本書內(nèi)容涉及到了一些機(jī)器學(xué)習(xí)算法的并行化，使得大規(guī)模分布式機(jī)器學(xué)習(xí)算法成為可能，內(nèi)容分為四個大部分：大規(guī)模機(jī)器學(xué)習(xí)的框架、監(jiān)督和非監(jiān)督學(xué)習(xí)算法、其它的學(xué)習(xí)算法和相關(guān)應(yīng)用部分。

近年來，演化計(jì)算作為計(jì)算智能中傳統(tǒng)的優(yōu)化技術(shù)，已經(jīng)廣泛應(yīng)用于求解各種數(shù)據(jù)挖掘問題，形成了一種基于遺傳的機(jī)器學(xué)習(xí)新范式學(xué)習(xí)分類器。一方面，在真實(shí)場景中采集的原始數(shù)據(jù)不可避免地包含著冗余乃至噪聲屬性的信息，這些不相關(guān)的特征將對學(xué)習(xí)分類器算法的學(xué)習(xí)性能與計(jì)算效率造成負(fù)面影響。另一方面，學(xué)習(xí)分類器以顯式規(guī)則表示目標(biāo)概念，在監(jiān)督

本書針對產(chǎn)業(yè)界在智能化過程中普遍面臨的數(shù)據(jù)不足問題，詳細(xì)地闡述了聯(lián)邦學(xué)習(xí)如何幫助企業(yè)引入更多數(shù)據(jù)、提升機(jī)器學(xué)習(xí)模型效果�；ヂ�(lián)網(wǎng)數(shù)據(jù)一般分布在不同的位置，受隱私保護(hù)法規(guī)限制不能共享，形成了“數(shù)據(jù)孤島”。聯(lián)邦學(xué)習(xí)像“數(shù)據(jù)孤島”之間的特殊橋梁，通過傳輸變換后的臨時變量，既能實(shí)現(xiàn)模型效果提升，又能確保隱私信息的安全。本書介紹了

針對現(xiàn)有人工智能（AI）教材大多重視技術(shù)、淡化商業(yè)應(yīng)用的問題，本教材力圖“透過技術(shù)的堅(jiān)硬外殼，探索AI的商業(yè)潛力和社會影響”。作為一本“面向商學(xué)院學(xué)生的人工智能教材”，本教材的主要內(nèi)容有新一代人工智能基本技術(shù)原理、特點(diǎn)，人工智能技術(shù)的發(fā)展歷史，新一代人工智能發(fā)展的驅(qū)動因素、特征和發(fā)展方向，人工智能應(yīng)用層技術(shù)的特點(diǎn)、能力

深度學(xué)習(xí)作為人工智能領(lǐng)域的“排頭兵”，將在未來的新一輪產(chǎn)業(yè)升級中起到至關(guān)重要的作用。本書以“理論＋實(shí)踐”的形式幫助讀者快速建立深度學(xué)習(xí)知識體系，不僅能在算法層面上理解各種神經(jīng)網(wǎng)絡(luò)模型，而且能借助功能強(qiáng)大且極易上手的Keras框架，熟練地搭建和訓(xùn)練模型，應(yīng)用于解決實(shí)際問題。全書共12章，內(nèi)容涵蓋入門深度學(xué)習(xí)的絕大部分基礎(chǔ)

近年來機(jī)器學(xué)習(xí)取得了長足的進(jìn)步。深度學(xué)習(xí)系統(tǒng)使得一些以往不可能實(shí)現(xiàn)的智能應(yīng)用成為現(xiàn)實(shí)，推動了圖像識別和自然語言處理的巨大變革，也成功識別出了數(shù)據(jù)中的復(fù)雜模式。Keras深度學(xué)習(xí)庫為使用R語言的數(shù)據(jù)科學(xué)家和開發(fā)者提供了處理深度學(xué)習(xí)任務(wù)的工具集�！禦語言深度學(xué)習(xí)》基于強(qiáng)大的Keras庫及其R語言接口介紹了深度學(xué)習(xí)。本書源于

全書共6章：第一章概論，第二章物理系統(tǒng)的數(shù)學(xué)模型，第三章時域分析法，第四章根軌跡法，第五章頻率響應(yīng)法，第六章線性系統(tǒng)頻率法校正。每章除控制理論外，還介紹了相關(guān)內(nèi)容的MATLAB在經(jīng)典控制理論中的應(yīng)用，并附有本章小結(jié)和習(xí)題。書后附有3個附錄——附錄一拉普拉斯變換、附錄二部分分式展開法和附錄三部分習(xí)題參考答案作為書中內(nèi)容的

本書將人工智能的理論、實(shí)踐和創(chuàng)新型相結(jié)合，實(shí)現(xiàn)了先進(jìn)性與新穎性并舉，內(nèi)容涵蓋了圖像、語音、文本和□□等人工智能技術(shù)廣泛應(yīng)用的多個領(lǐng)域，涉及識別、分類、檢測、預(yù)測、跟蹤和三維重建等多類試驗(yàn)任務(wù)。內(nèi)容與理論教學(xué)相呼應(yīng)，注重趣味性，極具實(shí)操性。

機(jī)器學(xué)習(xí)雖然對改進(jìn)產(chǎn)品性能和推進(jìn)研究有很大的潛力，但無法對它們的預(yù)測做出解釋，這是當(dāng)前面臨的一大障礙。《可解釋機(jī)器學(xué)習(xí)：黑盒模型可解釋性理解指南》書是一本關(guān)于使機(jī)器學(xué)習(xí)模型及其決策具有可解釋性的書。本書探索了可解釋性的概念，介紹了簡單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點(diǎn)介紹了解釋黑盒模型的、與模型無關(guān)

本書主要闡述了單輸入、單輸出線性定常系統(tǒng)中自動控制的基本理論及其應(yīng)用。全書共分為6章，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)的時域分析法，線性系統(tǒng)的根軌跡分析法，線性系統(tǒng)的頻域分析法，線性系統(tǒng)校正。全書內(nèi)容深入淺出，注重實(shí)際應(yīng)用，各章節(jié)都附有較豐富的典型例題及其詳解。本書可作為應(yīng)用型高等院校自動化、電氣工程及