Artificial Intelligence: A Modern Approach,4th Edition
本书揭示了人类决策的局限性，探讨了如何使用人工智能(AI)来优化决策，以提高业务结果和效率，以及展望了决策智能(DI)可以对社会做出的重大贡献和它可能提出的道德挑战。 https://www.routledge.com/Decision-Intelligence-Human-Machine-Integration-for-Decision-Making-Human-Machine/OCallaghan/p/book/9781032384108 从用于设计自主智能代理的理论和概念，到支持DI系统的技术，以及公司使用决策构建模块构建DI解决方案的方式，使企业能够使AI民主化，本书提出了一个令人印象深刻的框架，以整合人工智能和人类智能，以实现不同类型的商业决策的成功。 本书充满了DI应用的案例研究，以及对该技术的社会影响的更广泛的讨论，《决策智能:用于决策的人机集成》吸引了人工智能和数据科学的学生以及考虑采用DI的企业。 想象一下，你正在做人生中最重要的决定之一，需要对信息进行彻底的分析。不幸的是，你没有时间收集所有数据并进行深入研究。相反，你可以根据朋友的建议在手机上安装一个价格合理的应用程序。该应用程序允许你用自然语言提出问题，并使用高度复杂的人工智能模型，根据对大量数据的分析提供快速答案。当你问一个问题时，该应用程序确定哪些数据最相关，收集数据，选择合适的模型和分析类型，执行分析，做出预测，评估结果，最后以简要报告、可操作的见解和建议的形式为你提供答案。你现在可以利用大数据和人工智能的力量，以最有效的方式做出最优的决策，而不是仅仅基于直觉做出重要的决策。这听起来像是科幻小说的情节，但事实并非如此。帮助我们更好更快地做出决定的前沿技术系统今天正在成为现实——这一新兴学科被称为决策智能(DI)。在很大程度上，DI是人工智能的应用，以提高决策的质量和准确性，同时使决策过程更有效。本书的目的是帮助读者了解DI这一新兴学科。他们将探讨与个人和组织决策有关的各种概念，包括人类和机器智能体如何做决策，在构建依赖注入系统时使用了什么技术、工具和技术，如何为采用依赖注入做好组织准备，以及如何利用依赖注入做出道德上最优的决策。本书基于对多个领域的数百份研究和文献的分析，其中包括决策科学、行为科学、管理决策、博弈论、系统思维、决策支持系统、决策建模、商业智能、行为经济学、人工智能和机器学习等。
40多年来，神经科学原理帮助读者理解了人类大脑和行为之间的联系。正如著名的文本所表明的那样，一切行为都是神经活动的表现，临床神经学和精神病学的未来取决于神经科学的进步。完全更新，这第6版的里程碑的参考反映了最新的研究，临床的观点，和在该领域的进步。它为神经科学的当前状态和未来提供了一个无与伦比的视角。https://www.mhprofessional.com/principles-of-neural-science-sixth-edition-9781259642234-usa
这个新版本的特点:对神经，大脑和思维如何运作的覆盖无与伦比新章节涉及:-介导行为的神经回路的计算基础-脑机接口-决策和意识关于神经系统失调的神经科学原理的新章节扩展了人类记忆的不同形式关于中风，帕金森氏症和多发性硬化症的高度详细的章节2200张图像，包括300张新的彩色插图、图表、放射学研究和PET扫描神经科学原理，第6版受益于一个有凝聚力的组织，以大脑，神经系统，基因和行为之间的相互关系的深刻概述开始。**正文分为9个部分:**第一部分:整体视角提供了神经科学广泛主题的概述，包括神经系统的基本解剖组织和神经系统功能和行为的遗传基础。第二部分:神经系统细胞的细胞和分子生物学检查神经细胞的基本属性，包括产生和传导的传播信号。第三部分:突触传递集中在电生理和分子机制的突触传递与章节神经元兴奋性，神经递质，和递质释放。第四部分:知觉讨论感觉知觉的各个方面，包括如何从主要感觉器官的信息传递到中枢神经系统和处理。第五部分:运动考虑了运动背后的神经机制，并检查了一种新的治疗方法，解决了基底神经节如何调节运动动作的选择和实例化强化学习。