本書首先從人工智能的定義講起，就人工智能的早期歷史、思維和智能的內(nèi)涵、新千年人工智能的發(fā)展進(jìn)行了簡要論述。第二部分詳細(xì)講述了人工智能中的知識(shí)表示、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、智能語音技術(shù)、計(jì)算機(jī)視覺、自然語言處理和知識(shí)圖譜技術(shù)等基礎(chǔ)知識(shí)，并通過人工智能在醫(yī)療、交通、生活、金融、零售、安防中的經(jīng)典的成功應(yīng)用案例讓讀者更

本書從工業(yè)界一線算法工作者的視角，對(duì)深度強(qiáng)化學(xué)習(xí)落地實(shí)踐中的工程經(jīng)驗(yàn)和相關(guān)方法論做出了深度思考和系統(tǒng)歸納。本書跳出了原理介紹加應(yīng)用案例的傳統(tǒng)敘述模式，轉(zhuǎn)而在橫向上對(duì)深度強(qiáng)化學(xué)習(xí)落地過程中的核心環(huán)節(jié)進(jìn)行了完整復(fù)盤。主要內(nèi)容包括需求分析和算法選擇的方法，動(dòng)作空間、狀態(tài)空間和回報(bào)函數(shù)設(shè)計(jì)的理念，訓(xùn)練調(diào)試和性能沖刺的技巧等。本

本書采用理論與實(shí)戰(zhàn)相結(jié)合的形式，通過生活中的例子來講解理論知識(shí)，結(jié)合實(shí)際案例代碼，幫助讀者在掌握機(jī)器學(xué)習(xí)理論的同時(shí)，打下項(xiàng)目實(shí)踐的基礎(chǔ)，同時(shí)配有豐富的教學(xué)資源，幫助讀者自學(xué)或開展教學(xué)工作。本書共13章，涵蓋機(jī)器學(xué)習(xí)入門所需的數(shù)學(xué)知識(shí)及相關(guān)算法，包括K近鄰算法、決策樹、樸素貝葉斯、邏輯回歸與梯度下降、支持向量機(jī)、AdaB

本書參照《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》，全面系統(tǒng)地闡述人工智能理論和技術(shù)體系的基本框架，并體現(xiàn)了人工智能的**進(jìn)展。全書共13章，第1章介紹人工智能的基本概念、發(fā)展簡史，并著重介紹人工智能的主要研究內(nèi)容與各種應(yīng)用，以開闊讀者的視野，引導(dǎo)讀者進(jìn)入人工智能各個(gè)研究領(lǐng)域；第2～6章闡述人工智能的基本原理和技術(shù)基礎(chǔ)，重

本書以人工智能發(fā)展為時(shí)代背景,通過20個(gè)應(yīng)用機(jī)器學(xué)習(xí)模型和算法的實(shí)際案例,為工程技術(shù)人員提供較為詳細(xì)的實(shí)戰(zhàn)方案,以便深度學(xué)習(xí)。在編排方式上,全書側(cè)重對(duì)創(chuàng)新項(xiàng)目的過程進(jìn)行介紹。分別從整體設(shè)計(jì)、系統(tǒng)流程和實(shí)現(xiàn)模塊等角度論述數(shù)據(jù)處理、模型訓(xùn)練和模型應(yīng)用,并剖析模塊的功能、使用和程序代碼。為便于讀者高效學(xué)習(xí)、快速掌握人工智能開

本書深入淺出講解深度學(xué)習(xí)，對(duì)復(fù)雜的深挖其本質(zhì)，讓其簡單化；對(duì)簡單的深挖其聯(lián)系，讓其豐富化。從理論知識(shí)到實(shí)戰(zhàn)項(xiàng)目，內(nèi)容翔實(shí)。本書分為兩篇，基礎(chǔ)篇主要講解深度學(xué)習(xí)的理論，實(shí)戰(zhàn)篇是代碼實(shí)踐及應(yīng)用�；�礎(chǔ)篇（第1~13章）包括由傳統(tǒng)機(jī)器學(xué)習(xí)到深度學(xué)習(xí)的過度、圖像分類的數(shù)據(jù)驅(qū)動(dòng)的方法、Softmax損失函數(shù)、優(yōu)化方法與梯度、卷積神

圍繞著MDP模型，闡述動(dòng)態(tài)規(guī)劃、蒙特卡羅、動(dòng)態(tài)規(guī)劃等有窮表格式強(qiáng)化學(xué)習(xí)方法。在深度強(qiáng)化學(xué)習(xí)框架PyTorch下，闡述DQN,DDDPG,A3C等算法。本書以實(shí)例為導(dǎo)向，深度淺出地講解相關(guān)算法。全書采用完整的數(shù)學(xué)體系，各章內(nèi)容循序漸進(jìn)，嚴(yán)謹(jǐn)?shù)刂v授強(qiáng)化學(xué)習(xí)的理論基礎(chǔ)，主要定理均給出證明過程�；�于理論講解強(qiáng)化學(xué)習(xí)算法，

本書從信息科學(xué)的角度出發(fā)，介紹了智能信息處理的基礎(chǔ)理論及各種新的處理技術(shù)，涉及目前國內(nèi)外智能信息處理的研究成果。

本書基于計(jì)算機(jī)類專業(yè)對(duì)大數(shù)據(jù)平臺(tái)技術(shù)和大規(guī)模數(shù)據(jù)處理的實(shí)戰(zhàn)需求，在闡述數(shù)據(jù)科學(xué)、Hadoop和Spark配置要點(diǎn)和大數(shù)據(jù)處理周期的基礎(chǔ)上，重點(diǎn)闡述大數(shù)據(jù)采集與存儲(chǔ)、預(yù)處理、特征工程、數(shù)據(jù)可視化分析、機(jī)器學(xué)習(xí)基礎(chǔ)等大數(shù)據(jù)處理技術(shù)及其Python實(shí)現(xiàn)，以及基于Hadoop和Spark平臺(tái)的Python接口調(diào)用和機(jī)器學(xué)習(xí)編程

本書是一本系統(tǒng)介紹機(jī)器學(xué)習(xí)所涉及的數(shù)學(xué)知識(shí)和相關(guān)Python編程的實(shí)例工具書，同時(shí)還介紹了非常經(jīng)典的綜合案例，除了編寫機(jī)器學(xué)習(xí)的代碼，還編寫了深度學(xué)習(xí)的代碼。本書一共分為兩部分。 第一部分為數(shù)學(xué)基礎(chǔ)知識(shí)部分，包含8個(gè)章節(jié)，介紹了微積分、線性代數(shù)、概率統(tǒng)計(jì)、信息論、模糊數(shù)學(xué)、隨機(jī)過程、凸優(yōu)化和圖論的系統(tǒng)知識(shí)體系及幾個(gè)數(shù)學(xué)