| 2641 |
|
人工智能创新实验简明教程 |
本书专注于人工智能的基本原理和实践应用，分为理论篇和实验篇。理论篇包括第1-6章，主要介绍了人工智能基础知识、深度神经网络、深度神经网络的软件平台、典型网络及应用示例、ChatGPT和AIGC；实验篇即第7章，主要包括分类与检索、智能检测、智能识别、视频分析、语言和文本处理、三维图像处理、智能预测、智能推荐、智能优化、智能数据挖掘、安全与对抗等11类实验。 |
焦李成等编著 |
西安电子科技大学出版社 |
TP18 |
49 |
0 |
荐购
|
| 2642 |
|
先进数据存力:加速智能经济发展的高性能引擎 |
数据存储产业自数字时代起就作为ICT核心技术之一，持续推动产业与社会经济发展。在智能时代，面对全球数据量增长、数据要素市场发展、AI应用普及、网络安全复杂化和低碳绿色发展等趋势，数据存储产业应迈向“先进数据存力”。全球各区域与企业应体系化规划和推进先进数据存力建设，并进行持续投资，以应对智能经济时代的业务挑战。本书通过6大维度的评估，帮助各行业科学客观地评估和规划数据存力建设策略，并结合实际案例，为读者提供参考。 |
华为数据存储产品线著 |
人民邮电出版社 |
TP18-05 |
79.8 |
0 |
荐购
|
| 2643 |
|
中国人工智能基础研究2035发展战略 |
本书梳理了人工智能基础研究相关的主要学科领域及其在人工智能发展中的作用，重点论述了认知神经科学、认知心理学、统计学和数学等各个学科领域在人工智能基础研究中的科学意义与战略价值、研究特点与发展规律、发展现状与发展态势，揭示了人工智能本质问题中认知神经科学和认知心理学的借鉴意义，分析了当前人工智能的机理、数学解释、建模和具体实现的方法、技术和面临的瓶颈，探讨了发展新的人工智能的理论方法，提出了未来人工智能研究的一些可能的基础研究方法和研究方向、人工智能的基础研究方面面向2035年的发展思路与发展方向、政策建议等。 |
“中国学科及前沿领域发展战略研究(2021-2035)”项目组编 |
科学出版社 |
TP18-12 |
228 |
0 |
荐购
|
| 2644 |
|
人工智能实验:通识课版 |
本书是《大学计算机基础实验教程(第三版)》的后续教程，同时也是《计算机基础与人工智能(第四版)》(杨俊等主编，科学出版社出版)的配套教材。主要内容包括上机实验、习题与参考答案、主教材习题参考答案。其中，上机实验包括8个实验，涉及问题分析与求解、软件机器人和AI大模型应用，每个实验设有实验目的和实验内容。学生能够明确上机实验任务，培养计算思维和人工智能思维，提升综合解决问题的能力和AI大模型应用能力。 |
郭丹，杨俊，吕鸿略主编 |
科学出版社 |
TP18-33 |
45 |
0 |
荐购
|
| 2645 |
|
7步玩转DeepSeek:零基础实战指南 |
全书以“7天学习法”为核心框架，系统拆解DeepSeek智能助手在职场、生活、创作等场景的深度应用。从注册入门到高阶技巧，从文案生成、数据分析到法律文书复核、多线程任务处理，作者通过实操案例(如5分钟写投诉信、AI家教助手、旅行定制方案等)，手把手教会读者解锁AI生产力。书中提出“智能选题-人机协作-算法优化”全流程方法论，并融入安全使用指南，帮助用户规避技术风险，实现从工具使用者到智能协作高手的跨越。 |
林开平著 |
江苏凤凰文艺出版社 |
TP18-62 |
59.8 |
0 |
荐购
|
| 2646 |
|
图解人工智能 |
本书以图解的方式网罗了人工智能开发必备的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。本书是一本介绍AI的大众科普书，图文并茂、生动有趣地解释了人工智能的基础知识，对于那些想了解人工智能技术并希望提高技能的人来说，这是一本入门书。 |
(日)三津村直贵著 |
中国科学技术出版社 |
TP18-64 |
69 |
0 |
荐购
|
| 2647 |
|
异策略安全约束强化学习 |
本书深入探讨了强化学习在现实世界应用中面临的安全挑战，特别是在与不可预测环境交互时确保智能体的安全性。书中提出了基于约束的强化学习方法，区分奖励函数与安全相关的成本函数，以实现安全与性能的平衡。分别针对安全风险控制和训练安全保证问题，开发了相应的算法。本书不仅贡献了相关安全强化学习算法理论，也为实践中强化学习的安全应用提供了全面的算法支持，同时展望了元学习及无重置学习等技术，以求安全理论的进一步突破，为追求更安全、可靠的强化学习应用奠定基础。 |
杨奇松等著 |
国防工业出版社 |
TP181 |
88 |
0 |
荐购
|
| 2648 |
|
机器学习及其应用 |