第六部分:情绪、动机和内稳态的生物学研究了皮层下区域调节内稳态控制机制、情绪和动机的神经机制。第七部分:神经系统的发展和行为的出现，从早期胚胎分化到突触的形成和消除。第八部分:学习、记忆、语言和认知扩展了前面的部分，研究了内隐和外显记忆存储的细胞机制，以及决策和意识。第九部分:探讨神经系统疾病和障碍的神经机制，包括自闭症谱系障碍、癫痫、精神分裂症和焦虑。和以前的版本一样，第六版《神经科学原理》的目标是让读者深入了解基因、分子、神经元以及它们形成的回路是如何引起行为的。随着神经科学研究的指数级增长超过40年，这本书的第一版，一个越来越大的挑战是提供一个全面的概述的领域，同时保持真实的第一版的最初目标，这是提升传授基本原理超过详细的百科全书式的知识。在过去的75年里，脑科学最伟大的成就之一就是阐明了神经细胞的细胞生物学和电生理功能，从霍奇金(Hodgkin)、赫胥黎(Huxley)和卡茨(Katz)对动作电位和突触传递的初步研究，到我们对这些基本过程的遗传和分子生物物理基础的现代理解。本书的前三部分描述了这些非凡的成就。
这第二版是一个彻底修订和增强版的书与相同的标题出版在1999年。作者从马尔可夫链的基本理论开始，逐步将读者带到更高级的主题。他对概率论进行了有用的回顾，使本书自成体系，并提供了一个附录，详细证明了微积分、代数和数论的所有先决条件。在每一章的结尾处都有一些精心挑选的不同难度的问题，数学是缓慢而仔细地发展的，以便使自学更容易。这本书处理了马尔可夫链理论的经典主题，在离散时间和连续时间，以及连接的主题，如有限吉布斯场，非齐次马尔可夫链，离散时间再生过程，蒙特卡罗模拟，模拟退火和排队论。 第2版增加的主要内容是Propp和Wilson的精确采样算法、电网络图上对称随机游走的类比、混合时间和分支过程的额外细节。书的结构已作了修改，以便顺利地纳入新材料。在应该提高可读性的特性中，主要有三个:定义、定理和示例的共享编号系统;示例和练习的标题归属;用蓝色标出重要的术语。结果是一本最新的随机过程教科书。 运筹学和电子工程的学生和研究人员，以及物理和生物学，将发现它非常容易获得和相关。 https://link.springer.com/book/10.1007/978-3-030-45982-6
俄罗斯对乌克兰的入侵凸显了欧洲对莫斯科的长期能源依赖，欧洲既不能迅速解决，也不能不作出巨大牺牲。俄罗斯的混合战争--对关键基础设施的动能打击、信息操纵、恶性金融、经济胁迫和网络行动的结合--已经利用乌克兰来瞄准欧洲能源安全的核心。这场战争迫使欧洲大陆考虑如何自行实现其经济、环境和地缘战略的能源目标。
这项研究发现，整个欧洲大陆关键能源基础设施的系统依赖性和网络脆弱性可能会影响联盟的政治稳定并威胁到军事效力。整个北约的能源短缺和日益严重的网络脆弱性直接影响了前方的机动性和部队的准备状态。以下与网络和恶性影响有关的主要发现提供了一个清醒的观点，即混合战争对北约国家的能源安全的挑战。
网络威胁增加，威胁到能源关键基础设施
俄罗斯及其代理人已成功渗透到欧洲和北美的能源网络，并部署恶意软件来破坏目标国家的关键系统和基础设施。自从入侵乌克兰以来，重大的网络攻击已经影响到北约成员国。
当被纳入能源系统的新兴技术没有网络安全保障时，目前先进的关键能源基础设施预警和网络威胁缓解系统不足以确保安全和复原力。北约成员国之间在网络缓解能力和标准方面存在很大的差异。
本书确定了潜在的解决方案，以减轻网络攻击，提高北约成员国军队的能源独立性，并防止能源关键基础设施的网络漏洞。这些方案包括新一代的网络预警系统（CEWS）和微电网建设。
能源部门供应链的脆弱性影响军事行动
穆迪分析公司报告说，目前全球供应链的最大风险是由俄乌军事冲突造成的，而不是大流行病。由于俄罗斯供应欧洲43%的天然气和世界40%的钯（用于半导体），乌克兰供应世界70%的氖（用于制造计算机芯片），冲突的长期不确定性可能继续严重影响全球供应链。
展望未来，供应链部件将继续受到来自不同子链的重大威胁，这些子链与低安全性的审查直接互动。天然气、电力和核工业的网络安全漏洞无处不在，由于每个子链内的相互作用而增加了威胁。提高供应链复原力的战略可以包括。(1) 绘制供应链地图和建模，以更好地预测供应和需求；(2) 使供应商多样化；(3) 缩短供应链；以及(4) 在仔细评估网络风险的情况下实现自动化。
