掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
>
智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論
包郵 智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論
開(kāi)本：
其他
頁(yè)數(shù)：
256
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥58.0
加入購(gòu)物車(chē)
智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論 版權(quán)信息
- ISBN：9787111653585
- 條形碼：9787111653585 ; 978-7-111-65358-5
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論 本書(shū)特色
本書(shū)講解Amazon、Google和Microsoft公司的強(qiáng)大云服務(wù)產(chǎn)品，以及Python數(shù)據(jù)科學(xué)生態(tài)系統(tǒng)的成熟技術(shù)，所介紹的工作流程和案例涉及從部署到生產(chǎn)各個(gè)環(huán)節(jié)，通過(guò)使用當(dāng)代機(jī)器學(xué)習(xí)、人工智能和云計(jì)算工具逐步構(gòu)建多種云端機(jī)器學(xué)習(xí)應(yīng)用程序（覆蓋體育、項(xiàng)目管理、產(chǎn)品定價(jià)、房地產(chǎn)等領(lǐng)域中的實(shí)際問(wèn)題），幫助你構(gòu)建可擴(kuò)展并能交付于生產(chǎn)的解決方案。
通過(guò)本書(shū)，你將能夠：
快速查看構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序所需的Python代碼。
掌握人工智能和機(jī)器學(xué)習(xí)工具鏈以及項(xiàng)目生命周期。
使用Python數(shù)據(jù)科學(xué)工具，包括IPython、Pandas、NumPy、Juypter Notebook和scikit-learn。
結(jié)合實(shí)用高效的反饋回路不斷提高工作流程和系統(tǒng)的效率。
使用Google云平臺(tái)產(chǎn)品，包括TPU處理器、Colaboratory合作實(shí)驗(yàn)工具及Datalab服務(wù)。本書(shū)講解Amazon、Google和Microsoft公司的強(qiáng)大云服務(wù)產(chǎn)品，以及Python數(shù)據(jù)科學(xué)生態(tài)系統(tǒng)的成熟技術(shù)，所介紹的工作流程和案例涉及從部署到生產(chǎn)各個(gè)環(huán)節(jié)，通過(guò)使用當(dāng)代機(jī)器學(xué)習(xí)、人工智能和云計(jì)算工具逐步構(gòu)建多種云端機(jī)器學(xué)習(xí)應(yīng)用程序（覆蓋體育、項(xiàng)目管理、產(chǎn)品定價(jià)、房地產(chǎn)等領(lǐng)域中的實(shí)際問(wèn)題），幫助你構(gòu)建可擴(kuò)展并能交付于生產(chǎn)的解決方案。
通過(guò)本書(shū)，你將能夠：
快速查看構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序所需的Python代碼。
掌握人工智能和機(jī)器學(xué)習(xí)工具鏈以及項(xiàng)目生命周期。
使用Python數(shù)據(jù)科學(xué)工具，包括IPython、Pandas、NumPy、Juypter Notebook和scikit-learn。
結(jié)合實(shí)用高效的反饋回路不斷提高工作流程和系統(tǒng)的效率。
使用Google云平臺(tái)產(chǎn)品，包括TPU處理器、Colaboratory合作實(shí)驗(yàn)工具及Datalab服務(wù)。
定義AWS云AI工作流程，包括Spot實(shí)例、CodePipeline、Boto、無(wú)服務(wù)器、SageMaker等。
