人工智能:改变世界重建未来(带目录)_人工智能教程
人工智能

人工智能:改变世界重建未来(带目录)_人工智能教程

资源名称:人工智能:改变世界,重建未来(带目录) 内容简介: 为何只能在有限范围使用的弱人工智能突然变得聪明起来?拥有人类的创造力、复制人类的思维、与人类相爱……人工智能究竟能走多远?智能时代,人类的工作、价值、思维是更进化还是会被淘汰?  从无所不知的语音助手到复制人类思维的虚拟替身,这本《人工智能》将人工智能发展历史上一个个有趣的故事串联起来,并梳理了计算机之父艾伦·图灵、深度学习鼻祖杰夫·辛顿等众多对人工智能的发展起到重要作用的历史人物,把科幻与真实交错、古老与现代并存的人工智能全方位、多角度地展现在我们面前,倾情描绘了人工智能时代的精彩。  人工智能作为人类的伟大作品,也对我们的生活产生了重大影响,不管是智能制造还是未来就业,人工智能都不可避免地参与到人类的未来命运中。我们该如何抓住机遇,积极迎接人工智能带来的挑战?答案就在这本《人工智能》中。 作者简介: 卢克?多梅尔(Luke Dormehl) 著名科技记者,纪录片和电影制片人,与世界上很多大型科技公司都有合作。经常为《连线》、《卫报》、《快公司》等媒体撰写科技类文章。曾出版《算法时代》《苹果革命》等著作。 资源目录: 推荐序前言第一章 表现不俗的传统人工智能怎么了未来已来人工智能的三位卓越先驱达特茅斯会议传统人工智能的黄金时期太空机器人沙基“中文房间”实验莫拉维克悖论转变目标专家系统谷歌诞生 第二章 以自主学习的方式创建新的人工智能自主学习的重要性神经科学之父以神经元模型为基础的感知器关于感知器的争论霍普菲尔德网的兴起神经网络的守护神联结主义者欢迎来到深度学习领域人工智能新主流 第三章 万物互联的智能时代已经来临智能设备成为现代生活的必需品会思考的事物“控制论”简史早期的自动机器人计量生物学上的记录者未来家庭机器学习的普及智慧城市做好互联网消失的准备智能设备存在的问题 第四章 人工智能助手如何为我们效劳打败图灵测试人工智能助手的兴起多功能的人工智能助手从被动人工智能助手到主动人工智能助手数字民主与人工智能助手相爱人工智能的人性化合格的心理治疗师出门请带上它们 第五章 人工智能正在改变就业市场亲爱的沃森一个技术性失业的世界技术更新换代的积极意义新工作机会的产生土耳其机器人的复仇人工智能中的人类元素 第六章 人工智能真的具有创造力吗机器人的创造力什么叫创造力“重生”的甲壳虫乐队天才的灵光一现人工智能能否成为发明家洛夫莱斯测试祝贺沃森大厨 第七章 意识上传实现人类永生利用机器实现死后永生个性捕捉延长人类寿命模拟神经元绘制大脑下一个大事件意识上传 第八章 人工智能关乎未来的一切末日的开端奇点来临狭义与广义的区别人工智能带来的风险“黑箱”风险我们无法起诉机器人机器人学的三大法则人工智能的权利结 论 当机器变得更加智能致 谢译后记 资源截图:
2017电脑报年第3期正在到来的革命_人工智能教程
人工智能

2017电脑报年第3期正在到来的革命_人工智能教程

资源名称:2017电脑报年第3期正在到来的革命 2017年第3期-正在到来的革命,PDF可以免费分享了,在这期未来科技引领生活篇章,为用户介绍了无数将来要实现的科技,这些神奇的科技不断改变着人们的生活,而且中国科技变得越来越强大,还有热门内侧游戏、娱乐八卦等着大家,喜欢的朋友快来下载观看! 资源截图:
人工智能及其应用(第5版)_人工智能教程
人工智能