恶意影响正直接影响到关键的能源基础设施
俄罗斯将网络攻击、黑客攻击和虚假信息的传播视为外交政策和国家安全利益的工具。通过被破坏的网站（如新闻来源和政府官方网站），俄罗斯特工人员发布了捏造的文章、故事、引言和其他文件，批评美国和北约在东欧的存在。信息行动和恶性影响专门针对波兰、罗马尼亚和德国等国家的能源部门，在行动和经济方面产生影响。
早期发现虚假信息活动对于防止恶意行为者升级和利用这种活动至关重要。为了解决这个问题，可以在北约的联合情报和安全司内成立一个工作队，建立一个网络，在虚假信息的萌芽阶段进行检测和反击。然后，将根据信息的影响（包括在时间方面的威胁程度）和传播到地方、州、国家或国际层面的可能性对其进行分类。
这些发现和建议并不详尽。通过使用新兴工具来促进能源独立和网络安全，同时对抗恶意影响，北约可以在未来充满冲突的日子里从实力和复原力的立场上进行导航。
关于本书
作为一本能源安全缓解政策的手册，前两节关于脆弱性和缓解战略以及为应对能源安全的混合攻击而正在建立的新技术，可以在课堂上使用，无论是在专业军事教育（PME）背景下还是在公立大学背景下。它们也是为了让北约和军事官员了解在当前的灰色能源战场背景下他们可以利用的政策和工具。
具体而言，第一部分评估了混合战争背景下关键能源基础设施的主要脆弱性。它首先审查了对关键能源基础设施的主要灰色战争威胁，包括对信息技术、操作技术和工业控制系统。然后，它审视了物联网环境中的漏洞，这些漏洞在关键能源基础设施领域尤为普遍。最后，它审视了恶意影响和虚假信息对能源安全的影响。每个 "漏洞 "章节最后都有成功防御的建议。
第二部分提供了关于关键混合战争缓解技术的新研究，包括新一代预警系统和独立的、不可破解的能源，如微电网。
对于确保军事机动性、通信和后勤的指挥官和军官来说，在主机关键基础设施可能挑战任务的情况下，第三部分包含了关于网络和虚假信息目标的有用简报和地图。本节提供了关于北约各成员国的网络和虚假信息脆弱性的案例研究，目前为应对这些弱点而采取的缓解策略，以及成员国应该如何建立强大的防御。所分析的北约国家是根据其与北约能源安全的战略和军事相关性来选择的。
波罗的海地区目前位于俄罗斯混合战争的前线，正处于从俄罗斯的电力网络中分离出来的过程。东南部成员国拥有关键的空中和海上军事枢纽，它们还有其他挑战。罗马尼亚拥有丰富的可再生能源，必须确保其在物联网环境下的网络安全。意大利、土耳其和希腊等国家的关键基础设施与中国和俄罗斯紧密相连。这种依赖性已经造成了能源不安全。此外，西欧和中欧由于一直以来对俄罗斯石油和天然气的依赖，现在卷入了一场网络、信息和经济战争，使市场震荡，导致天然气和石油价格飙升到20世纪70年代以来的历史水平。
案例研究部分还提供了每个国家的网络和虚假信息攻击旋涡图。这些地图中包含的威胁信息和估计是基于公开来源的信息，确定主要的关键能源基础设施和军事资产的位置。这些数据与来自国家、军事和专题专家和来源的关于威胁时间表和分析的非保密信息相匹配。这些地图的第一次渲染是在2021年夏季和秋季制作的。许多被确定为在未来六个月内极有可能受到攻击的红色地区确实看到了恶意的网络攻击和入侵或恶意的信息操作。在收到美国陆军司令部的意见后，以及在2022年乌克兰被入侵后，这些地图被更新。
这项研究能够指导美国陆军、北约官员、能源部门的所有者和经营者以及参与的公民了解影响北约国家关键能源基础设施的虚假信息和网络行动。这本手册介绍了关于加强能源独立性的方法和网络最佳实践的新研究，以减轻混合战争的负面影响。
正则表达式谜题和AI编码助手是两个竞争对手的故事。一边是David Mertz，他是一位编程专家，也是Web上最受欢迎的正则表达式教程的作者。另一个是AI强大的编码助手，GitHub Copilot和OpenAI ChatGPT。 https://www.manning.com/books/regular-expression-puzzles-and-ai-coding-assistants 比赛是这样进行的:David发明了24个正则表达式问题，他称之为“谜题”，并向你展示如何解决每个谜题。当他完成时，他让Copilot和ChatGPT完成同样的谜题。它们所产生的东西引起了他的兴趣。哪一方更有可能得到正确的答案?哪一个能写出简单优雅的代码?它更聪明地使用了鲜为人知的正则表达式库功能?阅读本书来找出答案。
