本书以通俗的语言和生动的案例，将ChatGPT、AIGC和元宇宙等热点一网打尽，全面展示“台前”“幕后”的来龙去脉，是一本深入浅出的通识书。本书将为你拨开迷雾，搞懂底层逻辑，把握风靡全球的未来科技和AI新时代的成长机会。
本书从数据集、数据清理开始谈起，在介绍机器学习的建模方式后，第2章详细说明了机器学习与深度学习所涉及的矩阵、向量等技术。第3章使用Keras搭建深度学习模型，也介绍了激活函数、损失函数、反向传播、过拟合或欠拟合等问题。第4章给出了训练深度学习模型的过程中可能存在的交叉验证问题。当需要提高模型精度时，可以考虑参考第5章中的L1/L2正则化、丢弃正则化、早停等方式。第6章讲解模型评估问题，在太平洋飓风数据集上指出准确率的局限性，从而引出混淆矩阵、ROC曲线、AUC评分等概念。接下来的3章介绍卷积神经
本书以通俗易懂的语言对ChatGPT进行全面讲解。本书分为10章。第1章对ChatGPT及ChatGPT的创造者OpenAI进行初步讲解。第2章讲解ChatGPT的功能和使用方式，以及如何用ChatGPT在实际应用场景中解决问题。第3章讲解如何用Prompt（提示语）让ChatGPT输出更有价值的内容，并讲解设计Prompt的原则，以及如何用第三方工具提升Prompt的使用效率。第4章讲解ChatGPT的能力缺陷并提出一些解决方案。第5章讲解传统智能对话机器人的原理和实现架构，涉及知识问答机器人
本书着眼于人工智能自身的安全问题，旨在将当前人工智能安全的基础问题、关键问题、核心算法进行归纳总结。本书的定位是学习人工智能安全的入门书籍，因此先详细介绍了人工智能安全相关的基础知识，包括相关的基础算法和安全模型，使得读者明确人工智能面临的威胁，对人工智能安全有一个大体的概念和初步认识。然后将人工智能系统的主要安全威胁分为模型安全性威胁和模型与数据隐私威胁两大类。模型安全性威胁主要包括投毒攻击、后门攻击、对抗攻击、深度伪造。模型与数据隐私威胁主要包括窃取模型的权重、结构、决策边界等模型本身信息和
本书通过基础理论和算法实践相结合，循序渐进地介绍了人工智能领域中的常见算法，并以围棋游戏作为媒介，全面、系统地介绍了人工智能算法的实现方法，并通过Keras和PyTorch框架实践人工智能算法中的深度强化学习内容。全书共10章，分别介绍围棋的基础知识、如何制作围棋软件、传统棋类智能算法、神经网络入门知识、如何实现围棋智能体程序、通用化围棋智能体程序、策略梯度算法、基于价值的深度学习网络(DQN)算法、ActorCritic算法、如何实践AlphaGo和AlphaZero等知识，书中的每个知识点
遥远滨海小镇的某个夏日，美丽的金发少女爱丽丝翩然而至，她不会言语、不会行动，少年悠翔肩负起照料她的职责。在日常琐碎的欢笑、喧闹和争吵中，他们学会爱、包容与宽恕。 伴随爱丽丝成长的脚步，立命馆大学教授谷口忠大从人工智能技术出发，关注伦理、情感、人机互动等丰富多元的话题，展现了人工智能技术之外的广阔图景，同时向读者提供了人工智能和哲学、语用学、发展心理学等学科领域的跨学科视角。
人工智能超入门丛书致力于面向人工智能各技术方向零基础的读者，内容涉及数据思维、数据科学、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。本书是人工智能超入门丛书的一个分册，以机器学习为主线，介绍如何利用机器学习进行数据分析。全书内容共分7章，主要包括机器学习基本概念、数据分析相关基础知识、机器学习解决四类问题（回归问题、分类问题、聚类问题、降维问题）的算法、神经网络相关知识
本书先介绍深度强化学习的基础知识及相关算法，然后给出多个实战项目，以期让读者可以根据环境的直接反馈对智能体加以调整和改进，提升运用深度强化学习技术解决实际问题的能力。本书涵盖深度Q网络、策略梯度法、演员-评论家算法、进化算法、Dist-DQN、多智能体强化学习、可解释性强化学习等内容。本书给出的实战项目紧跟深度强化学习技术的发展趋势，且所有项目示例以JupterNotebook样式给出，便于读者修改代码、观察结果并及时获取经验，能够带给读者交互式的学习体验。本书适合有一定深度学习和机器学习基础并
本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分：第一部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法；第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikitlearn和人工智能工具集OpenAIGym；第三部分是机器学习算法与Python实践篇（第4
《Python机器学习项目实战》引领大家在构建实际项目的过程中，掌握关键的机器学习概念!使用机器学习，我们可完成客户行为分析、价格趋势预测、风险评估等任务。要想掌握机器学习，需要有优质的范例、清晰的讲解和大量的练习。本书完全满足这三点!本书展示了现实、实用的机器学习场景，并全面、清晰地介绍了机器学习的关键概念。在学习本书的过程中，读者将会完成一些引人入胜的项目，比如使用线性回归预测汽车价格，部署客户流失预测服务等。读者将**算法，学习在无服务器系统上部署机器学习应用，以及使用Kubernetes
书单推荐 更多 新书推荐 更多
