本书主要介绍了智能计算技术相关的理论方法与关键技术，并对典型的应用领域与平台也进行了相关介绍和讨论。全书共10章，简要介绍智能的起源、智能与计算等研究背景及意义，详细介绍了机器学习、深度学习等模型与算法及其应用，着重介绍了图神经网络模型、网学习模型、神经网络架构搜索和大数据资源服务等技术，并面向智能交通和网络交易支付等

本书是“高级人工智能人才培养丛书”中的一本，首先介绍了机器学习的相关概念和发展历史，并在此基础上提出了深度学习——它本质上是近几年来大数据技术催生的产物。本书共12章，其中，第1～7章为机器学习的内容，分别介绍了机器学习的简单模型、贝叶斯学习、决策树、支持向量机、集成学习和聚类；第8～12章为深度学习的内容，由感知机与

本书共分10个项目，详细介绍了人工智能导论的相关知识，内容包括人工智能的前世今生、从零开始认识人工智能、人工智能编程基础开发语言——Phython、物体识别、计算机视觉的应用——人脸识别、生物信息识别、自然语言处理、语音识别、无人驾驶和数据挖掘。 本书适用于高职高专院校理工科学生，作为通识课教材使用。

人工智能时代已经来临，这项技术正在改变人类的认知和行为习惯，也对很多领域和行业造成了影响。本书共3篇，认知篇介绍了人工智能的理论知识与发展现状，详细讲述人工智能与5G、物联网、区块链等技术的融合；价值篇主要讲述了人工智能的价值，分析其为生活、社会、商业、医疗带来的变革；场景篇从服务场景、工作场景、教育场景、营销场景入手

本书主要阐述人工智能的理论、技术、实践、应用、发展。全书包括5个模块、18个典型实践任务。模块1为理论探究，包括设计图灵测试、体验弱人工智能、设计排序算法3个实践任务；模块2为技术探究，包括图说知识表示、测试机器学习、畅谈深度学习3个实践任务；模块3为实践探究，包括提取基于专家系统的需求、测试计算机视觉产品、测试自然语

《深度学习全书——公式+推导+代码+TensorFlow全程案例》共有15章，分为5部分，第一篇说明深度学习的概念，包括数理基础，特点是结合编程解题，加深读者印象，第二篇说明TensorFlow的学习地图，从张量、自动微分、梯度下降乃至神经层的实践，逐步解构神经网络，第三篇介绍CNN算法、影像应用、转移学习等，第四篇则

本书以“经典计算机算法—数据挖掘算法—深度学习算法”为主线，将人工智能算法与Python程序示例相结合，开发了基于Git的在线编程平台和案例库，旨在构建人工智能算法“思想—伪码—分析—实现”四位一体的知识传递和学习框架。各章基于一个经典问题或典型例子介绍各类算法，给出问题背景、算法伪码和程序示例，注重算法设计与分析理念

本书较全面地阐述了人工神经网络的理论知识，介绍了多种经典的人工神经网络模型结构、学习算法和实际应用。本书共11章，第1章介绍人工神经网络的定义、发展、生理学机理、神经元模型、拓扑结构、学习算法等；第2章介绍感知机的基本原理、学习算法及应用；第3章介绍多层前馈神经网络的基本原理、学习算法及应用；第4章介绍不同正则化理论、

本书中的设计模式针对机器学习中反复出现的问题给出最佳实践和解决方案。作者为来自谷歌的三位工程师,他们整理了已证实的方法,帮助数据科学家解决整个机器学习过程中的常见问题。这些设计模式将数百位专家的经验转化成直接、易懂的建议。在这本书中,你会找到关于数据和问题表示、操作化、可重复性、可复现性、灵活性、可解释性和公平性的30

本书是为顺应智能时代教育信息化发展和满足教师专业发展的现实需求编写的，并以“理论与技术相结合，实用性导向”为宗旨，全面介绍教育人工智能研究及发展应用的基本原理和方法，学完本书后，读者将对教育人工智能有全面的了解，并能掌握其整体知识框架。本书共分十六章，主要内容包括绪论、教育人工智能理论基础、教育人工智能应用实践、教育人