本書首先從人工智能的定義講起，就人工智能的早期歷史、思維和智能的內涵、新千年人工智能的發(fā)展進行了簡要論述。第二部分詳細講述了人工智能中的知識表示、機器學習、神經網絡與深度學習、智能語音技術、計算機視覺、自然語言處理和知識圖譜技術等基礎知識，并通過人工智能在醫(yī)療、交通、生活、金融、零售、安防中的經典的成功應用案例讓讀者更

本書從工業(yè)界一線算法工作者的視角，對深度強化學習落地實踐中的工程經驗和相關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用案例的傳統(tǒng)敘述模式，轉而在橫向上對深度強化學習落地過程中的核心環(huán)節(jié)進行了完整復盤。主要內容包括需求分析和算法選擇的方法，動作空間、狀態(tài)空間和回報函數設計的理念，訓練調試和性能沖刺的技巧等。本

本書采用理論與實戰(zhàn)相結合的形式，通過生活中的例子來講解理論知識，結合實際案例代碼，幫助讀者在掌握機器學習理論的同時，打下項目實踐的基礎，同時配有豐富的教學資源，幫助讀者自學或開展教學工作。本書共13章，涵蓋機器學習入門所需的數學知識及相關算法，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、AdaB

本書參照《國家新一代人工智能標準體系建設指南》，全面系統(tǒng)地闡述人工智能理論和技術體系的基本框架，并體現了人工智能的**進展。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容與各種應用，以開闊讀者的視野，引導讀者進入人工智能各個研究領域；第2～6章闡述人工智能的基本原理和技術基礎，重

本書以人工智能發(fā)展為時代背景,通過20個應用機器學習模型和算法的實際案例,為工程技術人員提供較為詳細的實戰(zhàn)方案,以便深度學習。在編排方式上,全書側重對創(chuàng)新項目的過程進行介紹。分別從整體設計、系統(tǒng)流程和實現模塊等角度論述數據處理、模型訓練和模型應用,并剖析模塊的功能、使用和程序代碼。為便于讀者高效學習、快速掌握人工智能開

本書深入淺出講解深度學習，對復雜的深挖其本質，讓其簡單化；對簡單的深挖其聯系，讓其豐富化。從理論知識到實戰(zhàn)項目，內容翔實。本書分為兩篇，基礎篇主要講解深度學習的理論，實戰(zhàn)篇是代碼實踐及應用�；�礎篇（第1~13章）包括由傳統(tǒng)機器學習到深度學習的過度、圖像分類的數據驅動的方法、Softmax損失函數、優(yōu)化方法與梯度、卷積神

圍繞著MDP模型，闡述動態(tài)規(guī)劃、蒙特卡羅、動態(tài)規(guī)劃等有窮表格式強化學習方法。在深度強化學習框架PyTorch下，闡述DQN,DDDPG,A3C等算法。本書以實例為導向，深度淺出地講解相關算法。全書采用完整的數學體系，各章內容循序漸進，嚴謹地講授強化學習的理論基礎，主要定理均給出證明過程。基于理論講解強化學習算法，

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

本書基于計算機類專業(yè)對大數據平臺技術和大規(guī)模數據處理的實戰(zhàn)需求，在闡述數據科學、Hadoop和Spark配置要點和大數據處理周期的基礎上，重點闡述大數據采集與存儲、預處理、特征工程、數據可視化分析、機器學習基礎等大數據處理技術及其Python實現，以及基于Hadoop和Spark平臺的Python接口調用和機器學習編程

本書是一本系統(tǒng)介紹機器學習所涉及的數學知識和相關Python編程的實例工具書，同時還介紹了非常經典的綜合案例，除了編寫機器學習的代碼，還編寫了深度學習的代碼。本書一共分為兩部分。 第一部分為數學基礎知識部分，包含8個章節(jié)，介紹了微積分、線性代數、概率統(tǒng)計、信息論、模糊數學、隨機過程、凸優(yōu)化和圖論的系統(tǒng)知識體系及幾個數學