使用Microsoft Azure云AI API。
構(gòu)建6個(gè)完整的交付型AI應(yīng)用程序。
智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論 內(nèi)容簡(jiǎn)介
務(wù)實(shí)地解決AI問(wèn)題需要更多地關(guān)注結(jié)果而不僅是技術(shù)。歸根結(jié)底，花費(fèi)數(shù)月時(shí)間為一些永遠(yuǎn)無(wú)法投入生產(chǎn)的任務(wù)選擇*佳的機(jī)器學(xué)習(xí)算法只是徒勞無(wú)功和浪費(fèi)金錢(qián)。將更多的機(jī)器學(xué)習(xí)技術(shù)投入到生產(chǎn)過(guò)程的一種方式就是停止辛勤工作，使用云提供商提供的現(xiàn)成解決方案是避免這種辛勤工作的強(qiáng)大技術(shù)。從英雄驅(qū)動(dòng)式開(kāi)發(fā)轉(zhuǎn)向鼓勵(lì)業(yè)務(wù)連續(xù)性和交付解決方案的組織行為對(duì)各方都有益處。
智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論 目錄
贊譽(yù)
譯者序
前言
致謝
作者簡(jiǎn)介
**部分 實(shí)用人工智能基礎(chǔ)
第1章 實(shí)用人工智能簡(jiǎn)介2
1.1 Python功能介紹3
1.1.1 程序語(yǔ)句4
1.1.2 字符串和字符串格式化6
1.1.3 數(shù)字與算術(shù)運(yùn)算8
1.1.4 數(shù)據(jù)結(jié)構(gòu)10
1.1.5 函數(shù)12
1.2 在Python中使用控制結(jié)構(gòu)19
1.2.1 for循環(huán)20
1.2.2 while循環(huán)21
1.2.3 if/else語(yǔ)句21
1.2.4 生成器表達(dá)式22
1.2.5 列表推導(dǎo)式23
1.2.6 中級(jí)主題23
1.3 進(jìn)一步思考26
第2章 人工智能與機(jī)器學(xué)習(xí)的工具鏈28
2.1 Python數(shù)據(jù)科學(xué)生態(tài)系統(tǒng)：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn29
2.2 R語(yǔ)言、RStudio、Shiny和ggplot30
2.3 電子表格：Excel和Google表格30
2.4 使用Amazon網(wǎng)絡(luò)服務(wù)開(kāi)發(fā)云端AI 31
2.5 AWS上的DevOps31
2.5.1 持續(xù)交付31
2.5.2 為AWS創(chuàng)建軟件開(kāi)發(fā)環(huán)境32
2.5.3 集成Jupyter Notebook38
2.5.4 集成命令行工具41
2.5.5 集成AWS CodePipeline44
2.6 數(shù)據(jù)科學(xué)中的基本Docker容器設(shè)置49
2.7 其他構(gòu)建服務(wù)器：Jenkins、CircleCI、Codeship和Travis49
2.8 小結(jié)50
第3章 斯巴達(dá)式AI生命周期51
3.1 實(shí)用生產(chǎn)反饋回路52
3.2 AWS SageMaker55
3.3 AWS Glue反饋回路56
3.4 AWS批處理60
3.5 基于Docker容器的反饋回路62
3.6 小結(jié)64
第二部分 云端人工智能
第4章 使用Google云平臺(tái)開(kāi)發(fā)云端AI66
4.1 Google云平臺(tái)概述67
4.2 Colaboratory合作實(shí)驗(yàn)工具68
4.3 Datalab數(shù)據(jù)處理工具70
4.3.1 使用Docker和Google容器注冊(cè)表擴(kuò)展Datalab70
4.3.2 使用Datalab啟動(dòng)強(qiáng)大的機(jī)器71
4.4 BigQuery云數(shù)據(jù)倉(cāng)庫(kù)73
4.5 Google云端AI服務(wù)76
4.6 云端TPU和TensorFlow79
4.7 小結(jié)82
