本書是人工智能和機器學習領域專家多年實踐的結晶。它深入淺出地講解了無代碼人工智能開發(fā)平臺實踐，可以激發(fā)讀者對人工智能的興趣、學習人工智能知識、明確人工智能要素、掌握人工智能應用流程，并在學習和工作中不斷拓展人工智能的應用領域，探索新的人工智能落地應用場景。本書首先介紹了人工智能和無代碼人工智能平臺EasyDL的基本用法

類腦智能技術是當前國際重要的科技前沿，研究類腦智能技術對發(fā)展新型信息產業(yè)意義重大。本書介紹了一種新穎的類腦模型—大腦情感學習模型，并介紹了其學習算法、改進技術及應用。大腦情感學習模型根據哺乳動物大腦邊緣系統(tǒng)的結構建立，在模擬生物智能行為上表現(xiàn)出了良好的自適應性能，模型結構簡單，運算速度快。本書共9章，分為3篇：基礎篇、

人工智能超入門叢書致力于面向人工智能各技術方向零基礎的讀者，內容涉及數據思維、數據科學、視覺感知、情感分析、搜索算法、強化學習、知識圖譜、專家系統(tǒng)等方向，體系完整、內容簡潔、文字通俗，綜合介紹人工智能相關知識，并輔以程序代碼解決問題，使得零基礎的讀者快速入門。本書是人工智能超入門叢書的一個分冊，以機器學習為主線，介紹如

本書主要講解人工智能的技術發(fā)展和行業(yè)現(xiàn)狀，旨在幫助讀者掌握進入人工智能行業(yè)工作的知識和方法。 本書首先介紹人工智能的技術概況、人工智能對人們的生活和工作的影響，以及人工智能的三大技術--機器學習、深度學習和大數據的基本原理與應用。其次，本書介紹人工智能從業(yè)者所需要的專業(yè)技術，并提供相應的學習方法。接著，本書介紹人工智能

隨著人工智能技術的廣泛應用，網絡智能化近年來受到廣泛的關注，已經成為下一代移動通信與未來網絡的重要技術。阿爾法圍棋（AlphaGo）之后，深度強化學習不斷推陳出新，為網絡中的決策問題提供了有效的潛在解決方案。本書系統(tǒng)介紹了網絡智能化中深度強化學習的基本理論、算法及應用場景。全書共8章，針對互聯(lián)網、移動通信網、邊緣網絡、

本書先介紹深度強化學習的基礎知識及相關算法，然后給出多個實戰(zhàn)項目，以期讓讀者可以根據環(huán)境的直接反饋對智能體加以調整和改進，提升運用深度強化學習技術解決實際問題的能力。本書涵蓋深度Q網絡、策略梯度法、演員-評論家算法、進化算法、Dist-DQN、多智能體強化學習、可解釋性強化學習等內容。本書給出的實戰(zhàn)項目緊跟深度強化學習

本書基于循序漸進培養(yǎng)兒童數學核心概念和邏輯思維的培養(yǎng)目標，用故事情景和實物化編程游戲工具，引導孩子在角色扮演和對圖形化程序指令符號的理解執(zhí)行過程中，訓練孩子用計算思維解決問題，使抽象枯燥的數學教育和編程教育變成生動活潑、充滿童趣，又富有互動性的學習體驗。 附帶教學教案和教具

本書是入門階段的人工智能技術讀物，使讀者獲得人工智能的入門知識和基本的人工智能思維模式與動手能力，主要內容包括人類智能與人工智能的關系、人工智能的定義、人工智能六大實現(xiàn)途徑、智能系統(tǒng)的動手實踐等，為學校開展人工智能入門教學或者讀者自學人工智能技術提供參考和指南。

使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優(yōu)化算法常被用于訓練模型的參數，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識。基于梯度的算法（例如加速梯度法、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM

本書系統(tǒng)地論述了人工神經網絡的主要理論和設計基礎，給出了大量應用實例，旨在使讀者了解神經網絡的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應用，掌握其結構模型和基本設計方法，為以后的深入研究和應用開發(fā)打下基礎。全書共分為10章，第1、2章介紹了神經網絡的發(fā)展歷史、基本特征與功能、應用領域及基礎知識，第3~10章展開介

本書系統(tǒng)介紹了機器學習常用算法及其應用，在深入分析算法原理的基礎上，結合當前熱門應用場景，向讀者展現(xiàn)了機器學習算法的綜合應用，帶領讀者進入機器學習領域，開啟人工智能行業(yè)的大門。全書共21章，分為3部分。第1部分介紹機器學習基礎算法，包括線性回歸、多項式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機森林、

