能领10000红包的仙侠手游

人工智能技術在20世紀50年代誕生，是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門綜合性技術科學。人工智能技術的發展經歷過數次起伏，在螺旋式上升中不斷取得新的突破。人機博弈是人工智能領域的一個重要分支。近20年來，出現了多次可以稱之為里程碑式的“人機大戰”。本書從人機博弈幾次里程碑式的事件切入，對技術發展進程中的重要人物、節點和技術突破進行詳細介紹，從中梳理出人工智能研究方法論的演進，并對人工智能技術未來發展方向提出展望

·14.3萬字

會員

深入淺出圖神經網絡：GNN原理解析

這是一本從原理、算法、實現、應用4個維度詳細講解圖神經網絡的著作，在圖神經網絡領域具有重大的意義。本書作者是圖神經網絡領域的資深技術專家，作者所在的公司極驗也是該領域的領先者。本書是作者和極驗多年研究和實踐經驗的總結，內容系統、扎實、深入淺出，得到了白翔、俞棟等幾位來自學術界和企業界的領軍人物的高度評價和強烈推薦。全書共10章：第1～4章全面介紹了圖、圖數據、卷積神經網絡以及表示學習等基礎知識，是閱讀本書的預備知識；第5～6章從理論的角度出發，講解了圖信號處理和圖卷積神經網絡，深入剖析了圖卷積神經網絡的性質，并提供了GCN實現節點分類的實例。第7～9章全面的講解了圖神經網絡的各種變體及范式、圖分類機制及其實踐，以及基于GNN的圖表示學習；第10章介紹了圖神經網絡的最新研究和應用。

·8.9萬字

會員

城堡里學無人機：原理、系統與實現

《城堡里學無人機：原理、系統與實現》是一本關于無人機概念、原理、系統與實現的參考書，共分三篇，七個章節。主要內容有：無人機的故事、無人機的類型和控制方式、無人機的軟硬件系統、無人機行業應用、以及學習無人機所需的基礎技能和各種共享資源等相關知識。本書著重闡釋了無人機行業、市場、讀者職業三者之間的相互關系，并結合無人機實際應用和制作指導為讀者提供進入無人機領域的各項知識，將實用性、趣味性、理論性充分融合，可以幫助讀者盡快跨入無人機的世界。《城堡里學無人機：原理、系統與實現》的主要讀者是無人機領域的愛好者、從業者和其他行業的無人機應用者或有意應用無人機的那些讀者，相關院校和專業的師生也可將此書當作培訓教材或輔導教材使用。

·10.2萬字

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

AIGC從入門到實戰：ChatGPT+Midjourney+Stable Diffusion+行業應用

本書旨在探討AIGC的發展歷程、應用范圍及其對社會和個人的影響，從而幫助讀者深入了解并應用人工智能技術。本書共分為8章。第1章介紹了ChatGPT和AIGC的發展歷史，以及核心技術的演進與應用。第2章詳細探討了ChatGPT的特點、功能，以及它在文科和理科領域的應用。第3章深入介紹了ChatGPT及其他AIGC對個人的賦能，包括原理、成本、應用場景、高質量答案的提問技巧，以及如何利用ChatGPT進行編程。此部分還提到了AIGC時代下的職業規劃。第4章重點介紹了AIGC在創意領域的應用，特別是Midjourney工具的使用。第5章講解了如何使用AIGC技術來創建數字人分身，使他們能夠說話、唱歌，甚至成為主播。第6章強調了AIGC如何賦能職場，包括輔助設計、思維導圖生成、文本創作、市場調研與策劃、短視頻創作，以及辦公軟件使用。第7章介紹了AIGC在不同行業和領域的創新場景，包括電商、傳媒、金融、教育行業，以及工業領域等。第8章介紹了如何有效應對AI革命。書末還推薦了許多AIGC相關的資源。

