本書是面向高級人工智能人才培養(yǎng)的高等學校人工智能相關專業(yè)精品教材中的一本，以信息物理系統(tǒng)、模糊邏輯系統(tǒng)、自主無人系統(tǒng)、群體智能、多Agent系統(tǒng)、人機協(xié)同系統(tǒng)、工業(yè)智能控制系統(tǒng)、機器人系統(tǒng)等為案例，完整呈現了人工智能綜合應用體系架構。本書首先介紹了智能系統(tǒng)的發(fā)展、相關概念、主要特征和類型、智能系統(tǒng)的發(fā)展前景，然后圍繞智

本書首先從深度學習的原理出發(fā)，介紹如何把深度學習的理論轉換為PyTorch代碼，然后介紹如何在計算機上運行這些代碼。作為一本面向初中級讀者的技術類圖書，本書在前面所述內容的基礎上，還介紹了學術界前沿的一系列實例，以及PyTorch的源代碼結構，以期讀者能夠融會貫通深度學習框架的設計和應用的思想。

本選題宏觀而全面地介紹了人工智能的理論和實踐，闡述了人工智能領域的核心內容，并較為深入的介紹了各個主要研究方向的理論基礎及應用。全書分為8章：第1章介紹人工智能的基本概念、研究目標及發(fā)展情況；第2章講解人工智能領域常用的數學概念；第3、4章討論人工智能在通訊領域、控制領域的應用原理及常見技術；第5章講解人工智能的核心算

本書系統(tǒng)介紹了深度學習理論，并基于MindSporeAI計算框架進行實踐。全書共分十四章，內容涵蓋了深度學習概況、理論基礎、深度神經網絡、卷積神經網絡、無監(jiān)督學習、深度強化學習、自動化機器學習、端云聯合訓練、可視化、數據準備等內容。為便于讀者學習，書中還給出了基于MindSpore實現的關于深度學習的開發(fā)實例以及線上資

本書探討了計算機在創(chuàng)造性藝術等領域里可能做出的貢獻。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、為何與音樂建立聯系的

本書內容包括神經網絡的基礎、深度神經網絡的優(yōu)化和驗證、深度神經網絡開發(fā)和訓練環(huán)境的構建、使用Tensor-Board進行網絡訓練的監(jiān)控和模的超參數優(yōu)化。本書詳細介紹的深度學習問題，包括基本的回歸問題、二元分類問題和多元分類問題，還包括較為復雜的卷積神經網絡對圖像的分類和使用預訓練CNN進行的遷移學習；使用遞歸神經網絡進

本書介紹了數據科學領域常用的所有重要機器學習算法以及TensorFlow和特征工程等相關內容。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)督學習、非監(jiān)督學習、強化學習或半監(jiān)督學習。在本書中，你將學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

涵蓋強化學習基本算法實踐+深度強化學習算法的原理實現及案例。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、基礎知識：主要介紹機器學習的基本概念、Python的基礎知識、常用第三方庫，并結合網絡爬蟲及信息提取案例和股票數據圖表繪制案例使讀者對本部分內容有更好的理解。2、有監(jiān)督分類案例：包括Iris數據分類、新聞文本數據分類、手寫數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)前沿技術的技術書。本書前幾章著重介紹深度學習排序模型的技術演化趨勢，然后依次介紹推薦系統(tǒng)其他模塊的技術細節(jié)和工程實現，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)相關的經典和前沿技術內容，尤其是深度學習在推薦系統(tǒng)業(yè)界的應用。