pg麻将胡了2下载3162

《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

Python機器學習：基于PyTorch和Scikit-Learn

本書深入介紹了機器學習領域的基本概念和方法，除介紹了Python機器學習庫和用機器學習庫搭建神經網絡模型的方法外，還介紹了機器學習算法的數學理論、工作原理、使用方法、實現細節以及如何避免機器學習算法實現過程中的常見問題。本書涵蓋了多種用于文本和圖像分類的機器學習與深度學習方法，以及用于生成新數據的生成對抗網絡（GAN）和用于訓練智能體的強化學習，還介紹了深度學習的新動態，包括圖神經網絡和用于自然語言處理（NLP）的大型transformer。本書講解清晰，示例生動，理論和實踐部分相對平衡，既可以作為機器學習領域初學者的入門教程，也可以作為讀者開發機器學習項目時的參考書。

·25.6萬字

會員

人工智能

《人工智能》一書由騰訊一流團隊與工信部高端智庫傾力創作。本書從人工智能這一顛覆性技術的前世今生說起，對人工智能產業全貌、最新進展、發展趨勢進行了清晰的梳理，對各國的競爭態勢做了深入研究。本書還對人工智能給個人、企業、社會帶來的機遇與挑戰進行了深入分析。對于想全面了解人工智能的讀者，本書提供了重要參考，是一本必備書籍。

·22.5萬字

會員

智慧的疆界：從圖靈機到人工智能

這是一部對人工智能充滿敬畏之心的匠心之作，《深入理解Java虛擬機》作者耗時一年完成，它將帶你從奠基人物、歷史事件、學術理論、研究成果、技術應用等5個維度全面讀懂人工智能。本書以時間為主線，用專業的知識、通俗的語言、巧妙的內容組織方式，詳細講解了人工智能這個學科的全貌、能解決什么問題、面臨怎樣的困難、嘗試過哪些努力、取得過多少成績、未來將向何方發展，盡可能消除人工智能的神秘感，把陽春白雪的人工智能從科學的殿堂推向公眾面前。

·22.6萬字

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

AI效率手冊：從ChatGPT開啟高效能

ChatGPT是當下最新、最熱門的工具、效率工具，但為什么不同的人使用效果天差地別，整體上來說：一是認知上的不足；二是方法上的不足。這正是本書要解決的問題。本書不僅讓讀者會用ChatGPT，更嘗試讓讀者意識到自己需要構建一個完整的學習體系，同時本書提供構建這個學習體系的方法。有了這個學習體系，才能真正用好ChatGPT，也不止能用好ChatGPT。讀者能夠根據自己的需求，用好ChatGPT，既不停留在淺嘗輒止，也不相信宣稱的人人都能用ChatGPT賺錢。

·22.5萬字

會員

多模態大模型：算法、應用與微調

本書詳盡地覆蓋了多模態大模型的算法原理和應用實戰，提供了豐富的微調技術細節和實際案例，適合對多模態大模型有興趣的技術人員深入學習及應用。本書分為兩篇：算法原理篇：詳細介紹了先進的深度學習模型，包括Transformer、GPT系列、深度生成模型，從基本架構、訓練方法到特定應用，包括但不限于Seq2Seq結構、位置編碼、注意力機制、殘差連接、變分自編碼器、GAN、ViT、CLIP、StableDiffusion、各模型訓練實踐的知識點。此外，探討了預訓練模型的涌現能力、模型參數和通信數據量的估算，以及分布式訓練的各種技術，如數據并行、模型并行和混合精度訓練等。應用實戰篇：聚焦于深度學習模型的實際應用，特別是文本和圖像生成，以及代碼生成的應用實戰。通過具體實戰項目，如利用StableDiffusion進行圖像生成和CodeLlama進行代碼生成，提供了微調技術的詳細細節，介紹了LangChain等大模型應用框架。

·25.2萬字

會員

機器學習

機器學習是計算機科學與人工智能的重要分支領域.本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面.全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機器學習的基礎知識；第2部分（第4～10章）討論一些經典而常用的機器學習方法（決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3部分（第11～16章）為進階知識，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等。每章都附有習題并介紹了相關閱讀材料，以便有興趣的讀者進一步鉆研探索。本書可作為高等院校計算機、自動化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。

