杰院士2018年至2022年五年間寫的100余篇文章、報告、評語、新書序言等，反映了作者參與中央網信辦、國家發展改革委、工業和信息化部、科技部、中國工程院和中國科學院的咨詢課題的成果。內容包括科技自立自強、理解人工智能、做強先進計算、展望新興技術、戰略咨詢建議、人才培養教育等。既有宏觀的政策建議，又有關鍵的技術研究；既高屋建瓴，又落到實處。適合相關領域的科研人員、高校老師和學生、立志科研的青少年、信息產業的高管以及制定政策方針的政府工作人員。

·37萬字

會員

自然語言處理導論

自然語言處理是人工智能的重要方向之一，被譽為人工智能皇冠上的"明珠”。它融合了語言學、計算機科學、機器學習等多學科內容。本書主要包含基礎技術、核心技術以及模型分析三個部分。基礎技術部分主要介紹自然語言處理的基礎任務和底層技術，包含詞匯分析、句法分析、語義分析、篇章分析和語言模型；核心技術部分主要介紹自然語言處理應用任務和相關技術，主要包括信息抽取、機器翻譯、情感分析、智能問答、文本摘要、知識圖譜；模型分析部分主要介紹基于機器學習的自然語言處理模型的穩健性和可解釋性問題。

·36.5萬字

會員

智能計算系統：從深度學習到大模型

本書由中科院計算所、軟件所的專家學者傾心寫就，以“圖像風格遷移”應用為例，全面介紹智能計算系統的軟硬件技術棧。第2版以大模型為牽引進行更新，第1章回顧人工智能、智能計算系統的發展歷程，第2、3章在介紹深度學習算法知識的基礎上增加了大模型算法的相關知識，第4章介紹深度學習編程框架PyTorch的發展歷程、基本概念、編程模型和使用方法，第5章介紹編程框架的工作原理，第6章回顧深度學習所用的處理器結構從通用逐步走向專用的過程，第7章介紹深度學習處理器的體系結構應當如何應對大模型處理中的計算、訪存、通信瓶頸，第8章介紹基于BCL語言的高性能算子開發優化實踐，第9章介紹面向大模型的計算系統并以BLOOM作為驅動范例。本書適合作為高等院校相關專業的教材，也適合人工智能領域的科研人員參考。

·34.9萬字

會員

思維工程

本書是邏輯仿生符號主義AI第一代原型機的詳細的搭建計劃。主要內容涉及AI核心智能系統：語言、認知、情緒以及反映模式機制的構建。本書中凡是對AI做出的機制層的描述都有對應的人類智能的印證，都有對應的模塊描述；凡是有模塊描述的都有對應的實驗設計。著者5年前出版了《思維工程導論》，之后帶領著100多人的團隊經歷了5年工程實踐，如今把過去5年的研究成果匯聚于此書。這本《思維工程》已不是泛泛而談的科普讀物，是為顛覆性技術的實踐做的最后的準備。

·34.3萬字

會員

人機交互：以用戶為中心的設計和評估（第6版）

本書的主題----“以用戶為中心的設計”就是要通過對用戶的深刻了解，根據用戶需求進行設計，并且通過用戶進行驗證的系統方法。這種方法可以有效地防止產品可用性問題，并能幫助設計人員設計出高水平的軟件。本書正是從軟件可用性的角度介紹了國外流行的以用戶為中心的軟件設計過程和方法。書中系統地論述了以用戶為中心的軟件設計的四個重要部分：人機交互分析，體驗設計方法，用戶界面設計專題，人機交互評估等重要內容。為讀者提供學科最前沿的信息。

·33.5萬字

會員

奇點臨近

比爾·蓋茨、比爾·喬伊等鼎力推薦！一部預測人工智能和科技未來的奇書！在《奇點臨近》中，庫茲韋爾通過將進化劃分為六大紀元，探討和分析了科學發展趨勢。演繹并預測了科技發展的未來。他大膽預測：21世紀30年代：人類大腦信息上傳成為可能。21世紀40年代：人體3.0升級版出現：通過基因、納米、機器人技術使人體進化成非肉體的、可以隨意變形的形態。人們大多數時間沉浸在虛擬現實里（像電影《黑客帝國》所描述的那樣）。2045年：奇點來臨，人工智能完全超越人類智能，人類歷史將徹底改變。2045年之后：宇宙覺醒，為了超越計算機的局限性。人機智能將物質轉化為超級計算機，最終整個宇宙變成一個超級智能，這種智能可以改變目前已知的物理定律。實現不同維度空間的穿越，并實現人類真正的永生。讓我們捧讀這《奇點臨近》，領略作者的大膽推測和嚴謹論證，共同期待奇點臨近。

·32.9萬字

會員

人工智能及其應用

本書為普通高等教育“十一五”國家級規劃教材。系統地闡述了人工智能的基本原理、方法和應用技術，比較全面地反映了國內外人工智能研究領域的最新進展和發展方向。全書共分為11章。首先簡要介紹了人工智能的發展歷史及概況；然后重點介紹了人工智能的知識表示方法，搜索技術和知識推理；最后詳細介紹了人工智能的主要應用以及一些應用實例。內容由淺入深、循序漸進，條理清晰，各章均有大量的例題，便于讀者掌握和鞏固所學知識，讓學生在有限的時間內，掌握人工智能的基本原理與應用技術，提高對人工智能習題的求解能力。

