pg电子游戏哪个容易爆大奖

本書深入全面地講解了現代推薦算法，同時兼顧深度和廣度，介紹了當下較前沿、先進的各類算法及其實踐。本書從總覽篇開始，介紹推薦系統的基本概念及工作環節。在模型篇中，除了梳理推薦系統的發展史，本書還重點講解面向工業實踐的選擇及改進，為讀者打下推薦系統的算法基礎；進而帶著讀者進階到前沿篇、難點篇，面對推薦系統中的各式問題，并給出解決方案；最后在決策篇中，從技術原理和用戶心理出發，解釋一些常見決策背后的依據，從而幫助讀者從執行層面進階到決策層面，建立大局觀。

·20.2萬字

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

自然語言處理技術：文本信息抽取及應用研究

信息抽取的目的是從海量互聯網文本信息中抽取結構化知識，是知識圖譜自動化構建、更新的基礎，為信息檢索、推薦系統、智能問答等諸多研究領域提供底層知識推理支撐并取得了重大突破，是推動人工智能技術由感知走向認知的關鍵要素，具有重要的研究意義和實用價值。本書梳理了命名實體識別、關系抽取、事件抽取等相關研究方向的知識資源、基礎理論和實踐應用，詳細介紹了實體關系聯合抽取、弱監督關系抽取、基于遷移學習的關系抽取、多實例聯合事件抽取、基于因變量的事件模板推導等前沿理論研究，并以領域知識圖譜、事理圖譜等為例，詳細介紹了信息抽取在圖譜構建中的應用。最后本書對信息抽取進行了總結和未來研究方向展望。

·18萬字

會員

第三層大腦：腦機接口破解人類進化密碼

腦機接口技術在近兩年方興未艾，促使人類更加清晰地想要去探知腦科學這最后一塊人類身體的未知領域，這項技術即將改變人類存在的底層邏輯：新的自我認知、新的人際關系，新的學習和演化方式。其重要性不亞于計算機和互聯網，卻尚未被充分認識。我們即將迎來生活方式的又一次巨變。本書結合筆者多年創業的實戰經歷，介紹目前腦機接口的發展情況，包括侵入式腦機接口跟非侵入式腦機接口，未來腦機接口的發展方向以及制約其發展的因素，書中對可能的技術攻關手段進行了介紹，包括腦機接口相關的材料科學、神經科學、人工智能算法、可穿戴設備、芯片等方面的發展情況，以及未來腦機接口的科技暢想。

·11.1萬字

會員

人工智能導論

本書致力于推動人工智能的普及教育，結合最新的人工智能科學技術的發展成果，使用通俗易懂的語言深入淺出地介紹了人工智能的相關知識，重點介紹了人工智能的孕育、人工智能的誕生、人工智能的復蘇、人工智能的高速發展、人工智能的應用分支和哲學與思考等方面，在每章節后都有與之對應的章節習題，供學習者學習，以強化學生解決問題的能力。

·16.7萬字

會員

虛擬現實與增強現實技術

虛擬現實和增強現實技術目前在智能制造中得到了越來越多的應用。本書重點介紹在應用此類技術涉及的關鍵技術，包括繪制技術、人機交互技術、開發平臺特別是幾何引擎和動力學引擎等，對于其在智能制造中的典型應用給予了專門介紹。書中大部分案例都取自作者所在課題組實際開發的工程實例，是一本理論與實用兼顧的參考工具書。

·13.5萬字

會員

工業物聯網技術及應用

面向智能制造應用需求，以物聯網技術與先進制造技術深度融合為主線，主要介紹：工業物聯網概念和體系架構；工業現場智能感知技術；工業現場海量數據實時傳輸技術；工業大數據存儲與處理技術；工業大數據集成與融合技術；工業物聯網技術行業應用，包括汽車制造、3C制造、軌道交通裝備、航空航天等。

