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(lǐng)域的核心內(nèi)容，并較為深入的介紹了各個主要研究方向的理論基礎(chǔ)及應(yīng)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(biāo)及發(fā)展情況；第2章講解人工智能領(lǐng)域常用的數(shù)學(xué)概念；第3、4章討論人工智能在通訊領(lǐng)域、控制領(lǐng)域的應(yīng)用原理及常見技術(shù)；第5章講解人工智能的核心算

本書系統(tǒng)介紹了深度學(xué)習(xí)理論，并基于MindSporeAI計算框架進行實踐。全書共分十四章，內(nèi)容涵蓋了深度學(xué)習(xí)概況、理論基礎(chǔ)、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、無監(jiān)督學(xué)習(xí)、深度強化學(xué)習(xí)、自動化機器學(xué)習(xí)、端云聯(lián)合訓(xùn)練、可視化、數(shù)據(jù)準(zhǔn)備等內(nèi)容。為便于讀者學(xué)習(xí)，書中還給出了基于MindSpore實現(xiàn)的關(guān)于深度學(xué)習(xí)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(shù)等領(lǐng)域里可能做出的貢獻(xiàn)。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(rèn)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(nèi)容包括神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)、深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化和驗證、深度神經(jīng)網(wǎng)絡(luò)開發(fā)和訓(xùn)練環(huán)境的構(gòu)建、使用Tensor-Board進行網(wǎng)絡(luò)訓(xùn)練的監(jiān)控和模的超參數(shù)優(yōu)化。本書詳細(xì)介紹的深度學(xué)習(xí)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(fù)雜的卷積神經(jīng)網(wǎng)絡(luò)對圖像的分類和使用預(yù)訓(xùn)練CNN進行的遷移學(xué)習(xí)；使用遞歸神經(jīng)網(wǎng)絡(luò)進

本書介紹了數(shù)據(jù)科學(xué)領(lǐng)域常用的所有重要機器學(xué)習(xí)算法以及TensorFlow和特征工程等相關(guān)內(nèi)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(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)或半監(jiān)督學(xué)習(xí)。在本書中，你將學(xué)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

本書內(nèi)容包括機械工程控制基礎(chǔ)的基本概念、系統(tǒng)的數(shù)學(xué)建模、控制系統(tǒng)的時域分析法、控制系統(tǒng)的頻域分析法、控制系統(tǒng)的設(shè)計與校正、離散控制系統(tǒng)初步、Matlab/Simulink在控制系統(tǒng)分析中的應(yīng)用、機械工程控制系統(tǒng)案例分析等。本書可供機械工程類相關(guān)專業(yè)的本科、成人教育、函授生作為教材，也可供相關(guān)教師與工程技術(shù)人員作為參考書

涵蓋強化學(xué)習(xí)基本算法實踐+深度強化學(xué)習(xí)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(chǔ)知識：主要介紹機器學(xué)習(xí)的基本概念、Python的基礎(chǔ)知識、常用第三方庫，并結(jié)合網(wǎng)絡(luò)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(nèi)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(shù)的技術(shù)書。本書前幾章著重介紹深度學(xué)習(xí)排序模型的技術(shù)演化趨勢，然后依次介紹推薦系統(tǒng)其他模塊的技術(shù)細(xì)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(guān)的經(jīng)典和前沿技術(shù)內(nèi)容，尤其是深度學(xué)習(xí)在推薦系統(tǒng)業(yè)界的應(yīng)用。

著重介紹深度強化學(xué)習(xí)的學(xué)術(shù)界前沿進展與核心代碼分析的書籍。對深度強化學(xué)習(xí)方面的重要學(xué)術(shù)進展按照單智能體深度強化學(xué)習(xí)、多智能體深度強化學(xué)習(xí)、多任務(wù)深度強化學(xué)習(xí)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。