David还提供了人工智能的最佳实践，展示了智能提示如何返回更好的结果。到最后，不管你是否使用AI，你都将成为解决自己的正则表达式谜题的大师。
本书是为有一定编程语言经验的程序员准备的。在本书之前，每一个审阅提案的人都曾大声地评论过，几乎所有编程语言的程序员都能立刻意识到，当然，每一个计算机程序员和软件开发人员都已经在日常工作中使用正则表达式了。我并不期望向我的许多读者介绍一个全新的概念。或者至少我不希望向他们介绍这个概念。在本书中，除正则表达式之外的代码通常使用Python编程语言。尤其是在那些我从GitHub的Copilot或OpenAI的ChatGPT中提出的“AI想法”的谜题中。事实证明，这些工具目前经常会拒绝“编写一个正则表达式来完成这样那样的任务”的请求，但通常很乐意满足“编写一个使用正则表达式的Python程序”来完成相同的任务的请求。我在Python社区中已经有20多年的知名度，因此显然喜欢这门语言。不过，本书讨论的封装正则表达式的编程语言相对来说比较偶然，使用其他语言的程序员很快就能理解定义变量名、创建函数的想法，只有偶尔才会将正则表达式的操作封装在条件if块中。所有这些简单的结构在你可能经常使用的任何编程语言中都有非常相似的地方，在你的头脑中翻译对任何读者来说都不需要花太多时间。互联网上有很多正则表达式的入门教程。我鼓励你读一些。Python编程语言的官方文档(http://python.org/)中就有一个很好的例子。事实上，在本书的附录中，我写的一个附录多年来一直是页面流行度指标中阅读最广泛的教程之一。当然，本书的主要内容并不是这样的教程，出版这本书是没有必要的。
遥感和图像解译，第7版的设计主要用于两种方式:作为遥感和图像解译入门课程的教科书，以及作为在工作中使用地理空间信息和分析的新兴从业人员的参考。由于本书可能会在广泛的学术和专业环境中使用，我们将讨论定为“学科中立”。总之，任何参与地理空间数据获取和分析的人都应该发现本书是一个有价值的文本和参考。
这本书的设计主要用于两种方式:作为一本教科书在遥感和图像解释的入门课程，并作为一个参考，为迅速增长的从业人员谁使用地理空间信息和分析在他们的工作。随着计算能力和传感器设计的快速发展，遥感及其相关技术，如地理信息系统(GIS)和全球定位系统(GPS)，在科学、工程、资源管理、商业和人类努力的其他领域发挥着越来越重要的作用。由于本书可能会在广泛的学术和专业环境中使用，我们将此讨论定为“学科中立”。也就是说，不是写一本书严重面向单一领域，如商业，生态学，工程，林业，地理，地质，城市和区域规划，或水资源管理，我们的方法，在任何学科的学生和从业人员应该获得遥感系统及其几乎无限的应用清晰的理解的主题。总之，任何参与地理空间数据获取和分析的人都应该发现本书是一个有价值的文本和参考。 这本书的这一版强调数字图像采集和分析，同时保留了关于早期模拟传感器和方法的基本信息(从中存在大量的档案数据，作为长期变化研究的来源越来越有价值)。我们已经扩大了激光雷达系统和更广泛的3D遥感的覆盖范围，包括数字摄影测量方法，如运动结构(SFM)。为了跟上当今领域的变化，从无人驾驶航空系统(UAS)平台获得的图像现在被包括在图形和彩色版中，以及自上一版出版以来发射的许多新的光学和雷达卫星的图像。在图像分析方面，计算能力的不断提高导致人们越来越重视利用大容量数据集的技术，如神经网络分类、基于对象的图像分析、变化检测和图像时间序列分析。
