本書主要介紹了人工智能的基礎知識和實用技術。本書共8章，包括“人工智能：開啟智慧新時代”“Python：人工智能開發(fā)語言”“線性回歸：預測未來趨勢”“分門別類：幫你‘分而治之’”“物以類聚：發(fā)現新簇群”“個性化推薦：主動滿足你的需求”“語音識別：讓機器對你言聽計從”“人臉識別：機器也認識你”。 本書以培養(yǎng)學生人工智能素

本書從深度學習的發(fā)展歷程開始，系統介紹了基于深度學習的目標檢測的基本問題及其相關處理方法與技術，主要內容涉及兩階段和單階段目標檢測的理論、算法和研究成果。本書共6章，包括深度學習神經網絡類型、目標檢測技術、基于FasterR-CNN的目標檢測改進算法、領域自適應及其在目標檢測技術上的典型應用、圖像識別模型改進及面部表情

本書源于阿里巴巴千億級知識圖譜構建與產業(yè)化應用的工作總結，對知識圖譜理論和大規(guī)模工業(yè)實踐進行了全面和深入的闡述。本書以阿里巴巴的實戰(zhàn)經驗為中心，以深厚的理論成果為支撐，詳細闡述了知識圖譜的方方面面。首先介紹工業(yè)場景下知識圖譜的現狀、存在的問題和架構設計；然后從知識表示、知識融合、知識獲取、知識推理、知識存儲和知識圖譜前

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歸納。本書跳出了原理介紹加應用案例的傳統敘述模式，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。基礎篇（第1~13章）包括由傳統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�；�于理論講解強化學習算法，