·18.8萬字

會員

圖深度學習從理論到實踐

圖神經網絡是人工智能的一個熱點方向，從圖的視角解讀大數據，可以靈活建模復雜的信息交互關系，吸引大量學者的關注并在多個工業領域得到廣泛應用。《圖深度學習從理論到實踐》由淺入深，全面介紹圖神經網絡的基礎知識、典型模型方法和應用實踐。《圖深度學習從理論到實踐》不僅包括一般的深度學習基礎和圖基礎知識，還涵蓋了圖表示學習、圖卷積、圖注意力、圖序列等典型圖網絡模型，以京東自研的Galileo平臺為代表的圖學習框架，以及圖神經網絡在電商推薦和流量風控方面的兩個典型工業應用。《圖深度學習從理論到實踐》既適合對數據挖掘、機器學習方向以及圖建模交叉方向感興趣的高年級本科生和研究生作為教材使用，也適合互聯網電商、金融風控、社交網絡分析、藥物研發等企業的從業者參考學習。

·9.5萬字

會員

生成式人工智能

ChatGPT一經問世，在全球范圍內引起巨大轟動，GPT-4接入未來辦公軟件更是讓人震驚，而且技術正在以前所未有的速度快速迭代。那么，以這些技術為代表的生成式人工智能（AIGC）是否為新一輪的技術革命？它到底能做什么，具有哪些優勢和場景應用趨勢？面對新技術，未來商業的機會在哪里，對我們個人又有著什么樣的影響？……這些問題對于我們理解當下，面向未來都十分重要。本書基于作者的專業背景和長期實踐，系統介紹生成式人工智能的內在邏輯與應用，并將其與產業發展，理論和實際相結合，幫助讀者從本源了解生成式人工智能，結合未來趨勢和發展為讀者指明方向。

·10.8萬字

會員

深度學習與神經網絡

神經網絡與深度學習是人工智能研究的重要領域，是機器學習的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規律的科學。本書緊緊圍繞神經網絡和深度學習的基礎知識體系進行系統的梳理，力求從基礎理論、經典模型和前沿應用展開論述，便于讀者能夠較為全面地掌握深度學習的相關知識。全書共16章。第1章是緒論，簡要介紹人工智能、機器學習、神經網絡與深度學習的基本概念及相互關系，并對神經網絡的發展歷程和產生機理進行闡述；第2章介紹神經網絡的基本神經元模型、網絡結構、學習方法、學習規則、正則化方法、模型評估方法等基礎知識；第3～8章介紹多層感知器神經網絡、自組織競爭神經網絡、徑向基函數神經網絡、卷積神經網絡、循環神經網絡、注意力機制與反饋網絡；第9章介紹深度學習網絡優化的相關內容；第10～13章介紹受限玻爾茲曼機和深度置信網絡、棧式自編碼器、生成對抗網絡和圖神經網絡；第14章介紹深度強化學習；第15章介紹深度學習的可解釋性；第16章介紹多模態預訓練模型。深度學習是源于對含有多個隱藏層的神經網絡結構進行的研究，以便建立和模擬人腦的學習過程。本書整理了人工神經網絡從簡單到復雜的模型，歸納和總結了神經網絡的理論、方法和應用實踐。本書可以作為高等院校人工智能及相關專業或非計算機專業的參考用書，也可以作為人工智能領域的科技工作者或科研機構工作人員的參考用書。

·20萬字

會員

可解釋人工智能導論

本書全面介紹可解釋人工智能的基礎知識、理論方法和行業應用。全書分為三部分，共11章。第一部分為第1章，揭示基于數據驅動的人工智能系統決策機制，提出一種基于人機溝通交互場景的可解釋人工智能范式。第二部分為第2～5章，介紹各種可解釋人工智能技術方法，包括貝葉斯方法、基于因果啟發的穩定學習和反事實推理、基于與或圖模型的人機協作解釋、對深度神經網絡的解釋。第三部分為第6～10章，分別介紹可解釋人工智能在生物醫療、金融、計算機視覺、自然語言處理、推薦系統等領域的應用案例，詳細說明可解釋性在司法、城市管理、安防和制造等實際應用中發揮的積極作用。第11章對全書進行總結，并論述可解釋人工智能研究面臨的挑戰和未來發展趨勢。此外，本書的附錄給出可解釋人工智能相關的開源資源、中英文術語對照及索引，方便讀者進一步查閱。本書既適合高等院校計算機和信息處理相關專業的高年級本科生和研究生，以及人工智能領域的研究員和學者閱讀；也適合關注人工智能應用及其社會影響力的政策制定者、法律工作者、社會科學研究人士等閱讀。

