凤凰传奇厉害在哪

機器學習是人工智能的核心，而統計思維則是機器學習方法的核心：從隨機性中尋找規律性。例如，利用損失最小化思想制定學習策略，采用概率最大化思想估計模型參數，利用方差對不確定性的捕捉構造k維樹，采用貝葉斯公式構建分類決策模型，等等。只有樹立正確的統計思維，才能準確高效地運用機器學習方法開展數據處理與分析。本書以統計思維的視角，揭示監督學習中回歸和分類模型的核心思想，幫助讀者構建理論體系。

·18萬字

會員

用ChatGPT輕松玩轉機器學習與深度學習

本書共14章，主要內容包括探索性數據分析、有監督學習（線性回歸、SVM、決策樹等）、無監督學習（降維、聚類等），以及深度學習的基礎原理和應用等。

·18萬字

Python機器學習入門與實戰

本書以零基礎講解為特色，用實例引導讀者學習，深入淺出地介紹Python機器學習的相關知識和實戰技能。全書共17章，分為5篇。第Ⅰ篇為機器學習入門篇，包含第1章，主要介紹機器學習的概念、機器學習研究的主要任務、如何選擇合適的算法及機器學習研究問題的一般步驟等；第Ⅱ篇為工具模塊使用篇，包含第2~4章，主要介紹數組計算NumPy、數據分析Pandas、圖形展示Matplotlib等；第Ⅲ篇為專業技能提升篇，包含第5~13章，主要介紹算法綜述、決策樹、樸素貝葉斯、邏輯回歸、支持向量機、AdaBoost、線性回歸、k-means、PCA等；第Ⅳ篇為深度學習延伸篇，包含第14章，主要介紹卷積神經網絡；第Ⅴ篇為項目技能實戰篇，包含第15~17章，主要介紹驗證碼識別、答題卡識別、機器學習簡歷指導等。同時，本書隨書贈送了大量相關的學習資料，以便讀者擴展學習。本書適用于任何想學習Python機器學習的讀者。無論讀者是否從事Python相關工作，是否接觸過Python，均可通過學習本書快速掌握Python機器學習的開發方法和技巧。

·17.9萬字

會員

深度學習實戰：基于TensorFlow 2和Keras（原書第2版）

本書簡潔地介紹了現代神經網絡、人工智能和深度學習技術，專門為軟件工程師和數據科學家設計。第1章逐步介紹神經網絡的基礎知識。第2章比較TensorFlow1.x和TensorFlow2.0編程模型。第3章重點介紹回歸。第4章介紹卷積神經網絡及其在圖像處理中的應用。第5章討論了CNN在圖像、視頻、音頻和文本處理方面的高級應用。第6章重點介紹生成對抗網絡。第7章介紹詞嵌入。第8章介紹基本嵌入方法的各種擴展。第9章介紹自動編碼器。第10章深入研究無監督學習模型。第11章重點介紹強化學習。第12章介紹AutoML。第13章介紹用于移動設備和物聯網的TensorFlow的基礎知識。第14章討論了云環境以及如何利用它來訓練和部署模型。第15章討論了深度學習背后的數學。第16章介紹TPU。本書內容豐富，易于理解，示例具有代表性，是學習深度學習的絕佳指南。

·17.9萬字

會員

如何教人工智能說人話？

AI的本質是什么？自然語言和人工語言的區別在哪里？ChatGPT究竟是人工智能發展道路上的里程碑，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，未來的AI之路到底有多少激流險灘——對于統計學工具與硬件升級的片面崇拜，對于智能科學基本原理的蔑視，是目前AI研究的大危機。在我們看來，萬眾期待的ChatGPT，只是新時代的“牛頓煉金術”。

·17.8萬字

會員

人工智能：改變未來的顛覆性技術

本書結合國內外人工智能的發展和zui新應用技術，在概述人工智能的定義及發展的基礎上，系統地講解了人工智能站上風口、人工智能給可穿戴設備插上翅膀、人工智能是智能家居的目標、人工智能決定機器人的未來、人工智能是“工業4.0”之魂、人工智能正在重塑人類的生產生活等內容。本書在寫作上力求保證科學性、先進性和可讀性，內容新穎、通俗易懂，適合從事發展規劃、金融投資、戰略研究、企業管理等領域的人員及對人工智能有興趣的讀者閱讀。