第5章 使用Amazon Web服務(wù)開(kāi)發(fā)云端AI 83
5.1 在AWS上構(gòu)建增強(qiáng)現(xiàn)實(shí)和虛擬現(xiàn)實(shí)解決方案85
5.1.1 計(jì)算機(jī)視覺(jué)：帶有EFS和Flask的AR/VR管道86
5.1.2 帶EFS、Flask和Pandas的數(shù)據(jù)工程管道88
5.2 小結(jié)102
第三部分 創(chuàng)建實(shí)際AI應(yīng)用程序
第6章 預(yù)測(cè)社交媒體在NBA中的影響力104
6.1 提出問(wèn)題104
6.2 收集具有挑戰(zhàn)性的數(shù)據(jù)源123
6.2.1 收集運(yùn)動(dòng)員的Wikipedia頁(yè)面訪問(wèn)量123
6.2.2 收集運(yùn)動(dòng)員的Twitter參與度129
6.2.3 探索NBA運(yùn)動(dòng)員數(shù)據(jù)132
6.3 NBA球員的無(wú)監(jiān)督機(jī)器學(xué)習(xí)136
6.3.1 使用R語(yǔ)言對(duì)NBA球員執(zhí)行分面聚類(lèi)繪圖136
6.3.2 匯總：球隊(duì)、球員、影響力和廣告代言138
6.4 更多的實(shí)際進(jìn)階與學(xué)習(xí)140
6.5 小結(jié)141
第7章 使用AWS創(chuàng)建智能的Slack機(jī)器人142
7.1 創(chuàng)建機(jī)器人142
7.2 將庫(kù)轉(zhuǎn)換為命令行工具143
7.3 使用AWS工作流服務(wù)將機(jī)器人提升到新水平145
7.4 獲取IAM證書(shū)設(shè)置146
7.5 建立工作流155
7.6 小結(jié)157
第8章 從GitHub組織中尋找項(xiàng)目管理的思考158
8.1 軟件項(xiàng)目管理問(wèn)題綜述158
8.2 開(kāi)始創(chuàng)建數(shù)據(jù)科學(xué)項(xiàng)目框架160
8.3 收集和轉(zhuǎn)換數(shù)據(jù)162
8.4 與GitHub組織交流164
8.5 創(chuàng)建特定領(lǐng)域的統(tǒng)計(jì)信息165
8.6 將數(shù)據(jù)科學(xué)項(xiàng)目連接到CLI客戶(hù)端167
8.7 使用Jupyter Notebook探索GitHub 組織169
8.8 查看CPython項(xiàng)目中的文件元數(shù)據(jù)171
8.9 查看CPython項(xiàng)目中的已刪除文件174
8.10 將項(xiàng)目部署到Python包索引庫(kù)177
8.11 小結(jié)179
第9章 動(dòng)態(tài)優(yōu)化基于AWS的彈性計(jì)算云（EC2）實(shí)例181
9.1 在AWS上運(yùn)行作業(yè)181
9.1.1 EC2 Spot實(shí)例181
9.1.2 Spot實(shí)例理論和定價(jià)歷史182
9.1.3 編寫(xiě)Spot實(shí)例啟動(dòng)程序191
9.1.4 編寫(xiě)更復(fù)雜的Spot實(shí)例啟動(dòng)程序196
9.2 小結(jié)197
第10章 房地產(chǎn)數(shù)據(jù)研究199
10.1 美國(guó)房地產(chǎn)價(jià)值探索199
10.2 Python中的交互式數(shù)據(jù)可視化201
10.3 規(guī)模等級(jí)和價(jià)格聚類(lèi)203
10.4 小結(jié)209
第11章 用戶(hù)生成內(nèi)容的生產(chǎn)環(huán)境AI211
11.1 Netflix獎(jiǎng)未在生產(chǎn)中實(shí)施212
11.2 推薦系統(tǒng)的基本概念213
11.3 在Python中使用Surprise 框架213
11.4 推薦系統(tǒng)的云解決方案216
11.5 推薦系統(tǒng)的實(shí)際生產(chǎn)問(wèn)題216
11.6 云端自然語(yǔ)言處理和情緒分析221
11.6.1 Azure上的NLP221
11.6.2 GCP上的NLP224
11.6.3 AWS上的生產(chǎn)型無(wú)服務(wù)器NLP AI管道227
