本書融合了信息交互設(shè)計(jì)專業(yè)方向近十年來在交互設(shè)計(jì)教學(xué)方面的經(jīng)驗(yàn)，將教學(xué)團(tuán)隊(duì)在實(shí)際教學(xué)過程中探索形成的行之有效的教學(xué)結(jié)構(gòu)與方法構(gòu)建在內(nèi)容之中。因此，本書的知識(shí)模塊、教學(xué)體例和適時(shí)的作業(yè)配套都經(jīng)過了多年教學(xué)的實(shí)踐與優(yōu)化，符合學(xué)習(xí)認(rèn)知的規(guī)律和交互設(shè)計(jì)的內(nèi)容特點(diǎn)，可為相應(yīng)的專業(yè)教學(xué)提供有效的教學(xué)參考，從而引導(dǎo)學(xué)生了解并掌握交互

人工智能是電子信息技術(shù)領(lǐng)域發(fā)展為迅速的新興交叉學(xué)科。本書作為人工智能學(xué)科的入門基礎(chǔ)，由淺入深、化繁為簡(jiǎn)，全方位闡述人工智能相關(guān)理論背景、關(guān)鍵技術(shù)及部分典型應(yīng)用。本書共12章：第1章闡述人工智能的定義、發(fā)展史，并展望其發(fā)展趨勢(shì)；第2～4章是人工智能學(xué)科的理論基礎(chǔ)，分別介紹知識(shí)的表示與理解方法、感知與連接以及判斷與控制方法

本書較完整地介紹了深度學(xué)習(xí)的基本概念、方法和技術(shù)。全書共10章，重點(diǎn)介紹了深度學(xué)習(xí)的基礎(chǔ)知識(shí)、深度學(xué)習(xí)的基本算法、深度學(xué)習(xí)中的正則化以及幾個(gè)典型的深度神經(jīng)網(wǎng)絡(luò)（如深度卷積神經(jīng)網(wǎng)絡(luò)、深度循環(huán)神經(jīng)網(wǎng)絡(luò)、深度生成式對(duì)抗網(wǎng)絡(luò)、自編碼器、深度信念網(wǎng)絡(luò)、膠囊網(wǎng)絡(luò)等）。本書內(nèi)容豐富、敘述詳細(xì)、實(shí)用性強(qiáng)，適合具有一定數(shù)學(xué)基礎(chǔ)的高年級(jí)本

本書在不涉及大量數(shù)學(xué)模型與復(fù)雜算法實(shí)現(xiàn)的前提下，從機(jī)器學(xué)習(xí)概述開始，由“泰坦尼克號(hào)數(shù)據(jù)分析與預(yù)處理”“良/惡性乳腺癌腫瘤預(yù)測(cè)”“波士頓房?jī)r(jià)預(yù)測(cè)”“手寫體數(shù)字聚類”“人臉特征降維”“在線旅行社酒店價(jià)格異常檢測(cè)”6個(gè)案例分別引入數(shù)據(jù)分析、分類、回歸、聚類、特征降維和異常檢測(cè)的應(yīng)用開發(fā)實(shí)戰(zhàn)技術(shù)及其少量理論，能夠幫助讀者以最快

深度學(xué)習(xí)是目前***的技術(shù)領(lǐng)域。本書兼顧了數(shù)學(xué)上的理解和代碼實(shí)踐，內(nèi)容主要包括基礎(chǔ)知識(shí)和深度學(xué)習(xí)模型。第1章介紹深度學(xué)習(xí)的簡(jiǎn)潔發(fā)展思路和表示學(xué)習(xí)機(jī)制；第2章、第3章介紹神經(jīng)網(wǎng)絡(luò)的基于梯度的優(yōu)化方法、神經(jīng)網(wǎng)絡(luò)的優(yōu)化難點(diǎn)以及相應(yīng)的解決方法；第4章討論神經(jīng)網(wǎng)絡(luò)遇到的過擬合問題；第5章分析神經(jīng)網(wǎng)絡(luò)的最小組成部分——神經(jīng)元；第6

本書通過有趣的插圖和簡(jiǎn)潔的文字帶您漫步在人工智能的世界中，與您分享這個(gè)非fan工具帶來的驚奇和震撼，同時(shí)幫助您了解它如何運(yùn)行以及它的局限性。作者在每個(gè)章節(jié)都揭示了人工智能的某一特性，并充分評(píng)估了這一領(lǐng)域的種種可能性。作者還探討了研究人員面臨的挑戰(zhàn)及社會(huì)人工智能問題等。

統(tǒng)計(jì)學(xué)習(xí)是機(jī)器學(xué)習(xí)的重要分支，本書兼顧了數(shù)學(xué)上的理解和代碼實(shí)踐，內(nèi)容主要包括基礎(chǔ)知識(shí)和統(tǒng)計(jì)學(xué)習(xí)模型。第1章、第2章結(jié)合VC維介紹過擬合的本質(zhì)，并介紹手動(dòng)特征選擇的辦法；第3章、第4章從最簡(jiǎn)單的線性模型出發(fā)經(jīng)過概率統(tǒng)計(jì)的解讀而得到分類和回歸算法；第5章討論了不依賴于假設(shè)分布的非參數(shù)模型；第6章將核方法作為一種非線性拓展的

本書共12章，第1章介紹機(jī)器學(xué)習(xí)的基本概念和理論，并介紹用于機(jī)器學(xué)習(xí)的R軟件環(huán)境的準(zhǔn)備；第2章介紹如何應(yīng)用R來管理數(shù)據(jù)，進(jìn)行數(shù)據(jù)的探索分析和數(shù)據(jù)可視化；第3-9章介紹典型的機(jī)器學(xué)習(xí)算法，包括k近鄰分類算法、樸素貝葉斯算法、決策樹和規(guī)則樹、回歸預(yù)測(cè)、黑盒算法—神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)、關(guān)聯(lián)分析、k均值聚類，并給出大量的實(shí)際案

本書是人工智能領(lǐng)域的經(jīng)典書籍，新版做了全面修訂，增加了關(guān)于機(jī)器學(xué)習(xí)的內(nèi)容，并更新了代碼示例和練習(xí)。本書主要討論智能體(agent)的基本概念和體系結(jié)構(gòu)，從計(jì)算的角度介紹相關(guān)的規(guī)劃、學(xué)習(xí)、推理、協(xié)商、交互機(jī)制等理論，基于自主送貨機(jī)器人、診斷助手、智能輔導(dǎo)系統(tǒng)和交易智能體四個(gè)原型應(yīng)用，在一個(gè)連貫的框架下研究智能體的設(shè)計(jì)、構(gòu)

本書主要關(guān)注如何構(gòu)建高能效具有學(xué)習(xí)能力的脈沖型神經(jīng)元網(wǎng)絡(luò)硬件，并且提供建立具有學(xué)習(xí)能力的脈沖型神經(jīng)元網(wǎng)絡(luò)硬件協(xié)同設(shè)計(jì)、協(xié)同優(yōu)化方法。完整地描述從高級(jí)算法到底層硬件實(shí)現(xiàn)的細(xì)節(jié)。本書同樣涵蓋了脈沖型神經(jīng)元網(wǎng)絡(luò)中的許多基礎(chǔ)知識(shí)和關(guān)鍵點(diǎn)。 本書從對(duì)脈沖型神經(jīng)元網(wǎng)絡(luò)的概述開始，討論基于速率的人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用和訓(xùn)練，介紹實(shí)現(xiàn)神經(jīng)