人工智能及其应用(第5版)_人工智能教程

资源名称:人工智能及其应用(第5版) 内容简介: 本书第5版共10章。第1章叙述人工智能的定义、起源、分类与发展。第2章和第3章研究人工智能的知识表示方法和搜索推理技术。第4章探讨不确定性推理的主要方法。第5章阐述计算智能的基本知识。第6章至第10章逐一讨论了人工智能的主要应用领域,包括专家系统、机器学习、自动规划、分布式人工智能和自然语言理解等。与第4版相比,许多内容都是第一次出现的,例如,人工智能的分类与计算方法、谓词演算符号的规范、进化算法的框架与执行过程、专家系统的设计方法和基于Web专家系统的开发工具以及深度学习等。其他章节也在第4版的基础上作了相应的修改、精简或补充。 本书可作为高等院校有关专业本科生和研究生的人工智能课程教材,也可供从事人工智能研究与应用的科技工作者学习参考。 资源目录: 第1章绪论 1.1人工智能的定义与发展 1.1.1人工智能的定义 1.1.2人工智能的起源与发展 1.2人工智能的各种认知观 1.2.1人工智能各学派的认知观 1.2.2人工智能的争论 1.3人类智能与人工智能 1.3.1智能信息处理系统的假设 1.3.2人类智能的计算机模拟 1.4人工智能系统的分类 1.5人工智能的研究目标和内容 1.5.1人工智能的研究目标 1.5.2人工智能研究的基本内容 1.6人工智能的研究与计算方法 1.6.1人工智能的研究方法 1.6.2人工智能的计算方法 1.7人工智能的研究与应用领域 1.8本书概要 习题1 第2章知识表示方法 2.1状态空间表示 2.1.1问题状态描述 2.1.2状态图示法 2.2问题归约表示 2.2.1问题归约描述 2.2.2与或图表示 2.3谓词逻辑表示 2.3.1谓词演算 2.3.2谓词公式 2.3.3置换与合一 2.4语义网络表示 2.4.1二元语义网络的表示 2.4.2多元语义网络的表示 2.4.3语义网络的推理过程 2.5框架表示 2.5.1框架的构成 2.5.2框架的推理 2.6本体技术 2.6.1本体的概念 2.6.2本体的组成与分类...
tensorflow实战_人工智能教程
人工智能

tensorflow实战_人工智能教程

资源名称:tensorflow实战 内容简介: Google近日发布了TensorFlow 1.0候选版,这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源,距今已有一年多,这期间TensorFlow不断给人以惊喜,推出了分布式版本,服务框架TensorFlow Serving,可视化工具TensorFlow,上层封装TF.Learn,其他语言(Go、Java、Rust、Haskell)的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold,以及数不胜数的经典模型在TensorFlow上的实现(Inception Net、SyntaxNet等)。在这一年多时间,TensorFlow已从初入深度学习框架大战的新星,成为了几近垄断的行业事实标准。 《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow(基于1.0版本API)。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理,TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络:AutoEncoder、MLP、CNN(AlexNet,VGGNet,Inception Net,ResNet)、Word2Vec、RNN(LSTM,Bi-RNN)、Deep Reinforcement Learning(Policy Network、Value Network)。此外,《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习,在工业界或者研究中快速地将想法落地为可实践的模型。 资源目录: 1 TensorFlow基础 1 1.1 TensorFlow概要 1 1.2 TensorFlow编程模型简介 4 2 TensorFlow和其他深度学习框架的对比 18 2.1 主流深度学习框架对比 18 2.2 各深度学习框架简介 20 3 TensorFlow第一步 39 3.1 TensorFlow的编译及安装 39 3.2 TensorFlow实现SoftmaxRegression识别手写数字 46 4 TensorFlow实现自编码器及多层感知机 55 4.1 自编码器简介 55...
21个项目玩转深度学习:基于Tensorflow的实践详解_人工智能教程
人工智能

