本書介紹了機器學習的基本算法、歷史發(fā)展、應用前景及相關問題。內容包括：機器學習所涉及的必要的數(shù)學知識，機器學習的基本模式和任務，神經(jīng)網(wǎng)絡的基本理論及算法結構，分類與聚類學習算法，數(shù)據(jù)維度歸約的基本方法，圖理論及方法以及當前比較流行的機器學習理論和算法。本書在加深學生對經(jīng)典機器學習方法理解的基礎上適當擴展其視野，以培養(yǎng)和

本書內容包含人工智能新技術、大數(shù)據(jù)、機器學習、深度學習、知識圖譜、AI圖像技術、自然語言處理、智慧物聯(lián)、數(shù)字工廠、智能機器人、智慧城市。本書案例豐富、結構清晰、通俗易懂，是一本比較全面、系統(tǒng)地介紹人工智能基礎技術的書籍。 本書可作為應用型本科、高職院校的人工智能應用技術通識課教材，也可作為人工智能愛好者、從業(yè)者的輔助

本書是面向高級人工智能人才培養(yǎng)的高等學校人工智能相關專業(yè)精品教材中的一本，以信息物理系統(tǒng)、模糊邏輯系統(tǒng)、自主無人系統(tǒng)、群體智能、多Agent系統(tǒng)、人機協(xié)同系統(tǒng)、工業(yè)智能控制系統(tǒng)、機器人系統(tǒng)等為案例，完整呈現(xiàn)了人工智能綜合應用體系架構。本書首先介紹了智能系統(tǒng)的發(fā)展、相關概念、主要特征和類型、智能系統(tǒng)的發(fā)展前景，然后圍繞智

本書首先從深度學習的原理出發(fā)，介紹如何把深度學習的理論轉換為PyTorch代碼，然后介紹如何在計算機上運行這些代碼。作為一本面向初中級讀者的技術類圖書，本書在前面所述內容的基礎上，還介紹了學術界前沿的一系列實例，以及PyTorch的源代碼結構，以期讀者能夠融會貫通深度學習框架的設計和應用的思想。

本選題宏觀而全面地介紹了人工智能的理論和實踐，闡述了人工智能領域的核心內容，并較為深入的介紹了各個主要研究方向的理論基礎及應用。全書分為8章：第1章介紹人工智能的基本概念、研究目標及發(fā)展情況；第2章講解人工智能領域常用的數(shù)學概念；第3、4章討論人工智能在通訊領域、控制領域的應用原理及常見技術；第5章講解人工智能的核心算

本書系統(tǒng)介紹了深度學習理論，并基于MindSporeAI計算框架進行實踐。全書共分十四章，內容涵蓋了深度學習概況、理論基礎、深度神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、無監(jiān)督學習、深度強化學習、自動化機器學習、端云聯(lián)合訓練、可視化、數(shù)據(jù)準備等內容。為便于讀者學習，書中還給出了基于MindSpore實現(xiàn)的關于深度學習的開發(fā)實例以及線上資

本書探討了計算機在創(chuàng)造性藝術等領域里可能做出的貢獻。除了探討人工智能（AI），本書也是一部人類創(chuàng)造力的歷史。AI可以創(chuàng)作出優(yōu)美的音樂，但AI本身會知道為什么這個音樂作品是優(yōu)美的嗎？或者，人類會認為這個音樂作品是AI原創(chuàng)的嗎？為了思考這些問題，我們必須追溯人類創(chuàng)造力的歷史，思考第一批人類是怎樣、何時、為何與音樂建立聯(lián)系的

本書內容包括神經(jīng)網(wǎng)絡的基礎、深度神經(jīng)網(wǎng)絡的優(yōu)化和驗證、深度神經(jīng)網(wǎng)絡開發(fā)和訓練環(huán)境的構建、使用Tensor-Board進行網(wǎng)絡訓練的監(jiān)控和模的超參數(shù)優(yōu)化。本書詳細介紹的深度學習問題，包括基本的回歸問題、二元分類問題和多元分類問題，還包括較為復雜的卷積神經(jīng)網(wǎng)絡對圖像的分類和使用預訓練CNN進行的遷移學習；使用遞歸神經(jīng)網(wǎng)絡進

本書介紹了數(shù)據(jù)科學領域常用的所有重要機器學習算法以及TensorFlow和特征工程等相關內容。涵蓋的算法包括線性回歸、邏輯回歸、支持向量機、樸素貝葉斯、k均值、隨機森林等，這些算法可以用于監(jiān)督學習、非監(jiān)督學習、強化學習或半監(jiān)督學習。在本書中，你將學會如何使用這些算法來解決所遇到的問題，并了解這些算法的工作方式。本書還將

涵蓋強化學習基本算法實踐+深度強化學習算法的原理實現(xiàn)及案例。代碼豐富，可直接上手操作；配套豐富的直播課程資源！