11.7 小結(jié)233
附錄A AI加速器234
附錄B 聚類(lèi)大小的選擇236
譯者序
前言
致謝
作者簡(jiǎn)介
**部分 實(shí)用人工智能基礎(chǔ)
第1章 實(shí)用人工智能簡(jiǎn)介2
1.1 Python功能介紹3
1.1.1 程序語(yǔ)句4
1.1.2 字符串和字符串格式化6
1.1.3 數(shù)字與算術(shù)運(yùn)算8
1.1.4 數(shù)據(jù)結(jié)構(gòu)10
1.1.5 函數(shù)12
1.2 在Python中使用控制結(jié)構(gòu)19
1.2.1 for循環(huán)20
1.2.2 while循環(huán)21
1.2.3 if/else語(yǔ)句21
1.2.4 生成器表達(dá)式22
1.2.5 列表推導(dǎo)式23
1.2.6 中級(jí)主題23
1.3 進(jìn)一步思考26
第2章 人工智能與機(jī)器學(xué)習(xí)的工具鏈28
2.1 Python數(shù)據(jù)科學(xué)生態(tài)系統(tǒng)：IPython、Pandas、NumPy、Jupyter Notebook、scikit-learn29
2.2 R語(yǔ)言、RStudio、Shiny和ggplot30
2.3 電子表格：Excel和Google表格30
2.4 使用Amazon網(wǎng)絡(luò)服務(wù)開(kāi)發(fā)云端AI 31
2.5 AWS上的DevOps31
2.5.1 持續(xù)交付31
2.5.2 為AWS創(chuàng)建軟件開(kāi)發(fā)環(huán)境32
2.5.3 集成Jupyter Notebook38
2.5.4 集成命令行工具41
2.5.5 集成AWS CodePipeline44
2.6 數(shù)據(jù)科學(xué)中的基本Docker容器設(shè)置49
2.7 其他構(gòu)建服務(wù)器：Jenkins、CircleCI、Codeship和Travis49
2.8 小結(jié)50
第3章 斯巴達(dá)式AI生命周期51
3.1 實(shí)用生產(chǎn)反饋回路52
3.2 AWS SageMaker55
3.3 AWS Glue反饋回路56
3.4 AWS批處理60
3.5 基于Docker容器的反饋回路62
3.6 小結(jié)64
第二部分 云端人工智能
第4章 使用Google云平臺(tái)開(kāi)發(fā)云端AI66
4.1 Google云平臺(tái)概述67
4.2 Colaboratory合作實(shí)驗(yàn)工具68
4.3 Datalab數(shù)據(jù)處理工具70
4.3.1 使用Docker和Google容器注冊(cè)表擴(kuò)展Datalab70
4.3.2 使用Datalab啟動(dòng)強(qiáng)大的機(jī)器71
4.4 BigQuery云數(shù)據(jù)倉(cāng)庫(kù)73
4.5 Google云端AI服務(wù)76
4.6 云端TPU和TensorFlow79
4.7 小結(jié)82
第5章 使用Amazon Web服務(wù)開(kāi)發(fā)云端AI 83
5.1 在AWS上構(gòu)建增強(qiáng)現(xiàn)實(shí)和虛擬現(xiàn)實(shí)解決方案85
5.1.1 計(jì)算機(jī)視覺(jué)：帶有EFS和Flask的AR/VR管道86
5.1.2 帶EFS、Flask和Pandas的數(shù)據(jù)工程管道88
5.2 小結(jié)102
第三部分 創(chuàng)建實(shí)際AI應(yīng)用程序
第6章 預(yù)測(cè)社交媒體在NBA中的影響力104
6.1 提出問(wèn)題104
6.2 收集具有挑戰(zhàn)性的數(shù)據(jù)源123
6.2.1 收集運(yùn)動(dòng)員的Wikipedia頁(yè)面訪問(wèn)量123
6.2.2 收集運(yùn)動(dòng)員的Twitter參與度129
6.2.3 探索NBA運(yùn)動(dòng)員數(shù)據(jù)132
6.3 NBA球員的無(wú)監(jiān)督機(jī)器學(xué)習(xí)136