·22.7萬字

會員

人工智能

全書共分為11章，除第1章人工智能概述外，其余內容劃分為四大部分。第一部分為確定性人工智能的三大基本技術，包括第2,3,4章的知識表示、確定性推理和搜索部分。第二部分包括第5章不確定性人工智能和第6章的智能算法。第三部分為人工智能的重要研究領域，包括第7章的分布式人工智能，第8章的機器學習，第9章的專家系統。第四部分為人工智能應用部分，包括第10章的人工智能設計語言和第11章的人工智能的應用舉例。

·27.5萬字

會員

AI芯片：前沿技術與創新未來

本書從AI的發展歷史講起，介紹了目前最熱門的深度學習加速芯片和基于神經形態計算的類腦芯片的相關算法、架構、電路等，并介紹了近年來產業界和學術界一些著名的AI芯片，包括生成對抗網絡芯片和深度強化學習芯片等。本書著重介紹了用創新的思維來設計AI芯片的各種計算范式，以及下一代AI芯片的幾種范例，包括量子啟發的AI芯片、進一步提升智能程度的AI芯片、有機自進化AI芯片、光子AI芯片及自供電AI芯片等。本書也介紹了半導體芯片技術在“后摩爾定律時代”的發展趨勢，以及基礎理論（如量子場論、信息論等）引領AI芯片創新并將不斷發揮巨大作用。最后，本書介紹了AI發展的三個層次、AI芯片與生物大腦的差距以及未來的發展方向。本書可供在AI芯片領域學習和工作的研究生、本科生、工程技術人員，以及所有對AI芯片感興趣的人員參考。

·26.7萬字

會員

大語言模型：基礎與前沿

本書深入闡述了大語言模型的基本概念和算法、研究前沿以及應用，涵蓋大語言模型的廣泛主題，從基礎到前沿，從方法到應用，涉及從方法論到應用場景方方面面的內容。首先，本書介紹了人工智能領域的進展和趨勢；其次，探討了語言模型的基本概念和架構、Transformer、預訓練目標和解碼策略、上下文學習和輕量級微調、稀疏專家模型、檢索增強型語言模型、對齊語言模型與人類偏好、減少偏見和有害性以及視覺語言模型等內容；最后，討論了語言模型對環境的影響。本書內容全面、系統性強，適合高年級本科生和研究生、博士后研究人員、講師以及行業從業者閱讀與參考。

·20.1萬字

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

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

因果推斷：基于圖模型分析

本書對因果推斷相關知識進行了系統、全面的介紹，為便于學習，對大多數知識點都進行了詳細的推導說明。

·22萬字

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

機器學習中的數學修煉

全書共分為兩篇：在上篇中，將從浩瀚的數學海洋中擷取機器學習研究人員最為必須和重要的數學基礎。內容主要包括：微積分（含場論）、數值計算和常用最優化方法、概率論基礎與數理統計、線性代數等。在下篇中，將選取機器學習中最為常用的算法和模型進行講解，這部分內容將涉及（廣義）線性回歸、圖模型（包含貝葉斯網絡和HMM等）、分類算法（包括SVM，邏輯回歸，神經網絡等）和聚類算法（包括K均值和EM算法等）等話題。

·22.2萬字

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

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

合成生物學智能化設計與應用

本書以人工智能技術在合成生物學領域的理論、方法及應用為主線，詳細闡述人工智能在合成生物學不同層面設計中的應用進展，深入討論人工智能在合成生物學實際應用中面臨的挑戰與困難。本書先概述合成生物學與人工智能基本概念以及發展簡史，然后介紹人工智能技術在生物元件、生物模塊、生物系統設計方面的應用，并通過案例展示了人工智能與合成生物學技術在生物醫藥領域的研究進展，最后分析了人工智能驅動合成生物技術的發展趨勢，并討論了實際應用所面臨的挑戰和困難，以及展望該交叉領域的未來研究方向。本書適合作為生物類、計算機類、化工類、環境類、醫藥專業的本科生及研究生的教學用書，也適合生物、信息、醫藥、化工、能源、資源和環境等領域的科研人員、程序開發人員參考。

·23萬字

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

深度學習

Python機器學習：基于PyTorch和Scikit-Learn

人工智能

智慧的疆界：從圖靈機到人工智能

奇點臨近

AI效率手冊：從ChatGPT開啟高效能

多模態大模型：算法、應用與微調

機器學習

人工智能

AI芯片：前沿技術與創新未來

大語言模型：基礎與前沿

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

人工智能及其應用

因果推斷：基于圖模型分析

智能計算系統：從深度學習到大模型

機器學習中的數學修煉

機器學習（第2版）

深度強化學習實踐（原書第2版）

人工智能注意力機制：體系、模型與算法剖析

合成生物學智能化設計與應用