本书探索了如何在各种应用中使用生成式对抗网络，并强调了它们相对于传统生成式模型的重大进步。本书的主要目标是专注于深度学习和生成式对抗网络的前沿研究，包括创建用于处理文本、图像和音频的新工具和方法。生成对抗网络(GAN)是一类机器学习框架，是深度学习应用中的下一个新兴网络。生成对抗网络(Generative adversarial networks, GANs)能够根据应用需求生成样本数据，具有构建改进模型的可行性。GAN在科学技术领域有各种应用，包括计算机视觉、安防、多媒体和广告、图像生成、图像翻译、文本到图像合成、视频合成、生成高分辨率图像、药物发现等。 特点: 介绍如何将GAN用于图像和视频的全面指南 •包括使用生成对抗网络进行水下图像增强的案例研究，使用GAN进行入侵检测 •强调包括使用深度学习方法的游戏效果 •研究GAN的重大技术进步及其实际应用 •讨论GAN的挑战和最佳解决方案 本书针对更广泛的受众，如初级和高级工程、本科生和研究生、研究人员，以及对GAN和深度学习的趋势发展和机会感兴趣的任何人，解决了科学方面的问题。 书中的材料可以作为参考图书馆，认证机构，政府机构，特别是学术高等教育机构打算推出或改革他们的工程课程。
这本教科书介绍了适合高级本科生和研究生的信息论主题。它发展了经典的香农理论和最近在统计学习中的应用。全文共分为五个部分:信息化措施的基础;(无损)数据压缩;二元假设检验与大偏差理论;信道编码和信道容量;有损数据压缩;最后是统计应用。有超过150个练习，包括帮助读者了解和关注文献中的最新发现。这本书是信息论领域的现代导论。在过去的二十年里，信息论已经从一门主要处理信息存储和传输问题(“编码”)的学科发展到越来越关注信息提取和去噪(“学习”)的学科。这种转变反映在本书的标题和内容上。这些内容来自于作者十多年来在麻省理工学院、伊利诺伊大学和耶鲁大学教授常规课程，以及在EPFL(瑞士)和ENSAE(法国)教授短期课程的课堂笔记。我们的意图是将这份手稿用作研究生(和高级本科生)的第一门信息论课程的教科书，或者用于深入研究特定领域的第二门(主题)课程。这本书的一个重要部分致力于信息理论方法的阐述，这些方法在其他领域，如统计学习和计算机科学，已经发现了有影响力的应用。(具体来说，我们涵盖了Kolmogorov的度量熵，强数据处理不等式，以及统计估计的熵上界)。我们还包括一些不太知名的经典材料(例如，与遍历性的联系)以及最新的发展，这些材料通常在练习中涵盖(遵循Csiszár和Körner[81]的风格)。
这本开放存取的书介绍了机器人的关键概念在一个易于理解的语言使用一个引人入胜的项目为基础的方法。它涵盖了机器人领域的当代主题，为所有主要领域的基础提供了一个可访问的入口点。有一部分专门介绍使用Python的编程概念，Python已经成为机器人和人工智能领域的首选语言。本书还向读者介绍了机器人操作系统(ROS)，这是研究人员和业界使用的无处不在的软件和算法框架。本书以多种形式提供了关于机器人的启发、最新和多学科的介绍，包括与机器学习、伦理、人机交互和设计思维有关的新兴主题。这本书还包括对行业专家的采访，为了解机器人世界提供了一个额外的层面。本书通过Kinova Robotics的慷慨支持开放获取。本书适合作为本科相关工程课程的教科书。它也适用于艺术和设计专业的学生，高中生，以及想要探索机器人基本概念的自学者。 https://link.springer.com/book/10.1007/978-981-19-1983-1
数据驱动的发现正在彻底改变我们建模、预测和控制复杂系统的方式。现在有了Python和MATLAB®，这本教科书通过提供数据驱动方法、机器学习、应用优化和工程数学和数学物理的经典领域日益增长的交叉领域的广泛概述，为下一代的科学发现培训数学科学家和工程师。重点是将动态系统建模和控制与应用机器学习中的现代方法集成，本文包括因其相关性、简便性和通用性而选择的方法。主题范围从入门到研究水平的材料，使工程和物理科学的高级本科生和刚开始的研究生可访问。第二版的特点是关于强化学习和物理机器学习的新章节，重要的新章节贯穿，和章练习。在线补充材料-包括每个部分的讲座视频、家庭作业、数据和MATLAB®、Python、Julia和R中的代码-可在databookuw.com上获得。
