怎么能做好捕鱼机后级

本書主要介紹：XGBoost相關的機器學習基礎算法；XGBoost安裝編譯與簡單使用；XGBoost的實現原理與理論證明；XGBoost基于CPU多線程的實現以及分布式訓練方法；剖析XGBoost源碼，從代碼層面洞徹XGBoost的實現原理，以及XGBoost的應用與調優，通過典型示例為讀者提供使用參考，掌握實戰技能。通過閱讀本書，不僅能使讀者理解XGBoost的原理，將XGBoost應用到業務場景中，更能從源碼的角度深入學習XGBoost的并行化和分布式實現等優化技術，以更短的時間訓練出高準確度的模型，使XGBoost成為學習和工作中的一把利劍。

·16.2萬字

會員

機器學習實戰：模型構建與應用

本書主要包括兩部分。第1部分（第1章-第11章）講解了如何使用TensorFlow來創建不同應用場景的機器學習模型。該部分介紹TensorFlow、計算機視覺、自然語言處理和序列建模。第二部分（第12章-第20章）將引導你了解如何將模型置于Android和iOS上的用戶手中、使用JavaScript的瀏覽器以及通過云提供服務的場景。

·12.4萬字

會員

人工智能十萬個為什么：熱AI冷知識

本書是由智能相對論創始人曾響鈴聯合旗下幾位資深分析師深入一線企業調研后，并結合行業發展現狀及未來發展趨勢預測完成的一本人工智能冷知識普及書籍。本書全面、詳盡地介紹了人工智能最先落地的幾個熱門領域：智能機器人、醫療服務業、教育、娛樂、健康等，覆蓋了人們接觸人工智能的各種場景，并對其背后的人工智能技術進行深入淺出地解釋，是一本有趣的人工智能行業科普讀物。

·13.3萬字

會員

人工智能導論

《人工智能導論》是為高等院校相關專業“人工智能導論”課程設計編寫，具有豐富應用特色的主教材。針對高校學生的發展需求，《人工智能導論》分引言、基礎知識、基于知識的系統和高級專題四部分，可依照學習進度與需求，做適當選擇。內容包括：引言，包括緒論（基本概念）、人工智能+領域應用；基礎知識，包括大數據思維、搜索算法、知識表示；基于知識的系統，包括專家系統、機器學習、深度學習；高級專題，包括機器人技術、智能圖像處理、自然語言處理、自動規劃。

·19.6萬字

會員

AIGC提示詞美學定義

本書是關于AIGC（生成式人工智能）技術與作品美學定義方向的探索指南，旨在從美學定義的視角，為創作者提供審美要素、風格要素與應用方向要素的系統指導。在AIGC技術迅速發展的今天，本書強調技術僅是工具，真正的創新源于對美學的深刻理解和高水準的創意思考，我們旨在培養讀者形成優秀的美學定義能力，以指導AI生成更高水平、更具深度的優質作品。本書共8章，第一章簡要介紹了AIGC的定義和發展歷程等內容，第二章至第八章分別從光、材質、藝術流派、插畫、游戲、女性美、流行趨勢這幾方面，向讀者系統展示了在使用AIGC技術生成畫面時，如何進行審美要素定義、風格要素定義和應用方向要素定義。本書適合所有對AIGC藝術創作感興趣的設計師、藝術家和創意工作者閱讀。無論是希望提升個人創作的深度和廣度，還是渴望在AIGC時代保持創新力和競爭力的專業人士，都能從中獲得寶貴知識。本書能助益讀者激發創作靈感，走出作品同質化的陷阱，為其在廣闊的藝術領域產出多樣的高質量作品指明方向。