21个项目玩转深度学习:基于Tensorflow的实践详解_人工智能教程

资源名称:21个项目玩转深度学习:基于Tensorflow的实践详解 内容简介: 《21 个项目玩转深度学习——基于TensorFlow 的实践详解》以实践为导向,深入介绍了深度学习技术和TensorFlow 框架编程内容。 通过本书,读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用,还可以使用神经网络生成图像和文本,进行时间序列预测、搭建机器翻译引擎,训练机器玩游戏。全书共包含21 个项目,分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣,了解算法和编程框架的细节,让学习深度学习算法和TensorFlow 的过程变得轻松和高效。本书代码基于TensorFlow 1.4 及以上版本,并介绍了TensorFlow 中的一些新特性。 本书适合有一定机器学习基础的学生、研究者或从业者阅读,尤其是希望深入研究TensorFlow 和深度学习算法的数据工程师,也适合对人工智能、深度学习感兴趣的在校学生,以及希望进入大数据应用的研究者。 资源目录: 第1章 MNIST机器学习入门 1 1.1 MNIST数据集 2 1.1.1 简介 2 1.1.2 实验:将MNIST数据集保存为图片 5 1.1.3 图像标签的独热(one-hot)表示 6 1.2 利用TensorFlow识别MNIST 8 1.2.1 Softmax回归 8 1.2.2 两层卷积网络分类 14 1.3 总结 18 第2章 CIFAR-10与ImageNet图像识别 19 2.1...
人工智能 一种现代的方法(第3版)_人工智能教程
人工智能

人工智能 一种现代的方法(第3版)_人工智能教程

资源名称:人工智能 一种现代的方法(第3版) 内容简介: 《人工智能:一种现代的方法(第3版)》是最权威、最经典的人工智能教材,已被全世界100多个国家的1200多所大学用作教材。 《人工智能:一种现代的方法(第3版)》的最新版全面而系统地介绍了人工智能的理论和实践,阐述了人工智能领域的核心内容,并深入介绍了各个主要的研究方向。全书分为七大部分:第1部分“人工智能”,第II部分“问题求解”,第III部分“知识、推理与规划”,第IV部分“不确定知识与推理”,第V部分“学习”,第VI部分“通信、感知与行动”,第VII部分“结论”。《人工智能:一种现代的方法(第3版)》既详细介绍了人工智能的基本概念、思想和算法,还描述了其各个研究方向最前沿的进展,同时收集整理了详实的历史文献与事件。另外,本书的配套网址为教师和学生提供了大量教学和学习资料。 本书适合于不同层次和领域的研究人员及学生,是高等院校本科生和研究生人工智能课的首选教材,也是相关领域的科研与工程技术人员的重要参考书。 资源目录: 第Ⅰ部分人工智能 第1章绪论 1.1什么是人工智能 1.2人工智能的基础 1.3人工智能的历史 1.4最新发展水平 1.5本章小结 参考文献与历史注释 习题 第2章智能Agent 2.1Agent和环境 2.2好的行为:理性的概念 2.3环境的性质 2.4Agent的结构 2.5本章小结 参考文献与历史注释 习题 第Ⅱ部分问题求解 第3章通过搜索进行问题求解 3.1问题求解Agent 3.2问题实例 3.3通过搜索求解 3.4无信息搜索策略 3.5有信息(启发式)的搜索策略 3.6启发式函数 3.7本章小结 参考文献与历史注释 习题 第4章超越经典搜索 4.1局部搜索算法和最优化问题 4.2连续空间中的局部搜索 4.3使用不确定动作的搜索 4.4使用部分可观察信息的搜索 4.5联机搜索Agent和未知环境 4.6本章小结 参考文献与历史注释 习题 第5章对抗搜索 5.1博弈...
TensorFlow技术解析与实战 PDF_人工智能教程
人工智能

