《統(tǒng)計學習要素：機器學習中的數(shù)據(jù)挖掘、推斷與預(yù)測(第2版)》在一個通用的概念框架中描述通用于數(shù)據(jù)挖掘、機器學習和生物信息學等領(lǐng)域的重要思想和概念。這些統(tǒng)計學范疇下的概念是人工智能與機器學習的基礎(chǔ)。全書共18章，主題包括監(jiān)督學習、回歸的線性方法、分類的線性方法、基展開和正則化、核光滑方法、模型評估和選擇、模型推斷和平均、

本書系統(tǒng)地描述了深度學習的基本理論算法及應(yīng)用。全書共14章，第1~3章論述了數(shù)學基礎(chǔ)、機器學習基礎(chǔ)和深度學習基礎(chǔ)；第4~7章介紹了一些經(jīng)典網(wǎng)絡(luò)及計算機視覺領(lǐng)域中常用的CNN、RNN、GAN等網(wǎng)絡(luò)結(jié)構(gòu)技術(shù)；第8~9章介紹了深度學習在計算機視覺領(lǐng)域的目標檢測及圖像分割兩大應(yīng)用；第10~14章介紹了計算機視覺領(lǐng)域主要的優(yōu)化方

深入深度神經(jīng)網(wǎng)絡(luò)，揭開對抗性輸入如何欺騙深度神經(jīng)網(wǎng)絡(luò)。 探討如何生成對抗性輸入去攻擊深度神經(jīng)網(wǎng)絡(luò)。 探索真實對抗性攻擊場景和為對抗性威脅建模。 評估神經(jīng)網(wǎng)絡(luò)的健壯性；學會增強人工智能系統(tǒng)應(yīng)對對抗性數(shù)據(jù)的能力。 考察未來幾年可用哪些方式讓人工智能更擅長模擬人的感知。

本教材是一個機器學習工具箱，適用于計算機科學專業(yè)本科四年級或研究生一年級的學生。本書為那些想要使用機器學習過程來完成任務(wù)的人提供了許多主題，強調(diào)使用現(xiàn)有的工具和包，而不是自己重新編寫代碼。本書適用于從頭至尾的講授或閱讀，不同的講師或讀者有不同的需求。

內(nèi)容簡介本書圍繞機器學習算法中涉及的概率統(tǒng)計知識展開介紹，沿著概率思想、變量分布、參數(shù)估計、隨機過程和統(tǒng)計推斷的知識主線進行講解，結(jié)合數(shù)學的本質(zhì)內(nèi)涵，用淺顯易懂的語言講透深刻的數(shù)學思想，幫助讀者構(gòu)建理論體系。同時，作者在講解的過程中注重應(yīng)用場景的延伸，并利用Python工具無縫對接工程應(yīng)用，幫助讀者學以致用。?全書共5

本書通過講解監(jiān)督學習的兩大支柱——回歸和分類——將機器學習納入統(tǒng)一視角展開討論。書中首先討論基礎(chǔ)知識，包括均方、*小二乘和*大似然方法、嶺回歸、貝葉斯決策理論分類、邏輯回歸和決策樹。然后介紹新近的技術(shù)，包括稀疏建模方法，再生核希爾伯特空間中的學習、支持向量機中的學習、關(guān)注EM算法的貝葉斯推理及其近似推理變分版本、蒙特卡

據(jù)聯(lián)合國預(yù)測，2050年全球?qū)⑦_到100億人口。本書認為，地球養(yǎng)活100億人口是一個巨大的挑戰(zhàn)，人類將面臨“FEW”困境�！癋EW”是食物(Food)、能源(Energy)、水(Water)三個英文單詞的首字母縮寫，是人類生存與發(fā)展不可或缺的基礎(chǔ)性資源。然而，隨著地球上人口的增長，食物安全、淡水資源短缺、化石能源枯竭等

語言智能處理一直是人工智能領(lǐng)域的重要研究方向之一。本書按照研究歷程與現(xiàn)狀、關(guān)鍵技術(shù)與方法、發(fā)展趨勢與展望的基本脈絡(luò)，重點介紹了語言智能處理中的語言模型與知識表示、語言分析技術(shù)、語言情感分類、自然語言生成技術(shù)、自動問答與人機對話、機器翻譯、信息檢索與信息推薦等主題。本書所描述的內(nèi)容涉及人們?nèi)粘Ｉ�活中的真實�?yīng)用場景，理論與

本書對于機器學習的核心方法，進行了深入而詳細的介紹，并特別關(guān)注各學科*常用的算法。*特色在于力圖以生動的語言、較多的插圖與大量的實例來直觀地解釋機器學習的原理。同時，結(jié)合流行的R語言，及時地介紹相應(yīng)的軟件操作與經(jīng)典案例，為讀者提供一站式服務(wù)。本書還提供詳盡的數(shù)學推導(dǎo)，盡量避免跳躍，并輔以直觀的文字解釋。對于看似復(fù)雜的機

《寫給新手的深度學習——用Python學習神經(jīng)網(wǎng)絡(luò)和反向傳播》一書以Python為基礎(chǔ)，不借助TensorFlow、PyTorch等任何框架，以淺顯易懂的語言，結(jié)合大量圖示，對機器學習、深度學習、AI相關(guān)技術(shù)中的通用技能進行了解說。主要內(nèi)容包括深度學習的概念，Python基礎(chǔ)，深度學習必備數(shù)學知識，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及編程