本書的主體內容包括機器學習概念與特征工程、機器學習技術、模型關系管理，其中，模型關系管理部分主要介紹了弱集成學習、強集成學習和混合專家模型。弱集成學習是指使用機器學習中的弱分類器實現(xiàn)模型準確度和穩(wěn)定性之間的平衡。強集成學習是指協(xié)同特征工程與強分類器形成強集成學習環(huán)境�；旌蠈＜夷Ｐ褪侵竿ㄟ^神經網絡集成和網絡結構設計形成深

2017年，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》，要求中小學開設人工智能相關課程，并提倡以計算思維為指導，將信息技術課程從技術導向轉換為科學導向。因此，機器學習作為人工智能技術的內核，走入我國廣大中小學生的課堂是科技發(fā)展的必然選擇�！禕R》本書共11章，系統(tǒng)地介紹機器學習模型中常見的白盒和黑盒模型，以及這些模型統(tǒng)一的框

機器學習是人工智能的一個方向。它是一門多領域交叉學科，涉及概率論、統(tǒng)計學、矩陣論、神經網絡、計算機等多門學科。其目標是使用計算機模擬或實現(xiàn)人類學習活動，從現(xiàn)有大量的數據中學習，利用經驗不斷改善系統(tǒng)性能。機器學習步驟一般分為獲取數據、數據預處理、建立模型、模型評估和預測。本書共6章。第1章節(jié)主要介紹機器學習的基本概念及其

本書是近年來作者對混合智能系統(tǒng)研究成果及經驗的總結。本書界定了混合智能系統(tǒng)的研究范圍和研究層次，給出了混合智能系統(tǒng)的概念。以設計科學的思想為基礎，以基于案例推理的混合智能系統(tǒng)技術選擇為核心，依據“從定性到定量綜合集成研討廳”的基本思想，提出了基于案例推理的混合智能系統(tǒng)構造方法。在對串型混合智能系統(tǒng)、并型混合智能系統(tǒng)、反

人工智能是一項高科技技術，也是計算機技術的一個重要分支，此技術是以人工的方法，對人類的行動和思維進行模仿，同時在人的智能基礎上進行拓展。人工智能應用面比較廣泛，可代替人類進行各個方面的工作，可以說大大提高了人類在日常生活工作中的效率。但人工智能具有兩面性，對人類有好的一面也有不好的一面。因此，本書將結合人工智能技術的發(fā)

本書是《動手學深度學習》的重磅升級版本，選用PyTorch深度學習框架，旨在向讀者交付更為便捷的有關深度學習的交互式學習體驗。 本書重新修訂《動手學深度學習》的所有內容，并針對技術的發(fā)展，新增注意力機制、預訓練等內容。本書包含15章，第一部分介紹深度學習的基礎知識和預備知識，并由線性模型引出基礎的神經網絡——多層感知機

本書是《Scikit-learn機器學習詳解》（潘風文編著）的進階篇，講解了Sklearn（Scikit-learn）機器學習框架的各種高級應用技術，包括數據集導入工具、集成學習、模型選擇和交叉驗證、異常檢測、管道、信號分解、模型持久化以及Sklearn系統(tǒng)高級配置。通過本書的學習，讀者可快速掌握Sklearn框架的高

本書將人工智能與人類智慧深度融合，系統(tǒng)、全面地介紹了類腦智能目標檢測網絡的構建原理、方法、過程，具有較高的學術價值；同時，本書將所構建的類腦智能目標檢測網絡在無人車交通標志檢測、無人車-機械臂協(xié)同作業(yè)這兩個場景進行了示范應用，具有較大的工程應用價值。本書主要的讀者群體為從事類腦智能、計算機視覺、無人系統(tǒng)研究的科研工作者

本書基于作者多年的研究成果，詳細介紹了跨數據中心機器學習的訓練系統(tǒng)設計和通信優(yōu)化技術。本書面向多數據中心間的分布式機器學習系統(tǒng)，針對多數據中心間有限的傳輸帶寬、動態(tài)異構資源，以及異構數據分布三重挑戰(zhàn)，自底向上討論梯度傳輸協(xié)議、流量傳送調度、高效通信架構、壓縮傳輸機制、同步優(yōu)化算法、異構數據優(yōu)化算法六個層次的優(yōu)化技術，旨