在数据科学中提供第一篇文章，其中强调了科学发现的数据方法，面向先进的本科生，研究生和研究人员 * 强调了科学计算的许多最新进展，使数据驱动的方法能够应用于各种各样的复杂系统，例如湍流、大脑、气候、流行病学、金融、机器人和自主 * 补充材料-包括每个部分的讲座视频，所有章节的家庭作业，数据，Python, MATLAB®，Julia和R的完整代码，以及其他案例研究-可以在databookuw.com上找到 * 先决条件包括微积分、线性代数和基本的Python或MATLAB计算能力 * 适用于应用数据科学课程，包括:应用机器学习;初始科学计算;数据分析的计算方法;应用线性代数;控制理论;数据驱动动力系统;机器学习控制;降阶建模
遥感数字图像分析提供了用于处理和解译遥感图像数据的方法的综合处理。过去十年来，用于遥感图像分析的算法不断取得重大发展，尽管许多基本原理基本上保持不变。与之前的版本一样，这一新版再次提供了保留价值的材料，但也包括从业务遥感角度介绍的更新技术。 这本书是设计为一个教学文本高年级本科生和研究生，并作为一个基本处理那些从事研究使用数字图像分析在遥感。演示水平是为数学非专业人士准备的。由于遥感的大量业务用户来自地球科学界，因此文本的定位与他们的背景相称。 本章通过获取遥感图像的手段、校正技术和解释方法进行逻辑进展。本书的重点是这些方法的应用，每一章都会提供一些已完成的示例，并在最后给出一组问题。
https://link.springer.com/book/10.1007/978-3-030-82327-6
深度学习面临的一个关键挑战是深度学习网络容易受到智能网络对手的安全攻击。即使对训练数据进行无害的扰动，也可以用来以意想不到的方式操纵深度网络的行为。在本书中，我们回顾了计算机视觉中对抗性攻击技术的最新发展;自然语言处理;以及多维、文本和图像数据、序列数据和时间数据的网络安全。评估了深度学习网络的鲁棒性，以产生对抗性样本的分类，刻画了使用博弈论对抗性深度学习算法学习系统的安全性。对基于对抗扰动的隐私保护机制的研究现状进行了综述。
本文为非平稳计算学习环境中的博弈论目标提出了新的对手类型。在我们研究的决策问题中，对假设集的适当量化会导致各种函数问题、预言问题、采样任务和优化问题。还解决了目前部署在现实世界环境中的深度学习模型可用的防御机制。这些防御机制中使用的学习理论涉及对抗性深度学习算法及其应用的数据表示、特征操作、错误分类代价、敏感性景观、分布鲁棒性和复杂性类。
最后，提出了面向弹性学习系统设计的对抗深度学习应用的未来研究方向，并回顾了针对人工智能应用的攻击面和鲁棒性的形式化学习假设，以解构当代对抗深度学习设计。鉴于其范围，本书将对对抗性机器学习从业者和对抗性人工智能研究人员感兴趣，他们的工作涉及对抗性深度学习的设计和应用。 https://link.springer.com/book/10.1007/978-3-030-99772-4
这本独特的开放存取的书应用函数OCaml编程语言的数值或计算加权数据科学，工程和科学应用。本书基于作者构建和维护Owl(一个基于ocaml的数值计算库)的第一手经验。
您将首先学习现代数值计算库中的各种组件。然后，您将了解如何设计和构建这些组件以及如何优化它们的性能。通过阅读和使用本书，你将掌握设计和构建实际复杂系统所需的知识，这些系统可以有效地利用OCaml函数式编程语言的优势。
https://link.springer.com/book/10.1007/978-1-4842-8853-5
你将学到什么
基于N维数组优化核心操作 * 设计并实现了行业级算法差异化模块 * 基于算法微分实现数学优化、回归和深度神经网络功能 * 设计和优化计算图模块，并了解它给数值计算库带来的好处 * 适应不断增长的数值计算硬件加速器(如GPU, TPU)和执行后端(如web浏览器，unikernel) * 使用Zoo系统进行高效的脚本编写、代码共享、服务部署和组合 * 设计并实现一个与数值计算库协同工作的分布式计算引擎，提供方便的api和高性能
这本书是给谁看的
具有编程经验的人员，特别是具有OCaml编程语言的人员，或具有科学计算经验的OCaml新手。最重要的是，它适用于那些不仅渴望了解如何使用某些东西，而且渴望了解它是如何构建的人。
微信扫码咨询专知VIP会员