6.3.1 使用R語(yǔ)言對(duì)NBA球員執(zhí)行分面聚類(lèi)繪圖136
6.3.2 匯總：球隊(duì)、球員、影響力和廣告代言138
6.4 更多的實(shí)際進(jìn)階與學(xué)習(xí)140
6.5 小結(jié)141
第7章 使用AWS創(chuàng)建智能的Slack機(jī)器人142
7.1 創(chuàng)建機(jī)器人142
7.2 將庫(kù)轉(zhuǎn)換為命令行工具143
7.3 使用AWS工作流服務(wù)將機(jī)器人提升到新水平145
7.4 獲取IAM證書(shū)設(shè)置146
7.5 建立工作流155
7.6 小結(jié)157
第8章 從GitHub組織中尋找項(xiàng)目管理的思考158
8.1 軟件項(xiàng)目管理問(wèn)題綜述158
8.2 開(kāi)始創(chuàng)建數(shù)據(jù)科學(xué)項(xiàng)目框架160
8.3 收集和轉(zhuǎn)換數(shù)據(jù)162
8.4 與GitHub組織交流164
8.5 創(chuàng)建特定領(lǐng)域的統(tǒng)計(jì)信息165
8.6 將數(shù)據(jù)科學(xué)項(xiàng)目連接到CLI客戶(hù)端167
8.7 使用Jupyter Notebook探索GitHub 組織169
8.8 查看CPython項(xiàng)目中的文件元數(shù)據(jù)171
8.9 查看CPython項(xiàng)目中的已刪除文件174
8.10 將項(xiàng)目部署到Python包索引庫(kù)177
8.11 小結(jié)179
第9章 動(dòng)態(tài)優(yōu)化基于AWS的彈性計(jì)算云（EC2）實(shí)例181
9.1 在AWS上運(yùn)行作業(yè)181
9.1.1 EC2 Spot實(shí)例181
9.1.2 Spot實(shí)例理論和定價(jià)歷史182
9.1.3 編寫(xiě)Spot實(shí)例啟動(dòng)程序191
9.1.4 編寫(xiě)更復(fù)雜的Spot實(shí)例啟動(dòng)程序196
9.2 小結(jié)197
第10章 房地產(chǎn)數(shù)據(jù)研究199
10.1 美國(guó)房地產(chǎn)價(jià)值探索199
10.2 Python中的交互式數(shù)據(jù)可視化201
10.3 規(guī)模等級(jí)和價(jià)格聚類(lèi)203
10.4 小結(jié)209
第11章 用戶(hù)生成內(nèi)容的生產(chǎn)環(huán)境AI211
11.1 Netflix獎(jiǎng)未在生產(chǎn)中實(shí)施212
11.2 推薦系統(tǒng)的基本概念213
11.3 在Python中使用Surprise 框架213
11.4 推薦系統(tǒng)的云解決方案216
11.5 推薦系統(tǒng)的實(shí)際生產(chǎn)問(wèn)題216
11.6 云端自然語(yǔ)言處理和情緒分析221
11.6.1 Azure上的NLP221
11.6.2 GCP上的NLP224
11.6.3 AWS上的生產(chǎn)型無(wú)服務(wù)器NLP AI管道227
11.7 小結(jié)233
附錄A AI加速器234
附錄B 聚類(lèi)大小的選擇236
展開(kāi)全部
智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論 相關(guān)資料
“本書(shū)是一部全面的指南，彌補(bǔ)了人工智能要做的事情和部署實(shí)際項(xiàng)目要解決的棘手問(wèn)題之間的差距。它清晰、實(shí)用，遠(yuǎn)遠(yuǎn)不止介紹Python和AI算法。” —Christopher Brousseau，企業(yè)人工智能平臺(tái)Surface Owl創(chuàng)始人和CEO “我對(duì)本書(shū)的喜愛(ài)、贊美之情難以形容，本書(shū)對(duì)于任何技術(shù)發(fā)燒友都是極好的補(bǔ)充資料！Noah Gift真正讓本書(shū)成為一部實(shí)用指南，它適用于任何機(jī)器學(xué)習(xí)行業(yè)的人士。