·3.2萬字

會員

ChatGPT：人類新紀元

ChatGPT，如同人類歷史上的單向門——火、文字、造紙、蒸汽機、電和計算機一樣，標志著人類科技進步的又一重大里程碑。ChatGPT的橫空出世驚艷了世界，它不僅點燃了通用人工智能的火花，更預示著我們正步入通用人工智能的新紀元。我們站在這一歷史性的時刻，仿佛看見新時代的開端。全球對ChatGPT的廣泛關注并不僅僅是因為其高超技術的突破，而是它在通用人工智能進程中所代表的意義。那么，ChatGPT究竟是何方神圣？它的前世今生是怎樣的？通用人工智能未來將給世界帶來哪些巨變？人類是否會被AI取代而失業？針對這些迫在眉睫的問題，作者廣泛收集信息，深入研究，以兼具廣度和深度的寫作，為我們呈現了一個關于ChatGPT及通用人工智能的全景式解讀。同時，書中還為我們展示了中國企業在這場技術變革中所碰到的機遇和挑戰。這是一本為所有想深入理解ChatGPT如何塑造未來、如何繼續人類探索歷程的讀者而寫的書。

·12.4萬字

會員

機器學習：公式推導與代碼實現

作為一門應用型學科，機器學習植根于數學理論，落地于代碼實現。這就意味著，掌握公式推導和代碼編寫，方能更加深入地理解機器學習算法的內在邏輯和運行機制。本書在對全部機器學習算法進行分類梳理的基礎之上，分別對監督學習單模型、監督學習集成模型、無監督學習模型、概率模型四個大類共26個經典算法進行了細致的公式推導和代碼實現，旨在幫助機器學習學習者和研究者完整地掌握算法細節、實現方法以及內在邏輯。

·12萬字

會員

ROS機器人項目開發11例（原書第2版）

本書涵蓋新的ROS發行版中的項目——ROSMelodicMoreniawithUbuntuBionic（18.04）。從基本原理開始，本書向你介紹了ROS-2，并幫助你了解它與ROS-1的不同之處。你將能夠在ROS中建模并構建工業移動機械手臂，并在Gazebo9中進行模擬。然后，你將了解如何使用狀態機處理復雜的機器人應用程序，以及一次處理多個機器人。本書還向你介紹了新的、流行的硬件，如Nvidia的JetsonNano、華碩修補板和BeagleboneBlack，并允許你探索與ROS的接口。

·12.8萬字

會員

這就是推薦系統：核心技術原理與企業應用

推薦系統作為近年來非常熱門的AI技術落地場景，已廣泛應用于各行業的互聯網應用，從衣食住行到娛樂消費，以及無處不在的廣告，背后都依賴推薦系統的決策。本書貼合工業級推薦系統，以推薦系統的整體技術框架為切入點，深入剖析推薦系統中的內容理解、用戶畫像、召回、排序、重排等核心模塊，介紹每個模塊的核心技術和業界應用，并展開介紹了推薦冷啟動、推薦偏置與消偏等常見問題和解決方案。此外，還對當前推薦系統領域的熱門前沿技術進行了介紹，包括強化學習、因果推斷、端上智能等。

·11.3萬字

會員

OpenCV 4機器學習算法原理與編程實戰

本書主要面向OpenCV領域的研究與開發人員，采用原理結合實戰的方式，介紹OpenCV4的機器學習算法模塊與深度神經網絡模塊中的核心算法原理與C++編程實戰。全書共10章，第1~3章，介紹OpenCV4的基礎知識、基本圖像操作和機器學習基礎知識；第4~8章，介紹K-means、KNN、決策樹、隨機森林、Boosting算法和支持向量機等機器學習算法與編程實戰；第9~10章，介紹神經網絡與深度神經網絡的基本原理與編程實戰，并提供了不同深度學習模型的部署示例代碼。