TensorFlow技术解析与实战 PDF_人工智能教程

资源名称:TensorFlow技术解析与实战 PDF  内容简介: TensorFlow 是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。本书从深度学习的基础讲起,深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战篇和提高篇三部分。基础篇讲解人工智能的入门知识,深度学习的方法,TensorFlow的基础原理、系统架构、设计理念、编程模型、常用API、批标准化、模型的存储与加载、队列与线程,实现一个自定义操作,并进行TensorFlow源代码解析,介绍卷积神经网络(CNN)和循环神经网络(RNN)的演化发展及其TensorFlow实现、TensorFlow的高级框架等知识;实战篇讲解如何用TensorFlow写一个神经网络程序并介绍TensorFlow实现各种网络(CNN、RNN和自编码网络等)并对MNIST数据集进行训练,讲解TensorFlow在人脸识别、自然语言处理、图像和语音的结合、生成式对抗网络等方面的应用;提高篇讲解TensorFlow的分布式原理、架构、模式、API,还会介绍TensorFlow XLA、TensorFlow Debugger、TensorFlow和Kubernetes结合、TensorFlowOnSpark、TensorFlow移动端应用,以及TensorFlow Serving、TensorFlow Fold和TensorFlow计算加速等其他特性。最后,附录中列出一些可供参考的公开数据集,并结合作者的项目经验介绍项目管理的一些建议。 作者简介: 李嘉璇,创建TensorFlow交流社区,活跃于国内各大技术社区,知乎编程问题回答者。致力于人工智能的研究,对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有过上百篇论文阅读和深度学习经验,处理图像、社交文本数据情感分析、数据挖掘经验,参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛,曾任职百度研发工程师。 资源目录: 第一篇 基础篇 第1章 人工智能概述 2 1.1 什么是人工智能 2 1.2 什么是深度学习 5 1.3 深度学习的入门方法 7 1.4 什么是TensorFlow 11 1.5 为什么要学TensorFlow 12 1.5.1 TensorFlow的特性 14 1.5.2 使用TensorFlow的公司 15 1.5.3 TensorFlow的发展 16 1.6 机器学习的相关赛事 16 1.6.1 ImageNet的ILSVRC 17 1.6.2 Kaggle 18 1.6.3 天池大数据竞赛 19 1.7 国内的人工智能公司 20 1.8 小结 22 第2章 TensorFlow环境的准备 23 2.1 下载TensorFlow...
深度学习原理与TensorFlow实践 PDF_人工智能教程
人工智能

深度学习原理与TensorFlow实践 PDF_人工智能教程

资源名称:深度学习原理与TensorFlow实践 PDF  内容简介: 《深度学习原理与TensorFlow实践》主要介绍了深度学习的基础原理和TensorFlow系统基本使用方法。TensorFlow是目前机器学习、深度学习领域最优秀的计算系统之一,《深度学习原理与TensorFlow实践》结合实例介绍了使用TensorFlow开发机器学习应用的详细方法和步骤。同时,《深度学习原理与TensorFlow实践》着重讲解了用于图像识别的卷积神经网络和用于自然语言处理的循环神经网络的理论知识及其TensorFlow实现方法,并结合实际场景和例子描述了深度学习技术的应用范围与效果。 《深度学习原理与TensorFlow实践》非常适合对机器学习、深度学习感兴趣的读者,或是对深度学习理论有所了解,希望尝试更多工程实践的读者,抑或是对工程产品有较多经验,希望学习深度学习理论的读者。 作者简介: 喻俨,百纳信息(海豚浏览器)研发副总裁。2007年加入微软亚洲工程院,2011年加入百纳信息负责海外业务线,从0到1做过多个项目,现致力于AI和大数据产品的研究与应用。 莫瑜,先后任职于微软和海豚浏览器,从事搜索引擎、音乐检索/哼唱搜索、内容分发推荐算法和对话机器人技术研发。长期以来持续关注和实践大规模数据算法性能优化、搜索引擎、推荐系统和人工智能技术。 王琛,英国爱丁堡大学人工智能专业硕士,现为百纳信息技术有限公司人工智能方向负责人。早年参加过信息学奥林匹克竞赛获得河北省第一名、全国三等奖,并保送进入中山大学。大学期间,在ACM竞赛上也屡获佳绩。硕士毕业后就职于百度基础架构部,参与大数据平台研发工作,对大数据分析处理、分布式系统架构等方面都有比较深刻的理解。2014年加入百纳,负责多个项目的研发,自2016年起负责人工智能方向的探索。 胡振邦,拥有博士学位,百纳信息技术有限公司高级算法研究员,毕业于中国地质大学计算机学院地学信息工程专业。读博期间,参与了关于遥感卫星图像识别分析的863项目,并且是主要的研发人员。毕业以来,一直从事图像识别方面的算法研发工作,主要方向包括目标检测、图文检索、图像分类与验证等,在图像处理、计算机视觉等方面都有深厚的积累和经验。 高杰,是一位1980年出生于苏北的“爱学习、能折腾、有情怀”的大叔。毕业于扬州中学特招班,1998年入学华中科技大学机械系,兼修管理、会计,自学计算机,2003年考入南京大学软件学院,曾任德国西门子内部SAP咨询师,还在中银国际TMT投行、金山软件集团投资部任过职,2015年与合伙人联合创立了图灵科技集团,与华尔街顶尖交易团队一起致力于量化交易、算法模型和人工智能在金融领域的应用,目前这家公司管理着超过20亿元的资产,是细分市场的领先公司。 资源目录: 1 深度学习简介 1 1.1 深度学习介绍 1 1.2 深度学习的趋势 7 1.3 参考资料 10 2 TensorFlow系统介绍 12 2.1 TensorFlow诞生的动机 12 2.2 TensorFlow系统简介 14 2.3 TensorFlow基础概念 16 2.3.1 计算图 16 2.3.2 Session会话 18 2.4 系统架构 19 2.5...
面向机器智能的TensorFlow实践_人工智能教程
人工智能