·32.3萬字

會員

Python程序設計：人工智能案例實踐

本書共16章。第1~10章介紹Python編程，涉及人工智能、基本描述統計、集中趨勢和分散度量、模擬、靜態和動態可視化、使用CSV文件、用于數據探索和數據整理的Pandas、時間序列和簡單線性回歸。第11~16章提供多種實踐案例研究，涉及自然語言處理、Twitter數據挖掘、IBMWatson認知計算、包含分類和回歸的有監督機器學習、聚類無監督機器學習、卷積神經網絡深度學習、遞歸神經網絡深度學習、包含Hadoop/Spark/NoSQL/物聯網的大數據等。

·32.1萬字

會員

機器學習的產業實踐之路

本書的內容章節分為四個部分，從技術原理到項目實踐再到商業戰略，逐層放開視野。內容涉及基于人工智能技術在產業中做創新業務的方法論，通過交流“思想”和“應用方法論”，使大家掌握機器學習的深層次思想，并理解商業、產品和技術的深層關系。

·31.8萬字

會員

機器人SLAM導航：核心技術與實戰

機器人SLAM導航的一大痛點是很難做到理論與實戰相結合，而本書可謂“百科全書”式講解，可幫助硬件、軟件、算法等不同領域的研究開發人員走出“調參”困境，終結面對硬件和深奧算法時的束手無策，加快算法在實際機器人產品的工程落地與系統性技術突破。本書以ROS編程、傳感器、底盤等機器人開發所涉及的軟硬件基礎知識為切入點，逐步引出SLAM和導航兩大領域核心算法，并結合Cartographer、LOAM、ORB-SLAM、VINS、CNN-SLAM、DeepVO、ros-navigation、TEB、RRT等熱門開源算法對SLAM和導航的數學原理、代碼框架及實操進行深度剖析。本書分為4篇，一共13章。編程基礎篇（第1～3章），主要討論ROS的核心概念、大型C++工程的代碼組織方式以及OpenCV圖像處理方面的基礎知識，為后續學習打好必要的編程基礎。硬件基礎篇（第4～6章），通過對機器人傳感器、機器人主機和機器人底盤的討論，幫助缺少硬件基礎的開發者系統認識機器人硬件，并更好地理解軟件與硬件之間的協同關系。SLAM篇（第7～10章），以各個具體的SLAM系統實現為例，進一步介紹SLAM算法的代碼框架以及核心算法的細節實現。自主導航篇（第11～13章），基于具體自主導航系統實現，剖析自主導航算法的代碼框架以及核心算法的細節實現，并通過一個真實機器人案例向大家介紹應用SLAM導航技術進行開發的完整流程。

·30.9萬字

會員

機器學習觀止：核心原理與實踐

在寫作伊始，就把讀者設想為一位雖然沒有任何AI基礎，但對技術本身抱有濃厚興趣、喜歡“抽絲剝繭”、探究真相的“有識之士”。有別于市面上部分AI技術書籍從一開始就直接講解各種“高深莫測”算法的敘述手法，《機器學習觀止：核心原理與實踐》嘗試先從零開始構建基礎技術點，而后“循序漸進”地引領讀者前進，最終“直搗黃龍”，贏取最后的勝利。全書據此分為5篇，共31章，內容基本覆蓋了由AI發展歷史、數學基礎知識、機器學習算法等經典知識點以及深度學習、深度強化學習等較新理論知識所組成的AI核心技術。同時注重“理論聯系實踐”，通過多個章節重點介紹了如何在工程項目中運用AI來解決問題的諸多經驗以及相應的模型算法，以期讓讀者既能享受到“知其所以然”的樂趣，還能體會到“知其然”的輕松和愉悅。

·30.2萬字

會員

機器學習（第2版）

機器學習是人工智能的重要技術基礎，涉及的內容十分廣泛。本書涵蓋了機器學習和深度學習的基礎知識，主要包括機器學習的概述、統計學基礎、分類、聚類、神經網絡、貝葉斯網絡、支持向量機、文本分析、分布式機器學習算法等經典的機器學習基礎知識，還包括卷積神經網絡、循環神經網絡、生成對抗網絡、目標檢測、自編碼器等深度學習的內容。此外，本書還介紹了機器學習的熱門應用領域推薦系統以及強化學習等主題。本書深入淺出、內容全、案例豐富，每章都提供Python程序代碼和習題，供讀者鞏固所學知識。

·30.2萬字

會員

深度強化學習實踐（原書第2版）

本書的主題是強化學習（ReinforcementLearning，RL），它是機器學習（MachineLearning，ML）的一個分支，強調如何解決在復雜環境中選擇最優動作時產生的通用且極具挑戰的問題。學習過程僅由獎勵值和從環境中獲得的觀察驅動。該模型非常通用，能應用于多個真實場景，從玩游戲到優化復雜制造過程都能涵蓋。

·29萬字

會員

機器意識：人工智能的終極挑戰

自20世紀90年代以來，人們再次高度關注意識問題，眾多哲學家、心理學家與神經科學家在此領域開展了深入的研究工作（Zelazo，2007）。與此同時，人們也開始嘗試用計算方法讓機器裝置擁有意識能力。這類研究逐漸被稱為“機器意識”（MachineConsciousness）研究，有時也用“人工意識”（ArtificialConsciousness）或偶爾用“數字覺知”（DigitalAwareness）來稱呼這一領域。

·27.9萬字

跳轉至頁

官术网_书友最值得收藏!

人工智能

分類

狀態

屬性

字數

更新時間

人工智能：現代方法（第4版）