·17.7萬字

會員

人工智能初學者指南

“達人迷”圖書是暢銷歐美近30年的經典書系，得到了億萬初學者的認可。本書秉承了“達人迷”系列圖書一貫的優點，既簡潔易懂又能夠廣泛地帶領讀者了解并學習到人工智能相關的知識要點。2017年被稱為“AI應用的元年”，這意味著人工智能正在迎來技術的革命，同時也在吸引著越來越多的人才進入。如何緊跟時代的步伐，跨入AI新紀元，變得愈加重要。本書由淺入深地帶領讀者揭開人工智能神秘的面紗，涉及算法、軟硬件、自動化、AI醫療、數據分析、機器學習、深度學習、機器人、無人機、自動駕駛汽車、AI寒冬、太空中的AI等熱點話題，同時以事實依據破除AI炒作，幫你清楚地認知真實的人工智能。本書內容深入淺出，適合人工智能初學者、對人工智能感興趣的讀者、普通高校學生以及想要在該領域投資或想轉行進入人工智能領域的讀者閱讀。

·17.7萬字

會員

區塊鏈技術及應用

本書系統詳實地介紹了區塊鏈技術和應用，主要包括三大部分內容：由淺入深地介紹了區塊鏈技術緣起、演進過程、技術原理和發展趨勢；分享并解析了落地應用案例，以華為云區塊鏈服務為例示范了區塊鏈應用實踐的過程；分析探究了區塊鏈的價值、未來發展趨勢以及有關區塊鏈的其他問題，為區塊鏈應用的開發和創新提供多視角的思路。本書的目標讀者是所有想充分了解區塊鏈技術和應用的人群。本書既包含區塊鏈基礎知識，又有對區塊鏈應用場景以及發展趨勢的探究，可以幫助非專業人員系統地了解區塊鏈；同時，本書也有對一些技術原理、算法和應用實踐的討論，期望幫助開發工程師更加快速、深入地投入區塊鏈的開發工作當中。

·17.7萬字

會員

未知環境中移動機器人自定位技術

本書以未知環境中移動機器人導航控制中自定位技術作為研究內容，對未知環境中移動機器人自定位技術的基本原理、典型技術和研究進展進行了比較詳細的介紹和討論，并融入了作者多年來的相關研究成果。本書共分八章，重點介紹了內外部定位傳感器誤差分析、復雜地形下的航跡推測、動態環境中基于環境感知的自定位、未知數據關聯下基于概率技術的并發建圖與定位等方面的研究進展，意在推動認知科學、模式識別等學科的前沿問題的研究，對提高探測移動機器人導航控制中的自定位技術水平具有重要的意義。本書可作為高等院校計算機科學與技術、智能科學與技術、自動化等專業的研究生或高年級本科生的專業基礎課輔助教材，亦可供廣大從事智能機器人、人工智能、智能控制和智能系統研究、設計、應用和開發領域的科技工作者和高等院校的師生閱讀和參考。

·17.6萬字

會員

深度學習與信號處理：原理與實踐

本書分析研究了深度學習相關的網絡模型，以及不同網絡模型的算法結構、原理與核心思想及實戰案例。主要內容涉及人工神經網絡、模糊神經網絡、概率神經網絡、小波神經網絡、卷積神經網絡及其擴展模型、深度生成對抗網絡及其擴展模型、深度受限玻爾茲曼機及其擴展模型、深度信念網絡及其擴展模型、深度自編碼器及其擴展模型等深度學習網絡結構、原理與方法。通過深度學習網絡在信道盲均衡、目標識別、圖像分類和運動模糊去除、特征提取與識別、缺陷早期診斷等領域中的應用案例，為讀者提供應用深度學習網絡解決具體問題的思路和方法。本書適合人工智能、計算機、自動化、電子與通信、大數據科學等相關學科專業的科學研究人員和工程技術人員閱讀，也可作為相關專業博士、碩士研究生的參考書。

·17.6萬字

會員

人工智能能不能

人工智能這門學科一直伴隨爭議，有人認為人工智能無所不能，也有人認為它并不神奇。本書試圖以冷靜的心態、客觀的視角、求實的態度、基于邏輯的思考，通過對人工智能的全面審視和深入剖析，系統闡述人工智能究竟是“能”還是“不能”。本書介紹了人工智能的現狀和基本概念，并介紹了一系列關于人工智能的創新性見解，如人腦智能、人腦基本能力模型、機器智能、智能機器等，并重點論述了人工智能未來的潛力和局限性。本書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創新思維的科研工作者。