·7.2萬字

會員

深度學習進階：自然語言處理

《深度學習進階：自然語言處理》是《深度學習入門：基于Python的理論與實現》的續作，圍繞自然語言處理和時序數據處理，介紹深度學習中的重要技術，包括word2vec、RNN、LSTM、GRU、seq2seq和Attention等。本書語言平實，結合大量示意圖和Python代碼，按照“提出問題”“思考解決問題的新方法”“加以改善”的流程，基于深度學習解決自然語言處理相關的各種問題，使讀者在此過程中更深入地理解深度學習中的重要技術。

·13.3萬字

會員

人工智能安全

本書在簡要介紹人工智能發展歷程、世界各國人工智能戰略規劃之后，重點圍繞人工智能安全主題，提出人工智能安全體系架構，討論了人工智能助力安全、人工智能內生安全、人工智能衍生安全等相關內容，并深入研究了人工智能安全倫理準則。本書還詳細分析了人工智能行為體及其可能引發的安全問題，提出了人工智能保險箍的解決方案，并給出了人工智能行為體的安全評估與檢測方法。本書最后還探討了人工智能的前沿技術，以及人工智能安全的未來發展趨勢。本書適合人工智能及安全領域的研究人員、管理人員以及廣大愛好者閱讀。

·27.5萬字

會員

現代決策樹模型及其編程實踐：從傳統決策樹到深度決策樹

決策樹是數據分析中廣泛使用的機器學習模型，其模型簡單、算法快速且具有可解釋性。但隨著大數據的涌現，將決策樹真正應用到實踐中還面臨諸多困難。本書正是為解決這一痛點而作，旨在幫助讀者系統且全面地了解決策樹，并成功地將其用于工程實踐。

·22.1萬字

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

人工智能創新啟示錄：技術前沿

本書為中國人工智能產業創新聯盟《智能之巔》叢書的技術分冊，重點聚焦人工智能的關鍵前沿技術，先對人工智能技術領域進行了概述，主要介紹核心及前沿領域的發展現狀和趨勢，并分析國內外人工智能發展戰略；之后深入介紹、分析支撐或影響人工智能產業發展的核心和前沿技術，如計算機視覺、智能語音語義、人工智能芯片等。本書適合人工智能、互聯網和計算機行業的從業人員和研究人員（技術崗位和非技術崗位），以及創投相關人員閱讀參考。

·24.4萬字

會員

圖分析與圖機器學習：原理、算法與實踐

本書向數據科學家、數據工程師、架構師和業務分析師展示了如何使用領先的圖數據庫模型TigerGraph，目標是向讀者介紹圖數據結構、圖分析和圖機器學習的概念、技術和工具。三位作者介紹了涵蓋多種當代業務需求的真實使用案例。讀者將探索從互聯數據中獲取價值的三階段方法：連接、分析和學習。幾乎每章的開頭都列出了對應的三個方面的目標：學習圖分析和機器學習的概念；用圖分析解決特定問題；了解如何使用GSQL查詢語言和TigerGraph圖平臺。

·12.5萬字

會員

從深度學習到圖神經網絡：模型與實踐

近年來，深度學習在人工智能的發展過程中起到了舉足輕重的作用，而圖神經網絡是人工智能領域的一個新興方向，被稱為圖上的深度學習。本書詳細介紹了從深度學習到圖神經網絡的基礎概念和前沿技術，包括圖上的深度學習、圖神經網絡的數學基礎、神經網絡學習與算法優化、深度學習基礎、神經網絡中的表示學習、面向圖數據的嵌入表示、初代圖神經網絡、空域及譜域圖卷積神經網絡等內容。為增強可讀性，本書敘述清晰、內容深入淺出、圖文并茂，力求降低初學者的學習難度。本書既可作為人工智能領域研究和開發人員的技術參考書，也可作為對圖上的深度學習感興趣的高年級本科生和研究生的入門書。