·20.4萬字

會員

區塊鏈實戰

本書全景式地描述了互聯網前沿技術——區塊鏈，分別從區塊鏈的起源、區塊鏈在全球各個國家的發展現狀、區塊鏈的四大核心技術、基于區塊鏈底層技術的數字貨幣發展現狀等角度進行描述。另外，為了更好地理解區塊鏈，本書講述了區塊鏈在數字貨幣領域、金融領域、物聯網領域、大數據領域、醫療領域、教育領域、公證領域等七個領域的應用。區塊鏈是一場技術革命。在不久的將來，我們會看到區塊鏈與傳統行業的直接較量。而且這是一場不同層面的競爭，傳統行業被新技術取代已成必然趨勢。所以在一切還未發生之前，關注區塊鏈、參與區塊鏈、應用區塊鏈是至關重要的。通過閱讀本書，讀者只需要花費一周的時間就可以理解區塊鏈是什么以及它能干什么，并且理解區塊鏈在各個領域的價值所在。

·14.5萬字

會員

代數大腦：揭秘智能背后的邏輯

本書英文版出版至今已近20年，但關于大腦究竟如何工作的問題至今仍無答案，而符號主義（認為大腦是類似于計算機的加工符號的機器）與聯結主義（認為大腦是并行運轉的大型神經網絡）之間的爭論也從未停息。本書分析了聯結主義模型和符號加工模型在計算方面的優勢和劣勢，關注不同聯結主義模型之間的差異以及特定模型與符號加工的特定假設之間的關系，并圍繞多層感知器展開討論。書中的觀點在今天依然頻繁成為學術討論的焦點，并為認知科學、人工智能、深度學習等領域的未來研究指明了可能的方向。

·12.3萬字

會員

大話機器智能：一書看透AI的底層運行邏輯

本書以有趣的案例和深入淺出的語言，直擊AI的底層運行邏輯與核心原理，勾勒人工智能的全貌，以便讀者掌握AI技術要點，打通AI的各種技術壁壘，厘清不易察覺的“認知錯誤”，從而更好地認識正在運轉的神秘AI世界。本書共9章，邏輯上分為三部分。第1～3章是人工智能的基礎理論，通過生動、有趣的講解，讓讀者知道支撐AI的基礎學科如何起作用：如何基于統計學和概率論找到應對不確定性的有效方法與解題思路如何基于數據統計的基礎知識與原理避開數據“陷阱”，給出謹慎的主觀結論如何從數學視角理解信息的處理模型。第4～7章討論人工智能的核心技術——數據、算法、算力，詳細介紹大數據是如何處理的，如何通過機器學習算法和深度學習算法讓機器正確認識數據間的關聯與規律，以及如何通過算力整合與軟件協作實現更高效的智能。第8～9章探討一些人工智能安全話題——大數據“殺熟”、隱私計算、深度偽造技術、對抗樣本攻擊、數據投毒攻擊、攻防博弈等，并展望人工智能的未來，包括：人工智能會搶走人類的工作嗎？機器人會統治人類嗎？通用人工智能會出現嗎？未來到底會變成什么樣子？

·20.8萬字

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

人工智能算法基礎

本書分為4章，共20章。其中第1篇為基礎算法篇，從第1章到第9章，講述排序、查找、線性結構、樹、散列、圖、堆棧等基本數據結構算法；第2篇為機器學習算法篇，從第10章到第14章，講述分類算法、回歸算法、聚類算法、降維算法和集成學習算法；第3篇為強化學習算法篇，從第15章到第16章，講述基于價值的強化學習算法和基于策略的強化學習算法；第4篇為深度學習算法篇，從第17章到第19章，講述神經網絡模型算法、循環神經網絡算法和卷積神經網絡算法等內容。

