本書以Python為基礎(chǔ)，使用Sklearn平臺(tái)，逐步帶領(lǐng)讀者熟悉并掌握機(jī)器學(xué)習(xí)的經(jīng)典算法。全書共12章，主要內(nèi)容包括人工智能概述、Python科學(xué)計(jì)算、數(shù)據(jù)清洗與特征預(yù)處理、數(shù)據(jù)劃分與特征提取、特征降維與特征選擇、模型評(píng)估與選擇、KNN算法、決策樹、線性模型、樸素貝葉斯算法、支持向量機(jī)和k均值聚類算法，附錄介紹了課程

《OpenCV4.0+Python機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺實(shí)戰(zhàn)》詳細(xì)闡述了機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺相關(guān)的基本解決方案，主要包括濾鏡、深度傳感器和手勢(shì)識(shí)別、通過特征匹配和透視變換查找對(duì)象、使用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)重建3D場(chǎng)景、在OpenCV中使用計(jì)算攝影、跟蹤視覺上的顯著對(duì)象、識(shí)別交通標(biāo)志、識(shí)別面部表情、對(duì)象分類和定位、檢測(cè)和跟蹤對(duì)象等

人工智能的發(fā)展需要對(duì)所解決問題的有深入的數(shù)學(xué)理解，矩陣代數(shù)正是一種基本的數(shù)學(xué)工具，在人工智能學(xué)科的研究中具有根本性的意義。本書的目的是為人工智能的研究和實(shí)踐提供堅(jiān)實(shí)的矩陣代數(shù)理論基礎(chǔ)。全書共9章，分?jǐn)?shù)學(xué)基礎(chǔ)、應(yīng)用兩部分講述矩陣代數(shù)方法在人工智能中的應(yīng)用。第一部分《人工智能的矩陣代數(shù)方法：數(shù)學(xué)基礎(chǔ)》包括第1–5章，提供矩

強(qiáng)化學(xué)習(xí)作為機(jī)器學(xué)習(xí)及人工智能領(lǐng)域的一種重要方法，在游戲、自動(dòng)駕駛、機(jī)器人路線規(guī)劃等領(lǐng)域得到了廣泛的應(yīng)用。 本書結(jié)合了李宏毅老師的“深度強(qiáng)化學(xué)習(xí)”、周博磊老師的“強(qiáng)化學(xué)習(xí)綱要”、李科澆老師的“世界冠軍帶你從零實(shí)踐強(qiáng)化學(xué)習(xí)”公開課的精華內(nèi)容，在理論嚴(yán)謹(jǐn)?shù)幕�礎(chǔ)上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時(shí)序差分方法、

本書從強(qiáng)化學(xué)習(xí)的基礎(chǔ)知識(shí)出發(fā)，結(jié)合PyTorch深度學(xué)習(xí)框架，介紹深度強(qiáng)化學(xué)習(xí)算法各種模型的相關(guān)算法原理和基于PyTorch的代碼實(shí)現(xiàn)。作為一本介紹深度強(qiáng)化學(xué)習(xí)知識(shí)的相關(guān)圖書，本書介紹了常用的強(qiáng)化學(xué)習(xí)環(huán)境，基于價(jià)值網(wǎng)絡(luò)的強(qiáng)化學(xué)習(xí)算法和基于策略梯度的強(qiáng)化學(xué)習(xí)算法，以及一些常用的比較流行的深度強(qiáng)化學(xué)習(xí)算法（如蒙特卡洛樹搜索

本書結(jié)合了最新的深度學(xué)習(xí)技術(shù)應(yīng)用成果，充分考慮了大學(xué)生的知識(shí)結(jié)構(gòu)和學(xué)習(xí)特點(diǎn)，結(jié)合各個(gè)專業(yè)特點(diǎn)介紹了深度學(xué)習(xí)的基本概念及TensorFlow框架，以及深度學(xué)習(xí)在各個(gè)領(lǐng)域的具體應(yīng)用。本書為高職高專院校深度學(xué)習(xí)基礎(chǔ)課程教材重點(diǎn)介紹了神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、TensorFlow環(huán)境使用、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)等內(nèi)容。

本書系統(tǒng)地闡述機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)知識(shí)，但并非大學(xué)數(shù)學(xué)教材的翻版，而是以機(jī)器學(xué)習(xí)算法為依據(jù)，選取數(shù)學(xué)知識(shí)，并從應(yīng)用的角度闡述各種數(shù)學(xué)定義、定理等，側(cè)重于講清楚它們的應(yīng)用和實(shí)現(xiàn)方法。所以，書中將使用開發(fā)者喜歡的編程語(yǔ)言（Python）來實(shí)現(xiàn)各種數(shù)學(xué)計(jì)算，并闡述數(shù)學(xué)知識(shí)在機(jī)器學(xué)習(xí)算法中的應(yīng)用體現(xiàn)。

本書聚焦信息科學(xué)、生命科學(xué)、新能源、新材料等為代表的高科技領(lǐng)域，以及物理、化學(xué)、數(shù)學(xué)等基礎(chǔ)科學(xué)的進(jìn)展與新興技術(shù)的交叉融合，其中70%的內(nèi)容來源于IEEE計(jì)算機(jī)協(xié)會(huì)相關(guān)刊物內(nèi)容的全文翻譯，另外30%的內(nèi)容由SteerTech和iCANXTalks上的國(guó)際知名科學(xué)家的學(xué)術(shù)報(bào)告、報(bào)道以及相關(guān)活動(dòng)內(nèi)容組成。本書將以創(chuàng)新的方式宣

《人工智能——何時(shí)機(jī)器能掌控一切》共12章，從歷史、社會(huì)、哲學(xué)和人文等多學(xué)科角度審視人工智能技術(shù)的過去、現(xiàn)在和未來；既涵蓋了邏輯運(yùn)算等經(jīng)典的人工智能算法，又引入了量子計(jì)算等前沿的人工智能技術(shù)；既強(qiáng)調(diào)了人工智能對(duì)人類生活和社會(huì)各個(gè)方面的正面促進(jìn)作用，又指出了其高能耗等缺點(diǎn)。通過閱讀《人工智能——何時(shí)機(jī)器能掌控一切》，零基

雖然很多深度學(xué)習(xí)工具都使用Python，但PyTorch庫(kù)是真正具備Python風(fēng)格的。對(duì)于任何了解NumPy和scikit-learn等工具的人來說，上手PyTorch輕而易舉。PyTorch在不犧牲高級(jí)特性的情況下簡(jiǎn)化了深度學(xué)習(xí)，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個(gè)人應(yīng)用擴(kuò)展到企業(yè)級(jí)應(yīng)用。由于像蘋果、Face