面向机器智能的TensorFlow实践_人工智能教程

资源名称:面向机器智能的TensorFlow实践 内容简介: 本书是一本*佳的TensorFlow入门指南。几位作者都来自研发一线,他们用自己的宝贵经验,结合众多高质量的代码,生动讲解TensorFlow的底层原理,并从实践角度介绍如何将两种常见模型——深度卷积网络、循环神经网络应用到图像理解和自然语言处理的典型任务中。此外,还介绍了在模型部署和编程中可用的诸多实用技巧。 全书分为四部分,共9章。第一部分(第1~2章)讨论TensorFlow的设计模式以及选择TensorFlow作为深度学习库的优势和面临的挑战,并给出详细的安装指南。第二部分(第3~4章)深入介绍TensorFlow API的基础知识和机器学习基础。第三部分(第5~6章)探讨如何用TensorFlow实现高级深度模型,涉及卷积神经网络(或CNN)模型和循环神经网络(或RNN)模型。第四部分(第7~8章)探讨TensorFlow API中*新推出的特性,包括如何准备用于部署的模型、一些有用的编程模式等。第9章给出一些进一步了解TensorFlow的学习资源。 作者简介: 山姆·亚伯拉罕:数据科学家、工程师,富有经验的TensorFlow贡献者。 丹尼亚尔·哈夫纳:谷歌软件工程师 埃里克·厄威特:高级软件工程师 阿里尔·斯卡尔皮内里:团队负责人,高级Java开发者 段菲,清华大学信号与信息处理专业博士,前三星电子中国研究院高级研究员,现为英特尔中国研究院高级研究员。研究方向是深度学习、计算机视觉、数据可视化。参与翻译过《机器学习》《机器学习实践:测试驱动的开发方法》《DirectX103D游戏编程深度探索》等多本图书。 资源目录: 译者序 前言 第一部分 开启TensorFlow之旅 第1章 引言2 1.1 无处不在的数据2 1.2 深度学习2 1.3 TensorFlow:一个现代的机器学习库3 1.4 TensorFlow:技术概要3 1.5 何为TensorFlow4 1.5.1 解读来自官网的单句描述4 1.5.2 单句描述未体现的内容6 1.6 何时使用TensorFlow7 1.7 TensorFlow的优势8 1.8 使用TensorFlow所面临的挑战9 1.9 高歌猛进9 第2章 安装TensorFlow10 2.1 选择安装环境10 2.2 Jupyter Notebook与matplotlib12 2.3 创建Virtualenv环境12 2.4 TensorFlow的简易安装13 2.5 源码构建及安装实例:在64位Ubuntu Linux上安装GPU版TensorFlow14 2.5.1 安装依赖库14 2.5.2 安装Bazel15 2.5.3 安装CUDA软件(仅限NVIDIA GPU)16 2.5.4 从源码构建和安装TensorFlow18 2.6 安装Jupyter Notebook20 2.7 安装matplotlib20 2.8 测试TensorFlow、Jupyter Notebook及matplotlib21...