本书共11章，分别介绍机器学习基本概念、决策树、K最近邻算法、支持向量机、线性模型、贝叶斯分类器、数据降维、聚类算法、人工神经网络、随机森林等基础模型或算法。本书通过具体的案例让读者学到思考问题的方式，包括决策树算法案例、K最近邻算法案例、SVM算法案例、logistic回归算法案例、贝叶斯分类器案例、数据降维算法案例、聚类算法案例、人工神经网络案例、随机森林案例，帮助读者了解机器学习的各种算法，让读者真正理解算法、学会使用算法。对于计算机科学、人工智能及其相关专业的本科生与研究生而言，本书是入门及深入学习的理想选择；同时，对于致力于人工智能产品研发的工程技术人员来说，本书极具参考价值。 |
刘佳琦，钟玉珍，吴鑫主编 |
电子工业出版社 |
TP181 |
49 |
0 |
荐购
|
| 2649 |
|
白话机器学习:统计+概率+算法原理 |
本书系统化介绍了scikit-learn的主要算法，如线性回归、决策树、随机森林、KNN与支持向量机等，并通过波士顿房价、信用卡风险、泰坦尼克号生存分析等真实案例，示范如何将理论有效转化为实际应用。此外，本书也涵盖了特征选择、模型调校、数据预处理与机器学习效能评估等重要主题，提供给读者完整且实用的技能培养。书末更介绍了当前热门的语音识别技术，包括语音转文字及文字转语音，协助读者掌握前沿应用趋势。 |
洪锦魁著 |
清华大学出版社 |
TP181 |
149 |
0 |
荐购
|
| 2650 |
|
多视图深度学习方法与应用 |
本书在介绍多视图学习、深度学习基本理论方法后，重点介绍前沿的代表性多视图深度学习方法，并介绍方法的多种应用情况。该书是对前沿的多视图深度学习方法与技术一个很好的总结，有助于机器学习及人工智能领域的研究工作。 |
荆晓远等编著 |
科学出版社 |
TP181 |
98 |
0 |
荐购
|
| 2651 |
|
深度学习理论及实践:从机器学习到深度强化学习 |
本书全面梳理机器学习、深度学习和强化学习相关理论和方法，完整设计各种模型和算法的应用实例。首先概述与人工智能和深度学习相关的基本概念和发展历程；然后详细介绍机器学习中的回归任务、分类任务、梯度下降法的基本理论和算法，并给出完整的TensorFlow编程实例；之后循序渐进地阐述人工神经网络与深度学习、深层神经网络的训练方法、卷积神经网络和典型的网络模型，并给出各种模型和算法的TensorFlow编程实例，包括完整的数据处理、模型构建、模型训练和测试、模型评估、实验结果分析、算法优化和改进；最后介绍强化学习、深度强化学习的基本理论和具体算法，并给出相关算法应用的TensorFlow编程实例。 |
魏翼飞，李骏编著 |
清华大学出版社 |
TP181 |
59 |
0 |
荐购
|
| 2652 |
|
联邦学习 |
本书全面介绍了联邦学习的核心概念与关键技术，涵盖基础知识、隐私安全、个性化学习、贡献度评估、与大模型的关系、拜占庭问题及实际应用案例。本书将帮助读者深入理解并掌握联邦学习这一前沿领域的理论与实践。 |
韩宇星，杨强编著 |
清华大学出版社 |
TP181 |
45 |
0 |
荐购
|
| 2653 |
|
机器学习及智慧交通应用 |
本书从机器学习的基本概念出发，逐步深入讲解经典机器学习方法、深度学习、卷积神经网络、循环神经网络以及大模型技术，以及它们在智慧交通中的应用，包括车辆追尾预警、交通事故严重程度判断、自动驾驶技术等丰富的案例。本书主要内容有绪论、回归分析、逻辑回归、K邻近算法、决策树、支持向量机、集成学习、贝叶斯分析、聚类分析、深度学习基础及交通标志分类实践项目、卷积神经网络理论及斑马线检测项目、循环神经网络及实践、大模型技术原理及交通领域智能体应用。 |
徐国艳主编 |
机械工业出版社 |
TP181 |
59 |
0 |
荐购
|
| 2654 |
|
知识建模与机器学习 |
本书为学术专著。随着技术的不断进步，知识建模和机器学习正在逐渐融合。一方面，机器学习为知识建模提供了强大的数据处理能力，使得模型能够更加精准地反映现实世界。另一方面，知识建模为机器学习提供了结构化的知识框架，使得学习过程更加高效和可解释。同时，知识建模通过构建和应用知识模型，将分散、异构的数据资源转化为统一、有序的知识体系，提供高质量的数据。这不仅能够提高数据的可访问性和可用性，还能够促进不同领域、不同组织之间的数据交流与合作，从而实现知识的共创与共享，为机器学习和深度学习做好高质量的数据准备。 |
刘秋菊，石彦华著 |
郑州大学出版社 |
TP181 |
59 |
0 |
荐购
|
| 2655 |
|
深度学习基础与案例教程 |
