本书简洁且全面地介绍了现代神经网络、人工智能和深度学习技术，专门为软件工程师和数据科学家设计。第1章逐步介绍神经网络的基础知识。第2章比较TensorFlow1.x和TensorFlow2.0编程模型。第3章重点介绍回归。第4章介绍卷积神经网络及其在图像处理中的应用。第5章讨论了CNN在图像、视频、音频和文本处理方面的

本书涵盖了经典和现代的深度学习模型。章节分为三类:第1部分为神经网络的基础。许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章的重点是理解传统机器学习和神经网络之间的关系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统都是神经网络的特例。本书将这些方法与特征工程方法如word2vec一起进行了研究。

本书理论与实践相结合，系统阐述强化学习的基础知识，以及如何动手编写智能体以执行一系列实际任务。通过阅读本书，读者将获得深层Q网络、策略梯度方法、连续控制问题以及高度可扩展的非梯度方法等主题领域的可行洞见，还将学会如何构建一个经过强化学习训练、价格低廉的真实硬件机器人，并通过一步步代码优化在短短30分钟的训练后解决Pon

本书主要介绍了人工智能的基础知识和实用技术。本书共8章，包括“人工智能：开启智慧新时代”“Python：人工智能开发语言”“线性回归：预测未来趋势”“分门别类：帮你‘分而治之’”“物以类聚：发现新簇群”“个性化推荐：主动满足你的需求”“语音识别：让机器对你言听计从”“人脸识别：机器也认识你”。 本书以培养学生人工智能素

本书从深度学习的发展历程开始，系统介绍了基于深度学习的目标检测的基本问题及其相关处理方法与技术，主要内容涉及两阶段和单阶段目标检测的理论、算法和研究成果。本书共6章，包括深度学习神经网络类型、目标检测技术、基于FasterR-CNN的目标检测改进算法、领域自适应及其在目标检测技术上的典型应用、图像识别模型改进及面部表情

本书源于阿里巴巴千亿级知识图谱构建与产业化应用的工作总结，对知识图谱理论和大规模工业实践进行了全面和深入的阐述。本书以阿里巴巴的实战经验为中心，以深厚的理论成果为支撑，详细阐述了知识图谱的方方面面。首先介绍工业场景下知识图谱的现状、存在的问题和架构设计；然后从知识表示、知识融合、知识获取、知识推理、知识存储和知识图谱前

本书首先从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的知识表示、机器学习、神经网络与深度学习、智能语音技术、计算机视觉、自然语言处理和知识图谱技术等基础知识，并通过人工智能在医疗、交通、生活、金融、零售、安防中的经典的成功应用案例让读者更

本书从工业界一线算法工作者的视角，对深度强化学习落地实践中的工程经验和相关方法论做出了深度思考和系统归纳。本书跳出了原理介绍加应用案例的传统叙述模式，转而在横向上对深度强化学习落地过程中的核心环节进行了完整复盘。主要内容包括需求分析和算法选择的方法，动作空间、状态空间和回报函数设计的理念，训练调试和性能冲刺的技巧等。本

本书采用理论与实战相结合的形式，通过生活中的例子来讲解理论知识，结合实际案例代码，帮助读者在掌握机器学习理论的同时，打下项目实践的基础，同时配有丰富的教学资源，帮助读者自学或开展教学工作。本书共13章，涵盖机器学习入门所需的数学知识及相关算法，包括K近邻算法、决策树、朴素贝叶斯、逻辑回归与梯度下降、支持向量机、AdaB

本书参照《国家新一代人工智能标准体系建设指南》，全面系统地阐述人工智能理论和技术体系的基本框架，并体现了人工智能的**进展。全书共13章，第1章介绍人工智能的基本概念、发展简史，并着重介绍人工智能的主要研究内容与各种应用，以开阔读者的视野，引导读者进入人工智能各个研究领域；第2～6章阐述人工智能的基本原理和技术基础，重