
智能学习的未来
(英)罗斯玛丽?卢金 栗浩洋更新时间:2020-07-03 18:45:43
最新章节:致谢开会员,本书8折购 >
人工智能发展迅猛,与之相比,我们人类到底还有没有优势?我们最终会被取代吗?想要在这场人机大战中取胜,我们就必须换一种方式来思考智能。罗斯玛丽?卢金教授是国际AI教育学会主席,她在《智能学习的未来》中重新定义了人类智能,提出了交织型智能模型,详解了人类智能的7大要素,指明了如何在当下和未来进行智能的学习,使我们不至于因过时的“智能”而落后于时代。
译者:徐烨华
上架时间:2020-06-01 00:00:00
出版社:浙江教育出版社
上海阅文信息技术有限公司已经获得合法授权,并进行制作发行
最新章节
(英)罗斯玛丽?卢金 栗浩洋
主页
最新上架
- 会员
AI智能语音技术与产业创新实践
本书从技术、应用和产业3个维度为切入点,对智能语音语义领域相关的热点和趋势展开研究。本书以“人与机器的对话”开篇,讲述人类语音生成、传播和感知的过程,引发对于机器智能语音听说的思考,进而阐述技术探索发展史;然后,分析了以语音交互为核心的技术现状,综合剖析提出全双工、端到端模型构建、语音假冒攻击等热点;其次,从政策、投融资和产业规模上,分析整体智能语音产业环境,纵观国内外企业在相关技术和产品上的积极计算机13.6万字 - 会员
人工智能编程实践:C++编程5级
青少年人工智能编程水平测试涵盖从数学逻辑到计算思维、从拖曳程序模块到程序编写、从数学建模到算法设计等多学科知识,能够对学生的多学科知识综合运用能力做出评价;能够通过设计的具体解决方案,对学生的计算思维、创造性思维等能力做出评价;在具体的解决方案中,能够通过设计算法模型和实现算法,对学生掌握和运用编程的能力做出评价。本书结合生活中的实例,系统地介绍了不同进制之间的转换、函数参数的作用域、枚举算法、二计算机2万字 - 会员
设计深度学习系统
本书主要从软件开发者的角度探讨如何构建和设计深度学习系统。作者首先描述一个典型的深度学习系统的整体,包括其主要组件以及它们之间的连接方式,然后在各个单独的章节中深入探讨这些主要组件。对于具体介绍的章节,会在开始时讨论需求,接着介绍设计原则和示例服务/代码,并评估开源解决方案。通过阅读本书,读者将能够了解深度学习系统的工作原理,以及如何开发每个组件。本书的主要读者对象是想要从事深度学习平台工作或将一计算机18.1万字 - 会员
《机器学习》习题参考
本书配套周志华教授所著的《机器学习》教材,通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分:第一部分习题对应《机器学习》第1~10章的内容,包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习;第二部分包含6章应用专题,通过综合题的形式对知识点进行多角度考查,包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络计算机19.3万字 - 会员
科学仪器设备配置学:人工智能时代的界面管理
本书共八章,从高校资源配置的教育、科研、社会、经济规律视角,以建设卓越世界一流大学为导向,对高校科学仪器设备配置中的问题进行研究。计算机17.5万字 - 会员
中国人形机器人创新发展报告2025
作为一本技术性很强的书,《中国人形机器人创新发展报告2025》覆盖人工智能、大模型、视觉捕捉、自动化控制等一些列技术和学科。本书系统性梳理了《人形机器人创新发展指导意见》发布以来中国人形机器人产业在关键技术、产品培育、场景应用、生态营造、支撑能力以及保障措施等多方面的发展态势,通过多角度案例研究,全面解析了中国在这一领域的成果与经验,力图展示中国人形机器人产业的全貌,洞察人形机器人产业未来发展的新计算机9万字 - 会员
硅基物语·我是灵魂画手:一本书讲透AI绘画
本书通过实践案例操作,讲述AI绘画的生成步骤,展现了AI绘画的魔法魅力。从历史到未来,跨越百年时空;从理论到实践,讲述案例操作;从技术到哲学,穿越多个维度;从语言到绘画,落地实战演练。AI绘画的诞生,引发了奇点降临,点亮了AGI(通用人工智能),并涉及Prompt、风格、技术细节、多模态交互、AIGC等一系列讲解。计算机5.5万字 - 会员
AI赋能HR:AI 10倍提升HR工作效率的方法与实践
这是一本全方位讲解如何利用AI工具为HR赋能的著作,是AI时代HR提升职场竞争力的实战指南。作者基于深厚的HR管理经验和AI实战经验,通过科学的方法、高效的提示词、丰富的案例、清晰的步骤,细致地讲解了如何利用AI工具提高工作效率、优化管理流程、提升人才管理水平。从AIGC的基础知识到AI工具的使用,从AI在人力资源全生命周期所有场景中的应用到使用AI的风险防控,本书全面系统地讲解了HR需要掌握的全计算机20.6万字 - 会员
人工智能算法基础
本书分为4章,共20章。其中第1篇为基础算法篇,从第1章到第9章,讲述排序、查找、线性结构、树、散列、图、堆栈等基本数据结构算法;第2篇为机器学习算法篇,从第10章到第14章,讲述分类算法、回归算法、聚类算法、降维算法和集成学习算法;第3篇为强化学习算法篇,从第15章到第16章,讲述基于价值的强化学习算法和基于策略的强化学习算法;第4篇为深度学习算法篇,从第17章到第19章,讲述神经网络模型算法、计算机0字