·17.6萬字

人工智能重塑世界（第2版）

人工智能是引領未來的新興戰略性技術，可以在推動新一輪科技革命和產業變革的過程中產生深刻影響。本書深度解讀了人工智能的概念、技術架構，以及生成式人工智能的邏輯與應用；全面解析了人工智能在醫療、生活、金融、教育、媒體、安防、汽車、工業制造等行業的融合應用與發展；同時深入剖析了人工智能的創業前景，以及人工智能時代的教育和自我成長的方式。全書內容通俗易懂，旨在使讀者了解人工智能的本質、核心技術、應用情況等相關知識，為更好地迎接并把握智能時代做好準備。本書既適合對人工智能感興趣、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專業課程的參考用書。

·17.6萬字

會員

科學儀器設備配置學：人工智能時代的界面管理

本書共八章，從高校資源配置的教育、科研、社會、經濟規律視角，以建設卓越世界一流大學為導向，對高校科學儀器設備配置中的問題進行研究。

·17.5萬字

會員

云計算安全：機器學習與大數據挖掘應用實踐

本書既有理論研究，又有實踐探討，共分為6章，講解了云計算安全中人工智能與大數據挖掘技術的應用實踐。第1章從概念、發展、標準等角度宏觀地介紹了云計算安全；第2章從云計算安全需求的角度闡釋云計算安全的核心目標、公有云場景下的安全需求和私有云場景下的安全需求；第3章全面、系統地介紹了公有云安全技術體系和私有云安全技術體系；第4章詳細介紹了人工智能技術在云計算安全領域的應用實踐；第5章詳細介紹了大數據挖掘技術在云計算安全領域的應用實踐；第6章介紹了人工智能和大數據挖掘技術的綜合應用，提出云數據中心安全防護框架，并詳細介紹了云數據中心安全態勢感知系統。本書是人工智能與大數據挖掘技術在云計算安全領域的應用實踐參考書，適用于人工智能、大數據挖掘、云計算、網絡信息安全相關領域的從業人員。

·17.4萬字

會員

大數據智能風控：模型、平臺與業務實踐

這是一本深入講解智能風控理論體系和風控全生命周期業務實踐的著作。作者基于在銀行業10余年的風控經驗，首先詳細講解了“大數據、模型、風控平臺”三位一體的智能風控體系，能為風控實踐提供扎實的理論指導；然后圍繞風控的全生命周期，從貸前評估、貸中監控、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控的業務實踐，深刻揭示了智能風控體系的精髓。第1~2章全面而深入地探討了智能風控的背景知識：首先對基礎信貸業務進行了細致解析，讀者可以從中了解其運作方式和重要性；然后，梳理了智能風控是如何隨著技術的進步和市場的需求逐漸成熟和完善的。第3~5章圍繞“數據、模型、風控平臺”三位一體的智能風控理論體系展開：首先介紹了內部數據、外部數據、個人征信數據在智能風控中的應用，以及智能數據體系的構建；然后深入探討了智能風控模型的算法、評價指標、開發流程；最后講解了風控平臺的理論框架、設計原則、架構設計、建設流程以及決策引擎的建設。第6~8章圍繞風控的全生命周期探討了風控策略在實際業務中的應用，包括貸前評估、貸中監控、貸后管理，以及智能反欺詐和智能催收體系的建設和業務實踐，能幫助讀者將理論知識轉化為實際操作能力，更好地應對現實業務中的挑戰。第9章對智能風控的未來發展進行了展望，不僅為讀者揭示了未來的機遇，也提供了對于如何應對未來挑戰的思考。

·17.4萬字

會員

MLOps工程實踐：工具、技術與企業級應用

這是一本能指導企業利用MLOps技術構建可靠、高效、可復用、可擴展的機器學習模型從而實現AI工程化落地的著作。由國內AI領域的獨角獸企業第四范式的聯合創始人和技術VP領銜撰寫，從工具、技術、企業級應用、成熟度評估4個維度對MLOps進行了全面的講解。本書深入淺出、循序漸進地講解了如何在實際項目中利用MLOps進行機器學習模型的部署、監控與優化，以及如何利用MLOps實現持續集成與持續交付等高效的工作流程。通過企業級的MLOps案例和解決方案，幫助讀者輕松掌握MLOps的設計思路以及如何應用MLOps解決實際問題。

