《人工智能：機器學習與神經網絡》以人工智能實現算法為視角，系統(tǒng)闡述機器學習與人工神經網絡這兩個彼此緊密聯系的人工智能實現途徑中的主要問題與解決方法。對于機器學習，在深入理解機器學習任務與關鍵問題的基礎上，探討監(jiān)督學習、非監(jiān)督學習、半監(jiān)督學習、強化學習這四大類歸納學習問題的本質特性及其解決方案，同時論述作為歸納學習基礎的

本書主要內容包括人工智能概述、知識表示和知識圖譜、機器學習、人工神經網絡與深度學習、智能識別、自然語言處理、專家系統(tǒng)、智能體與智能機器人、Python語言、人工智能案例設計與實現。

隨著人工智能時代的到來，它對機器學習發(fā)展的影響日益劇增。從基于符號主義的機器學習發(fā)展到基于數據統(tǒng)計的機器學習，反映了機器學習從純粹的理論研究和模型研究發(fā)展到以解決現實生活中實際問題為目的的應用研究，這是科學研究的一種進步。目前市面上有機器學習的純理論書籍，也有具體操作實踐的書籍，然而理論與實踐相結合的書籍卻少之又少�！�

數據科學與人工智能數學基礎課旨在幫助讀者快速打下數學基礎，通俗講解每一個知識點。 全書分為3篇，共17章。其中第1篇為基礎篇，主要講述了高等數學基礎、微積分、泰勒公式與拉格朗日；第2篇為核心知識篇，主要講述了線性代數基礎、特征值與矩陣分解、隨機變量與概率估計、概率論基礎、數據科學的幾種分布、核函數變換、熵與激活函數；第

本書是一本人工智能應用技術方面的入門教材，介紹了網絡、設備、制造、安全、大數據、多媒體等應用領域在智能化方面的發(fā)展。本書從人工智能應用的角度，全面系統(tǒng)地闡述了計算機網絡、移動互聯網、物聯網、出版印刷、互聯網安全、云計算與大數據、圖像處理、生物特征識別、多媒體交互等在智能化方面的應用和實踐，主要內容包括人工智能導論；三種

《物聯網發(fā)展與創(chuàng)新》對物聯網的技術方面，提出了在物聯網連接對象（CO）中與環(huán)境、體系結構和協(xié)議相關的要素，提出了需要解決的重大科學問題：對象的準確識別、數據傳輸協(xié)議、機器與機器（M2M）通信、加密和安全、法律體系以及物聯網架構的規(guī)范化和標準化；介紹了幫助物聯網的不同范式、物聯網和多智體系統(tǒng)之間建立聯系的MQTT協(xié)議，D

全書共10章分別從構建非生物智能體、感知、描述、連接、記憶和理解、學習與交互、智能體運算模式與處理功能、資源和任務功能系統(tǒng)、生存、思維、控制與主體性、智能體生命周期等角度深入討論了智能體的方方面面，本書討論一個極為龐大、復雜，且沒有先例、沒有形成共識的智能體或機器智能系統(tǒng)的實現機理、過程、要點，沒有能、也做不到面面俱到

本書以深度學習為核心，詳細講解Pytorch技術堆棧，力求使用最直白的語言，帶更多的小白學員入門甚至精通深度學習。本書共分為10個章節(jié)，前五個章節(jié)主要講解深度學習中的基本算法及概念，通過使用Pytorch實現經典的神經網絡并輔以\"課后加油站”小節(jié)補充數學知識，力求讓每一個知識點、每一個章節(jié)、每一個實驗都能在學員腦海中

本書是智能計算平臺應用開發(fā)中級教材，主要介紹了智能計算平臺搭建、平臺管理、數據管理、應用開發(fā)等相關知識。全書共分9章，內容包括智能計算平臺應用開發(fā)概述、人工智能與平臺搭建、平臺管理、數據采集、數據存儲、數據處理、數據備份與恢復、機器學習基礎算法建模和人工智能模型開發(fā)測試。

本書主要介紹了TensorFlow2在機器視覺中的應用。本書共8章，主要內容包括神經網絡的原理，如何搭建開發(fā)環(huán)境，如何在網絡側搭建圖片分類器，如何識別圖片中不同膚色的人數，如何用遷移學習診斷醫(yī)療影像，如何使用Anchor-Free模型檢測文字，如何實現OCR模型，如何優(yōu)化OCR模型。本書適合機器視覺、深度學習方面的專業(yè)