·10.3萬字

會員

破解深度學習（核心篇）：模型算法與實現

本書旨在采用一種符合讀者認知角度且能提升其學習效率的方式來講解深度學習背后的核心知識、原理和內在邏輯。經過基礎篇的學習，想必你已經對深度學習的總體框架有了初步的了解和認識，掌握了深度神經網絡從核心概念、常見問題到典型網絡的基本知識。本書為核心篇，將帶領讀者實現從入門到進階、從理論到實戰的跨越。全書共7章，前三章包括復雜CNN、RNN和注意力機制網絡，深入詳解各類主流模型及其變體；第4章介紹這三類基礎模型的組合體，即概率生成模型；第5章和第6章著重介紹這些復雜模型在計算機視覺和自然語言處理兩大最常見領域的應用；第7章講解生成式大語言模型的內在原理并對其發展趨勢予以展望。本書系統全面，深入淺出，且輔以生活中的案例進行類比，以此降低學習難度，能夠幫助讀者迅速掌握深度學習的基礎知識。本書適合有志于投身人工智能領域的人員閱讀，也適合作為高等院校人工智能相關專業的教學用書。

·13.4萬字

會員

機器學習公式詳解（第2版）

周志華老師的《機器學習》（俗稱“西瓜書”）是機器學習領域的經典入門教材之一。本書是《機器學習公式詳解》（俗稱“南瓜書”）的第2版。相較于第1版，本書對“西瓜書”中除了公式以外的重、難點內容加以解析，以過來人視角給出學習建議，旨在對比較難理解的公式和重點內容擴充具體的例子說明，以及對跳步過大的公式補充具體的推導細節。全書共16章，與“西瓜書”章節、公式對應，每個公式的推導和解釋都以本科數學基礎的視角進行講解，希望能夠幫助讀者快速掌握各個機器學習算法背后的數學原理。本書思路清晰，視角獨特，結構合理，可作為高等院校計算機及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考

·9.8萬字

會員

因果推斷導論

本書以構建因果推斷基礎知識框架，主要從Rubin因果模型、Pearl因果模型、基于圖模型的因果效應計算、因果結構學習、因果機器學習五個篇章為大家介紹智因果推斷的基礎理論、模型、方法、和前沿應用，引領學生步入充滿趣味與挑戰的因果推理領域。

·14.9萬字

會員

神經網絡與深度學習：基于TensorFlow框架和Python技術實現

Python、TensorFlow、神經網絡和深度學習因人工智能的流行而成為當下IT領域的熱門關鍵詞。本書首先介紹Python及其常用庫Numpy、Matplotlib和Scipy的基本使用方法；其次介紹TensorFlow的基本知識及使用方法；然后介紹神經網絡的基礎知識以及神經網絡基本應用——感知機、線性回歸與邏輯回歸的理論與實現；最后介紹兩種熱門的深度神經網絡——卷積神經網絡和循環神經網絡的理論與實現。本書內容由淺入深，循序漸進，實踐性強，包含豐富的仿真實例。

·4.7萬字

會員

寫好論文：思維模型與AI輔助應用

《寫好論文：思維模型與AI輔助應用》創新性地將學術寫作的思維模型與AI輔助工具相結合，為讀者提供了一套全新且實用的學術寫作方法，旨在助力讀者提高學術寫作的質量和水平。《寫好論文：思維模型與AI輔助應用》共9章，每章都聚焦一個特定的思維模型。這些模型包括“頂天立地加兩翼”結構模型、選擇和確定研究單位的三角模型、OBTQP研究問題模型、細化研究維度的思維羅盤模型、推導文獻綜述“GAP”的破界創新模型、匹配研究理論的勾連信號模型、適配研究方法的畫布模型、非共識研究觀點模型和深入解決問題的U型思維模型。對于每個模型，書中都有詳細的背景介紹、拆解步驟、應用方法和案例分析，確保讀者能夠全方位地理解并實際應用這些模型，從而真正掌握學術寫作的思維精髓和實踐要訣。《寫好論文：思維模型與AI輔助應用》適合學術研究人員、研究生、博士生等需要撰寫學術論文的人閱讀，也適合對學術研究感興趣、希望深入了解其思維方式和研究方法的讀者閱讀。

