本書從人工智能的基本定義出發(fā)，由淺入深地闡述了人工智能的理論、策略、研究方法和應(yīng)用領(lǐng)域，以梳理知識(shí)脈絡(luò)和要點(diǎn)的方式，詳細(xì)介紹了知識(shí)表示、邏輯推理及方法、非確定性推理及方法、搜索策略、機(jī)器學(xué)習(xí)等方面的內(nèi)容。作為導(dǎo)論書籍，本書概念論述清楚，內(nèi)容豐富，通俗易懂，在較為全面介紹人工智能的基礎(chǔ)上對一些傳統(tǒng)內(nèi)容進(jìn)行了取舍。為滿足讀

《TensorFlow2實(shí)戰(zhàn)》首先講解深度學(xué)習(xí)和TensorFlow2的基礎(chǔ)知識(shí)，然后通過圖像處理和自然語言處理兩方面的實(shí)例，幫助讀者進(jìn)一步掌握深度學(xué)習(xí)的應(yīng)用，最后通過對生成對抗網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)知識(shí)的講解，帶領(lǐng)讀者精通深度學(xué)習(xí)。 《TensorFlow2實(shí)戰(zhàn)》適合想要學(xué)習(xí)和了解人工智能、深度學(xué)習(xí)技術(shù)的程序員閱讀，也可作為

零基礎(chǔ)讀者應(yīng)如何快速入門機(jī)器學(xué)習(xí)？數(shù)學(xué)基礎(chǔ)薄弱的讀者應(yīng)如何理解機(jī)器學(xué)習(xí)中的數(shù)學(xué)原理？這些正是本書要解決的問題。本書從數(shù)學(xué)基礎(chǔ)知識(shí)入手，通過前3章的介紹，幫助讀者輕松復(fù)習(xí)機(jī)器學(xué)習(xí)涉及的數(shù)學(xué)知識(shí)；然后，通過第4-第13章的介紹，逐步講解機(jī)器學(xué)習(xí)常見算法的相關(guān)知識(shí)，幫助讀者快速入門機(jī)器學(xué)習(xí)；最后，通過第14章的綜合實(shí)踐，幫助

《人工智能導(dǎo)論》為大連理工大學(xué)“新工科”系列精品教材。本書內(nèi)容包括緒論、知識(shí)表示、確定性推理、不確定性推理、搜索求解策略、遺傳算法及其應(yīng)用、群智能算法及其應(yīng)用、人工神經(jīng)網(wǎng)絡(luò)及其應(yīng)用、機(jī)器學(xué)習(xí)、專家系統(tǒng)、自然語言理解及其應(yīng)用等。本書可供電子信息類專業(yè)本、專科學(xué)生作為教材使用，也可供從事人工智能領(lǐng)域的技術(shù)人員參考。

人工智能的迅猛發(fā)展，對整個(gè)人類、社會(huì)和時(shí)代的進(jìn)步起到了不可估量的作用。然而，人工智能的未來奇點(diǎn)在哪兒？人工智能是否具有人類意識(shí)？人工智能會(huì)導(dǎo)致人類大規(guī)模失業(yè)嗎？會(huì)替代人類嗎？本書以通俗易懂的語言，圖文并茂的方式不僅描繪了人工智能發(fā)展的歷史、現(xiàn)狀與未來，而且探討了人工智能發(fā)展可能對經(jīng)濟(jì)、政治、軍事、法律等方面的影響，其中

本書由校企“雙元”共同開發(fā)，以人工智能應(yīng)用開發(fā)的學(xué)習(xí)與認(rèn)知過程為主線，以實(shí)踐為主導(dǎo)，將理論知識(shí)與實(shí)踐應(yīng)用有機(jī)結(jié)合，將人工智能的應(yīng)用開發(fā)的過程分為數(shù)據(jù)、人工、智能和系統(tǒng)化四個(gè)層級和十二個(gè)步驟。十二個(gè)步驟包括：數(shù)據(jù)采集、數(shù)據(jù)整理、數(shù)據(jù)分析、數(shù)據(jù)標(biāo)注、特征提取、模型創(chuàng)建、模型訓(xùn)練、模型測試、集成AI模型生成智能系統(tǒng)、系統(tǒng)測試

本書結(jié)合具體的控制系統(tǒng)介紹了自動(dòng)控制的基本理論及工程應(yīng)用。主要內(nèi)容包括緒論、控制系統(tǒng)的數(shù)學(xué)模型、線性系統(tǒng)的時(shí)域分析、根軌跡法、線性系統(tǒng)的頻域分析、控制系統(tǒng)設(shè)計(jì)、非線性系統(tǒng)分析、線性離散系統(tǒng)、線性系統(tǒng)的狀態(tài)空間分析，以及自動(dòng)控制系統(tǒng)綜合案例。本書融入了課程思政內(nèi)容，從實(shí)際應(yīng)用出發(fā)，突出物理概念，減少數(shù)學(xué)公式推導(dǎo)；強(qiáng)化工程

深度強(qiáng)化學(xué)習(xí)結(jié)合深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)算法各自的優(yōu)勢解決復(fù)雜的決策任務(wù)。得益于DeepMindAlphaGo和OpenAIFive成功的案例，深度強(qiáng)化學(xué)習(xí)受到大量的關(guān)注，相關(guān)技術(shù)廣泛應(yīng)用于不同的領(lǐng)域。本書分為三大部分，覆蓋深度強(qiáng)化學(xué)習(xí)的全部內(nèi)容。第一部分介紹深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的入門知識(shí)、一些非�；�礎(chǔ)的深度強(qiáng)化學(xué)習(xí)算法及其實(shí)

本書從傳統(tǒng)的機(jī)器學(xué)習(xí)，如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機(jī)、集成學(xué)習(xí)，到前沿的深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，如DNN、CNN、BERT、ResNet等，對人工智能技術(shù)進(jìn)行零基礎(chǔ)講解，內(nèi)容涵蓋數(shù)學(xué)原理、公式推導(dǎo)、圖表展示、企業(yè)應(yīng)用案例。本書面向初中級讀者，能幫助讀者迅速掌握機(jī)器學(xué)習(xí)技術(shù)的相關(guān)概念及原理。本書內(nèi)容結(jié)合作者多年

機(jī)器學(xué)習(xí)實(shí)戰(zhàn)：使用R、tidyverse和mlr