·17.4萬字

會員

神經網絡與機器人科研項目申請與實踐

本書分為神經網絡與機器人項目申請，神經網絡與計算機項目申請，機械臂理論項目申請、進展與結題，機械臂實物項目申請與進展，時變問題神經網絡求解項目申請、評議與進展，和基函數、多類與海量神經網絡項目申請與評議共六部分，每一部分都是由相關的申請報告，進展報告，同行反饋意見和/或結題報告系統化地構成，并整理出具有啟發性的總結。值得指出的是，同行評議意見一般都非常中肯，問題指出也非常到位；對同行評議意見的認真分析總結以及對應的申報書改進與完善是非常重要和有益的。

·17.3萬字

會員

MLOps權威指南

本書前幾章涵蓋了DevOps和MLOps的理論和實踐，然后介紹了如何設置持續集成和持續交付，接著介紹Kaizen，即對所有事物進行持續改進的想法。與云計算相關的MLOps分為三章，涵蓋AWS、Azure和GCP（谷歌云平臺）。之后介紹了機器學習互操作性、構建MLOps命令行工具和微服務。這些主題包括許多具有積極吸引力的尖端新興技術。結尾介紹了一些真實案例研究，以及執行MLOps時面臨的挑戰。

·17.2萬字

會員

AIGC輔助數據分析與數據化運營：場景化解決方案與案例分析

這是一本能從業務、方法、場景3個維度幫助讀者使用AI技術提升數據分析和數據化運營能力的著作。用扎實的理論框架、豐富的實踐案例、實用的操作技巧，全面展示了如何用AI延伸業務分析廣度、拓展業務分析深度、優化業務分析效能，從而達到幫助企業用智能的數據化運營實現業務持續增長的目的。本書采用案例驅動的寫作方式，通過實際業務案例詳細拆解AI技術在各個場景中的應用步驟和技巧。語言簡潔易懂，理論與實踐結合，注重實用性和可操作性，幫助讀者快速掌握核心知識。提供豐富的實際案例和操作指南，涵蓋多種AI工具和交互技巧，確保讀者能夠學以致用。

·17.2萬字

會員

強化學習：原理與Python實戰

本書從原理和實戰兩個方面介紹了強化學習。原理方面，深入介紹了主流強化學習理論和算法，覆蓋資格跡等經典算法和MuZero等深度強化學習算法；實戰方面，每章都配套了編程案例，以方便讀者學習。全書從邏輯上分為三部分。第1章：從零開始介紹強化學習的背景知識，介紹環境庫Gym的使用。第2～15章：基于折扣獎勵離散時間Markov決策過程模型，介紹強化學習的主干理論和常見算法。采用數學語言推導強化學習的基礎理論，進而在理論的基礎上講解算法，并為算法提供配套代碼實現。基礎理論的講解突出主干部分，算法講解全面覆蓋主流的強化學習算法，包括經典的非深度強化學習算法和近年流行的強化學習算法。Python實現和算法講解一一對應，還給出了深度強化學習算法的TensorFlow和PyTorch對照實現。第16章：介紹其他強化學習模型，包括平均獎勵模型、連續時間模型、非齊次模型、半Markov模型、部分可觀測模型等，以便更好了解強化學習研究的全貌。

·17.2萬字

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

機器學習中的統計思維（Python實現）

用ChatGPT輕松玩轉機器學習與深度學習

Python機器學習入門與實戰

深度學習實戰：基于TensorFlow 2和Keras（原書第2版）

如何教人工智能說人話？

人工智能：改變未來的顛覆性技術

人工智能初學者指南

區塊鏈技術及應用

未知環境中移動機器人自定位技術

深度學習與信號處理：原理與實踐

人工智能能不能

人工智能重塑世界（第2版）

科學儀器設備配置學：人工智能時代的界面管理

云計算安全：機器學習與大數據挖掘應用實踐

大數據智能風控：模型、平臺與業務實踐

MLOps工程實踐：工具、技術與企業級應用

神經網絡與機器人科研項目申請與實踐

MLOps權威指南

AIGC輔助數據分析與數據化運營：場景化解決方案與案例分析

強化學習：原理與Python實戰