本书主要介绍深度学习基础理论及案例实战，共11章内容，从人工智能基础，到深度学习算法原理，再到深度学习项目实战，逻辑清晰，由浅入深，内容层次分明。从简单的线性模型引出非线性的深度学习模型。深度学习模型部分主要讲解卷积神经网络、循环神经网络、Transformer模型及应用、生成对抗网络、迁移学习等。本书在介绍理论内容时配有公式推导和详细的理论定义，便于读者理解。在项目实战方面，本书每个算法理论都对应一个案例进行巩固，并在最后两章结合深度学习的两大领域——自然语言处理与计算机视觉，选取电影评论情感分析与图像分类作为全书的综合实战项目，对全书内容进行总结。 |
迟殿委，贾泽豪主编 |
机械工业出版社 |
TP181 |
69.9 |
0 |
荐购
|
| 2656 |
|
深度学习推荐方法及应用 |
本书具体包括：(1)介绍了推荐系统的历史发展，并概述了各个阶段的技术。(2)提出了基于“字符-短语”注意力机制和因子分解机的混合推荐方法，提升模型提取特征的表征能力，有效解决传统推荐方法存在的数据稀疏、冷启动难和特征提取过度依赖人工等问题。(3)考虑位置信息，提出了一种可以有效提升数据利用率的基于“局部-整体”注意力机制的个性化兴趣点推荐方法(HAM-POIRec)，解决单个用户存在数据稀疏、冷启动难和难以挖掘出有价值的长尾POI的问题。(3)解决深度强化学习方法在推荐领域存在的用户项目数量过大且动态可变、动作空间高度离散和环境交互反馈极度稀疏等问题，提出了一种基于层次注意力和增强经验优先回放机制的深度强化推荐方法(HEDRL-Rec)，实现了不依赖人工标注数据的个性化推荐。(4)提出了一种基于自适应元模仿学习的推荐环境模拟器，可以有效训练深度强化推荐算法，以及为各类算法提供在线测试环境。(5)针对船运场景，从实操角度阐述以推荐算法在船货匹配场景的工程应用。 |
庞光垚著 |
电子工业出版社 |
TP181 |
59 |
0 |
荐购
|
| 2657 |
|
机器学习方法:2版 |
本书全面系统地介绍了机器学习的主要方法，共分四篇。第一篇介绍监督学习的主要方法，包括决策树、感知机、支持向量机、最大熵模型与逻辑斯谛回归、提升法、多类分类法、EM算法、隐马尔科夫模型和条件随机场等；第二篇介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、马尔可夫链蒙特卡洛法、潜在语义分析、PageRank等。第三篇介绍深度学习的主要方法，包括前馈神经网络、卷积神经网络、循环神经网络、序列到序列模型、预训练语言模型、生成对抗模型等。第四篇介绍强化学习的主要方法，包括马尔可夫决策过程、多臂老虎机等。四篇中，除概论和总结外，每章介绍一或二种方法。叙述从具体问题或实例入手，由浅入深，推理严格，注重阐明解决问题的思路，便于读者掌握模型、策略和算法的实质，学会运用。 |
李航著 |
清华大学出版社 |
TP181 |
198 |
0 |
荐购
|
| 2658 |
|
深度学习入门:5:生成模型 |
本书主要围绕生成模型进行讲解。生成模型是一种非常重要的技术，对于人工智能的发展有着重要的作用。本书延续了作者通俗易懂的行文风格，以深入浅出的方式介绍正态分布到扩散模型所涉及的技术，并最终完成一个类似于Stable Diffusion的图像生成人工智能。读者可在创建这个图像生成人工智能的过程中学习各类技术，边做边思考，体会到技术的有趣之处蕴藏在各个细节中这一点，从而加深对生成模型的理解。 |
(日)斋藤康毅著 |
人民邮电出版社 |
TP181 |
109.8 |
0 |
荐购
|
| 2659 |
|
机器学习算法思想与实践 |
本书系统讲解了机器学习的基础知识体系与实践框架，共8章。首先介绍机器学习的基本概念、发展历程及分类(监督学习、无监督学习等)，接着深入讲解相似度计算、模型性能评估、数据收集与预处理、特征工程等核心环节，并针对常见算法(如线性回归、决策树、支持向量机、集成学习等)，结合生活化案例剖析其设计思想与实现逻辑。最后，本书专设Python编程基础与经典算法实践章节，通过完整案例演示数据准备、模型训练到评估优化的全过程，并辅以代码示例与单元测试指导，助力读者提升机器学习算法的代码实践能力。 |
夏家莉，白耀辉，卢思洋主编 |
中国铁道出版社有限公司 |
TP181 |
56 |
0 |
荐购
|
| 2660 |
|
大模型训练与推理加速实战:基于CUDA计算平台 |
本书共10章，首先介绍大模型训练面临的计算复杂性、内存带宽和数据传输瓶颈等问题，并讲解基于NCCL(NVIDIACollectiveCommunicationsLibrary)的优化方法；然后，通过深入浅出的讲解，展示如何使用TensorRT进行推理加速，并探讨多模型并行推理架构、混合精度训练与推理等优化策略；最后，详细阐述端侧推理加速，特别是在移动设备和边缘设备中的应用，强调模型量化、裁剪等技术在推理加速中的重要作用。 |
芯智智能，温凯楠编著 |
电子工业出版社 |
TP181 |
118 |
0 |
荐购
|
