人工智能在效率和能耗上明顯優(yōu)于傳統(tǒng)手段,得到海洋科學(xué)研究者的青睞,具有海洋科學(xué)特色、以海洋大數(shù)據(jù)為“燃料”驅(qū)動(dòng)的海洋信息挖掘、數(shù)據(jù)分析和處理的手段,已經(jīng)在海洋科學(xué)眾多研究領(lǐng)域取得成功。本書將從介紹人工智能海洋學(xué)的基礎(chǔ)內(nèi)容開始,系統(tǒng)全面地介紹海洋大數(shù)據(jù)、Python語言、人工智能基礎(chǔ)等專業(yè)知識(shí),并從海洋特征智能識(shí)別、海洋參數(shù)智能預(yù)測(cè)、動(dòng)力參數(shù)智能估算和模式智能訂正3個(gè)方面深入淺出地介紹了人工智能海洋學(xué)在海洋學(xué)科研究中的

21世紀(jì)，生命科學(xué)成為帶頭學(xué)科，進(jìn)一步推動(dòng)計(jì)算機(jī)、互聯(lián)網(wǎng)、機(jī)器人、人工智能等領(lǐng)域的發(fā)展。各個(gè)研究領(lǐng)域與之交叉融合，形成新工科理念。生命科學(xué)的基本概念、基本原理和基本方法成為適應(yīng)未來的新工科人才必備的核心素養(yǎng)。為了順應(yīng)21世紀(jì)經(jīng)濟(jì)、社會(huì)、科技、文化發(fā)展對(duì)高等教育人才培養(yǎng)的要求，非生物專業(yè)的在校大學(xué)生不僅需要掌握一些生命科學(xué)的基礎(chǔ)知識(shí)，還要站在國(guó)家發(fā)展和個(gè)人前途交匯點(diǎn)思考自己的未來，更要以生命邏輯的方式思考人類的未來。本

本書共14章，涵蓋了深度學(xué)習(xí)中的大部分學(xué)習(xí)網(wǎng)絡(luò)方法。第1～2章介紹開發(fā)環(huán)境軟件安裝和深度學(xué)習(xí)相關(guān)的軟件包，第3～4章是鳶尾花多分類全連接神經(jīng)網(wǎng)絡(luò)識(shí)別案例與實(shí)現(xiàn)，第5～6章是MINIST手寫數(shù)字識(shí)別案例，第7章是FashionMNIST服裝識(shí)別案例，可以加深對(duì)卷積神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)，第8章介紹CIFAR-10數(shù)據(jù)集彩色圖片識(shí)別案例，第9章介紹循環(huán)卷積神經(jīng)網(wǎng)絡(luò)并通過字母預(yù)測(cè)實(shí)現(xiàn)，第10章是Embedding編碼下通過4個(gè)字母

《機(jī)器學(xué)習(xí)與人工智能》涵蓋了與人工智能相關(guān)的機(jī)器學(xué)習(xí)核心方法，包括深度卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、蒙特卡羅樹搜索、強(qiáng)化學(xué)習(xí)。《機(jī)器學(xué)習(xí)與人工智能》也包括一些應(yīng)用非常廣泛的機(jī)器學(xué)習(xí)方法，例如，支持向量機(jī)、決策樹和隨機(jī)森林、隱馬爾可夫模型、聚類與自組織映射�！稒C(jī)器學(xué)習(xí)與人工智能》還包含一些重要的大數(shù)據(jù)分析方法，如主成分分析、回歸分析等。

本書從仿生學(xué)的角度,闡述AI面臨的挑戰(zhàn)和前沿研究方向,同時(shí)融入作者在AI研究中部分最新成果。反映了人工智能發(fā)展的最新動(dòng)態(tài)，為生物信息學(xué)或其他學(xué)科的特征分析提供手段和方法，為研究和開發(fā)更高層次的human-like智能打下基礎(chǔ)。本書強(qiáng)調(diào)新視野、先進(jìn)性、實(shí)用性和可讀性，書中涉及的經(jīng)典例子和算法都將提供程序?qū)崿F(xiàn)，附在隨書光盤中。