本書(shū)不僅解釋了如何將機(jī)器學(xué)習(xí)應(yīng)用于大型數(shù)據(jù)集，還對(duì)技術(shù)反饋回路提供了有價(jià)值的觀點(diǎn)。本書(shū)將使許多數(shù)據(jù)科學(xué)與開(kāi)發(fā)團(tuán)隊(duì)受益，讓他們從一開(kāi)始就能高效地創(chuàng)建和維護(hù)應(yīng)用程序。” —Nivas Durairaj，AWS技術(shù)客戶(hù)經(jīng)理（AWS注冊(cè)專(zhuān)業(yè)架構(gòu)師） “如果你希望深入研究產(chǎn)品級(jí)品質(zhì)的機(jī)器學(xué)習(xí)管道和工具，從而真正幫助你的數(shù)據(jù)工程、數(shù)據(jù)科學(xué)或數(shù)據(jù)開(kāi)發(fā)運(yùn)維團(tuán)隊(duì)，那么本書(shū)就是一本很好的讀物。即使是經(jīng)驗(yàn)豐富的開(kāi)發(fā)人員，也常常會(huì)發(fā)現(xiàn)自己在低生產(chǎn)率的任務(wù)上浪費(fèi)時(shí)間。通常，軟件書(shū)籍和大學(xué)課堂并沒(méi)有講述投入生產(chǎn)所需的步驟。Noah在尋求軟件部署的實(shí)用方法方面很有天賦，這些實(shí)用方法可以真正加快開(kāi)發(fā)和交付過(guò)程。他專(zhuān)注并致力于實(shí)現(xiàn)非常獨(dú)特的快速軟件解決方案。 “建立產(chǎn)品級(jí)品質(zhì)的機(jī)器學(xué)習(xí)管道的關(guān)鍵是自動(dòng)化。工程師在研究階段或原型階段可以人工完成的任務(wù)及步驟必須自動(dòng)化和規(guī)模化，以便創(chuàng)建生產(chǎn)系統(tǒng)。本書(shū)充滿(mǎn)了實(shí)用且有趣的實(shí)踐實(shí)例，它們將幫助Python開(kāi)發(fā)人員實(shí)現(xiàn)自動(dòng)化并將管道擴(kuò)展到云端。 “我目前在一家在線房地產(chǎn)公司的Roofstock.com房地產(chǎn)平臺(tái)上工作，主要工作涉及大數(shù)據(jù)、機(jī)器學(xué)習(xí)管道、Python、AWS、Google云和Azure，該平臺(tái)分析數(shù)據(jù)庫(kù)接近5億條記錄！我在本書(shū)中找到了很多實(shí)用技巧和實(shí)踐實(shí)例，它們立即提升了我的工作效率。特此推薦本書(shū)！” —Michael Vierling，房地產(chǎn)平臺(tái)Roofstock.com首席工程師
智能系統(tǒng)與技術(shù)叢書(shū)人工智能開(kāi)發(fā)實(shí)踐:云端機(jī)器學(xué)習(xí)導(dǎo)論 作者簡(jiǎn)介
挪亞·吉夫特 （Noah Gift） 加州大學(xué)戴維斯分校工商管理研究生院機(jī)器學(xué)習(xí)課程講師，是AWS認(rèn)證的架構(gòu)師，也是AWS云端機(jī)器學(xué)習(xí)專(zhuān)家，長(zhǎng)期為包括初創(chuàng)公司在內(nèi)的企業(yè)提供機(jī)器學(xué)習(xí)、云架構(gòu)和CTO級(jí)別的咨詢(xún)服務(wù)。 ◆ 譯者簡(jiǎn)介 ◆ 袁志勇 武漢大學(xué)人工智能研究院教授、博士生導(dǎo)師，中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）高級(jí)會(huì)員，CCF虛擬現(xiàn)實(shí)與可視化專(zhuān)委會(huì)委員，中國(guó)人工智能學(xué)會(huì)（CAAI）高級(jí)會(huì)員，CAAI智能交互專(zhuān)委會(huì)委員。多年來(lái)一直從事人工智能與機(jī)器學(xué)習(xí)、虛擬現(xiàn)實(shí)與人機(jī)交互、嵌入式系統(tǒng)與智能硬件等方向的教學(xué)與研究工作。
書(shū)友推薦
- >
我從未如此眷戀人間
- >
煙與鏡
- >
自卑與超越
- >
羅曼·羅蘭讀書(shū)隨筆-精裝
- >
小考拉的故事-套裝共3冊(cè)
- >
月亮虎
- >
李白與唐代文化
- >
羅庸西南聯(lián)大授課錄
本類(lèi)暢銷(xiāo)