·17.1萬字

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

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

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

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

Chatbot從0到1（第2版）：對話式交互實踐指南

本書內容共6部分。第1部分幫助你理解通用人工智能時代下，“Chatbot”和“對話式交互”的概念；第2部分帶你了解通用人工智能及其代表GPT；第3部分和第4部分介紹Chatbot的生命周期；第5部分介紹通用人工智能與現實世界的接口——機器人流程自動化；第6部分介紹行業對Chatbot的評價，明確Chatbot的邊界并給出可落地的方法。現在就讓我們開始這場干貨滿滿的旅程吧！

·23.4萬字

會員

智能系統

本書是面向高級人工智能人才培養的高等學校人工智能相關專業精品教材中的一本，以信息物理系統、模糊邏輯系統、自主無人系統、群體智能、多Agent系統、人機協同系統、工業智能控制系統、機器人系統等為案例，完整呈現了人工智能綜合應用體系架構。本書首先介紹了智能系統的發展、相關概念、主要特征和類型、智能系統的發展前景，然后圍繞智能系統信息處理流程詳細闡述智能感知、智能計算、執行系統等理論知識，最后重點講解了信息物理系統、模糊邏輯系統等八大系統的典型應用體系架構。本書將免費提供配套PPT、實驗及應用案例等基本教學材料。

·23.4萬字

會員

機器學習基礎：從入門到求職

本書是一本機器學習算法方面的理論+實踐讀物，主要包含機器學習基礎理論、回歸模型、分類模型、聚類模型、降維模型和深度學習模型六大部分。機器學習基礎理論部分包含第1、2章，主要介紹機器學習的理論基礎和工程實踐基礎。第3章是回歸模型部分，主要包括模型的建立、學習策略的確定和優化算法的求解過程，最后結合三種常見的線性回歸模型實現了一個房價預測的案例。第4至11章詳細介紹了幾種常見的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機模型、隨機森林模型、AdaBoost模型和提升樹模型，每一個模型都給出了較為詳細的推導過程和實際應用案例。第12章系統介紹了五種常見的聚類模型，包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類，每一個模型的原理、優缺點和工程應用實踐都給出了較為詳細的說明。第13章系統介紹了四種常用的降維方式，包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入，同樣給出了詳細的理論推導和分析。最后兩章分別是詞向量模型和深度神經網絡模型，其中，詞向量模型詳細介紹了Word2Vec和Doc2Vec模型的原理推導和應用；深度神經網絡模型系統介紹了深度學習相關的各類基礎知識。

·12.3萬字

會員

TensorFlow機器學習（原書第2版）

這是一本TensorFlow機器學習入門教程，書中通過大量實例，以淺顯易懂、循序漸進的方式詳細闡釋使用Python和TensorFlow構建機器學習模型的核心技術與方法。本書既涵蓋機器學習基礎理論，又介紹了如何將機器學習核心概念應用于現實世界的挑戰（例如，情感分析、文本分類和圖像識別）中，并通過實例展示了用于深度語音處理、面部識別以及使用CIFAR-10的自編碼器的神經網絡技術。全書共分為三部分。第一部分（第1～2章）討論機器學習的基本原理及其當前被大規模應用的原因；第二部分（第3～10章）通過大量實例詳細介紹回歸算法和分類算法，涵蓋回歸、分類、無監督聚類和隱馬爾可夫模型（HMM）等技術及應用；第三部分（第11～19章）主要介紹神經網絡及其應用，涵蓋使用隱藏層的自編碼器壓縮和表示輸入、用于自動分類圖像和面部識別的卷積神經網絡（CNN）、用于時間序列數據或語音轉文本的循環神經網絡（RNN），以及seq2seqRNN架構等內容。通過閱讀本書，你將能夠：使用TensorFlow進行機器學習選擇最佳的機器學習方法使用TensorBoard可視化算法與合作伙伴共享結果在Docker中運行模型

·16.8萬字

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

人工智能與人機博弈（物聯網在中國）