·0字

會員

人工智能數學基礎與Python機器學習實戰

本書分為3個部分：第1章和第2章是人工智能的數學基礎，主要介紹了機器學習的概念、Python開發環境的搭建、機器學習bibei的數學知識，以及線性代數和概率論的相關知識；第3~12章主要介紹了回歸模型、分類模型、聚類模型、半監督模型的建立和相關算法的理論，以及如何使用sklearn具體實現相關算法模型的搭建；第13章介紹了Spark機器學習，筆者認為對于機器學習，不能只限于Python中的sklearn的學習，還要緊跟大數據時代的發展。

·0字

會員

深度學習：卷積神經網絡從入門到精通

本書專注討論深度學習中應用非常廣泛的模型——卷積神經網絡，該模型特別適用于圖像分類和識別、目標分割和檢測以及人工智能游戲方面，受眾對象包括計算機、自動化、信號處理、機電工程、應用數學等相關專業的研究生、教師以及算法工程師和科研工作者。本書的最大特色是對卷積神經網絡進行由淺入深的分類描述，依次包括：現代雛形、突破模型、應變模型、加深模型、跨連模型、區域模型、分割模型、特殊模型、強化模型和頂尖成就。這種分類框架是在模型概述和預備知識的基礎上逐步展開的，既方便讀者入門學習，又有助于讀者深入鉆研。

·14.8萬字

會員

深度學習與目標檢測：工具、原理與算法

隨著深度學習技術的發展、計算能力的提升和視覺數據的增加，計算機視覺技術在圖像搜索、智能相冊、人臉閘機、城市智能交通管理、智慧醫療等諸多領域都取得了令人矚目的成績。越來越多的人開始關注這個領域。計算機視覺包含多個分支，其中圖像分類、目標檢測、圖像分割、目標跟蹤等是計算機視覺領域最重要的幾個研究課題。本書介紹的目標檢測技術，本質上就是通過計算機運行特定的算法，檢測圖像中一些受關注的目標。當今時代，我們很容易在互聯網上找到目標檢測算法的開源代碼，運行代碼并不是什么難事，但理解其中的原理卻有一定的難度。我們編寫本書的目的就是由淺入深地向讀者講解目標檢測技術，用相對通俗的語言來介紹算法的背景和原理，在讀者“似懂非懂”時給出實戰案例。實戰案例的代碼已全部通過線下驗證，代碼并不復雜，可以很好地幫助讀者理解算法細節，希望讀者在學習理論之后可以親自動手實踐。目標檢測的理論和實踐是相輔相成的，希望本書可以帶領讀者走進目標檢測的世界。

·8.6萬字

會員

智能計算系統實驗教程

本書是《智能計算系統》的配套實驗教程，結合智能計算系統的軟硬件技術棧設計了基于通用CPU平臺和深度學習處理器平臺的分階段實驗和綜合實驗。其中，分階段實驗以風格遷移作為驅動范例，包括算法實驗（第2～3章）、編程框架實驗（第4章）、智能編程語言實驗（第5章）、深度學習處理器運算器設計實驗（第6章）。通過完成分階段實驗，讀者可以開發出一個可完成圖像風格遷移任務的智能計算系統。綜合實驗（第7章）包括目標檢測、文本檢測、自然語言處理等不同應用領域的實驗，可以幫助讀者鞏固對軟硬件技術棧相關知識的系統理解，讓讀者了解不同應用領域對智能計算系統的需求。本書適合作為高等院校人工智能及相關專業的教材，以及相關領域從業人員的參考書。作者團隊還為本書設計了一款配套的游戲，利用游戲中的“稠密獎勵”“即時獎勵”和“體系性獎勵”等機制來提升讀者的學習熱情。

·13.4萬字

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

現代推薦算法