本選題宏觀而全面地介紹了人工智能的理論和實踐，闡述了人工智能領域的核心內容，并較為深入的介紹了各個主要研究方向的理論基礎及應用。全書分為8章：第1章介紹人工智能的基本概念、研究目標及發(fā)展情況；第2章講解人工智能領域常用的數(shù)學概念；第3、4章討論人工智能在通訊領域、控制領域的應用原理及常見技術；第5章講解人工智能的核心算

本書系統(tǒng)介紹了深度學習理論，并基于MindSporeAI計算框架進行實踐。全書共分十四章，內容涵蓋了深度學習概況、理論基礎、深度神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡、無監(jiān)督學習、深度強化學習、自動化機器學習、端云聯(lián)合訓練、可視化、數(shù)據(jù)準備等內容。為便于讀者學習，書中還給出了基于MindSpore實現(xiàn)的關于深度學習的開發(fā)實例以及線上資

本書探討了計算機在創(chuàng)造性藝術等領域里可能做出的貢獻。除了探討人工智能（AI），本書也是一部人類創(chuàng)造力的歷史。AI可以創(chuàng)作出優(yōu)美的音樂，但AI本身會知道為什么這個音樂作品是優(yōu)美的嗎？或者，人類會認為這個音樂作品是AI原創(chuàng)的嗎？為了思考這些問題，我們必須追溯人類創(chuàng)造力的歷史，思考第一批人類是怎樣、何時、為何與音樂建立聯(lián)系的

本書內容包括神經(jīng)網(wǎng)絡的基礎、深度神經(jīng)網(wǎng)絡的優(yōu)化和驗證、深度神經(jīng)網(wǎng)絡開發(fā)和訓練環(huán)境的構建、使用Tensor-Board進行網(wǎng)絡訓練的監(jiān)控和模的超參數(shù)優(yōu)化。本書詳細介紹的深度學習問題，包括基本的回歸問題、二元分類問題和多元分類問題，還包括較為復雜的卷積神經(jīng)網(wǎng)絡對圖像的分類和使用預訓練CNN進行的遷移學習；使用遞歸神經(jīng)網(wǎng)絡進

本書介紹了數(shù)據(jù)科學領域常用的所有重要機器學習算法以及TensorFlow和特征工程等相關內容。涵蓋的算法包括線性回歸、邏輯回歸、支持向量機、樸素貝葉斯、k均值、隨機森林等，這些算法可以用于監(jiān)督學習、非監(jiān)督學習、強化學習或半監(jiān)督學習。在本書中，你將學會如何使用這些算法來解決所遇到的問題，并了解這些算法的工作方式。本書還將

涵蓋強化學習基本算法實踐+深度強化學習算法的原理實現(xiàn)及案例。代碼豐富，可直接上手操作；配套豐富的直播課程資源！

共分為4個部分：1、基礎知識：主要介紹機器學習的基本概念、Python的基礎知識、常用第三方庫，并結合網(wǎng)絡爬蟲及信息提取案例和股票數(shù)據(jù)圖表繪制案例使讀者對本部分內容有更好的理解。2、有監(jiān)督分類案例：包括Iris數(shù)據(jù)分類、新聞文本數(shù)據(jù)分類、手寫數(shù)字圖像識別和場景文字檢測共4個案例。3、無監(jiān)督聚類案例：包括人臉圖像聚類和文

這是一本介紹推薦系統(tǒng)前沿技術的技術書。本書前幾章著重介紹深度學習排序模型的技術演化趨勢，然后依次介紹推薦系統(tǒng)其他模塊的技術細節(jié)和工程實現(xiàn)，通過業(yè)界前沿的推薦系統(tǒng)實例將所有知識融會貫通。本書著重討論的是推薦系統(tǒng)相關的經(jīng)典和前沿技術內容，尤其是深度學習在推薦系統(tǒng)業(yè)界的應用。

著重介紹深度強化學習的學術界前沿進展與核心代碼分析的書籍。對深度強化學習方面的重要學術進展按照單智能體深度強化學習、多智能體深度強化學習、多任務深度強化學習三個方向梳理，介紹其核心算法，以及算法的代碼實現(xiàn)示例。

《TensorFlow深度學習（原書第2版）》深入介紹了如何使用TensorFlow構建深度學習應用，從實踐的角度講解深度學習知識。本書主要內容包括深度學習入門，介紹了機器學習和深度學習的基礎知識；TensorFlow的主要特性，以及TensorFlow的安裝與配置，通過示例進行TensorFlow計算、數(shù)據(jù)和編程模型