·13.8萬字

會員

人人都是設計師：設計基礎+Midjourney+ChatGPT

理解設計的基本原則和概念，了解設計規范，具備一定的審美能力，會使用人工智能驅動的工具Midjourney和ChatGPT，那么，人人都可以成為設計師，都可以設計出滿足商業需求的作品。本書共7章。第1章講設計基礎與版式構圖，分別介紹色彩設計基礎、版式設計，以及字體與版式的結合。第2章至第5章詳細介紹Midjourney這一工具，從如何登錄，到使用提示詞生成圖像，再到探索提示詞與生成圖像主題風格的關系，最后介紹Midjourney的高級玩法，滿足設計師對設計細節的需求。第6章討論了另一款人工智能驅動的工具ChatGPT與Midjourney在未來如何搭配使用，引發讀者思考。最后一章選取了設計領域中常見的設計需求，涵蓋商品促銷、商業設計、品牌設計、IP潮玩、插畫設計、界面交互設計、工業設計、空間設計和藝術攝影，由此凝練出附錄的提示詞大全，設計師可以根據設計需要替換提示詞，這為讀者的Midjourney之旅提供了參考和思路。本書適合有設計需求，但是又沒有辦法雇用專業設計師的個人或團隊，以及想要利用人工智能提高設計效率的設計師閱讀參考。

·3.3萬字

會員

科學的極致：漫談人工智能

《科學的極致：漫談人工智能》將全面介紹人工智能的發展歷史、探究過程以及在各個領域的應用，以通俗易懂的語言和生動有趣的示例為你揭示人工智能不為人知的奧秘。集智俱樂部是一個從事學術研究、享受科學樂趣的探索者組成的團體，倡導以平等開放的態度、科學實證的精神進行跨學科的研究與交流，力圖搭建一個中國的“沒有圍墻的研究所”。這些令人崇敬的、充滿激情與夢想的集智俱樂部成員將帶你了解圖靈機模型、馮·諾依曼計算機體系結構、怪圈與哥德爾定理、通用人工智能、深度學習、人類計算與自然語言處理，與你一起展開一場令人熱血沸騰的科學之旅。

·18.3萬字

會員

生成式AI入門與AWS實戰

本書是專注于如何在AWS上開發和應用生成式AI的實用指南，旨在為技術領導者、機器學習實踐者、應用開發者等提供深入了解和應用生成式AI的策略與方法。本書首先介紹了生成式AI的概念及其在產品和服務中的應用潛力，然后詳細闡述了生成式AI項目的完整生命周期。作者探討了多種模型類型，如大語言模型和多模態模型，并提供了通過提示工程和上下文學習來優化這些模型的實際技巧。此外，本書討論了如何使用LoRA技術對模型進行微調，以及如何通過RLHF使模型與人類價值觀對齊。書中還介紹了RAG技術，以及如何利用LangChain和ReAct等開發agent。最后，本書介紹了如何使用AmazonBedrock構建基于生成式AI的應用程序。基于該強大的平臺，讀者可以實現自己的創新想法。本書適合對生成式AI感興趣的學生和研究人員、在AWS上開發AI應用程序的軟件開發人員和數據科學家、尋求利用AI技術優化業務流程的企業決策者以及對技術趨勢保持好奇心的科技愛好者閱讀。

·10.8萬字

會員

FANUC工業機器人實操與應用技巧

本書以FANUC工業機器人為研究對象，針對FANUC工業機器人的認識與操作過程進行詳細講解。本書共9章，由淺入深地講解了FANUC工業機器人的安全知識、型號及用途、示教器、坐標系、I/O、程序、指令、維護與保養、部分報警代碼等內容。學完本書，讀者即可獨立應對FANUC工業機器人的日常管理、程序備份與加載等操作。本書非常適合FANUC工業機器人的管理人員、設計人員、調試人員、操作人員及愛好者學習與參考。

·7.8萬字

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

深入理解XGBoost：高效機器學習算法與進階