本書以數(shù)據(jù)驅(qū)動(dòng)的數(shù)學(xué)問(wèn)題研究為核心，是一部由研究工作構(gòu)成的原創(chuàng)著作。全書共分7章，按三個(gè)模塊劃分：第一個(gè)模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個(gè)導(dǎo)論；第二個(gè)模塊是粒度空間的基礎(chǔ)理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結(jié)構(gòu)聚類特征與融合，以及聚類結(jié)構(gòu)分析理論等研究；第三個(gè)模塊是粒度

知識(shí)圖譜的發(fā)展歷史源遠(yuǎn)流長(zhǎng)，從經(jīng)典人工智能的核心命題——知識(shí)工程，到互聯(lián)網(wǎng)時(shí)代的語(yǔ)義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級(jí)別的現(xiàn)代知識(shí)圖譜。知識(shí)圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識(shí)表示、表示學(xué)習(xí)、自然語(yǔ)言處理、圖數(shù)據(jù)庫(kù)和圖計(jì)算等多個(gè)領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識(shí)圖譜的表示、存儲(chǔ)、獲取、推理、融

本書從概念和數(shù)學(xué)原理上對(duì)人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理、深度學(xué)習(xí)幾個(gè)主要方面進(jìn)行了闡述，并以Python為主要工具進(jìn)行了相應(yīng)的編程實(shí)踐，以使讀者對(duì)人工智能相關(guān)技術(shù)有更直觀和深入的理解。此外，本書也用幾個(gè)獨(dú)立的章節(jié)從原理和實(shí)踐上介紹了量子計(jì)算、區(qū)塊鏈技術(shù)、并行計(jì)算、增強(qiáng)現(xiàn)實(shí)等與人工智能

大部分TensorFlow教材應(yīng)用案例少，理論講解比較概括，學(xué)生數(shù)學(xué)基礎(chǔ)薄弱，對(duì)人工神經(jīng)網(wǎng)絡(luò)較難入門。本教材介紹TensorFlow的發(fā)展和特點(diǎn)后，通過(guò)案例詳細(xì)介紹TensorFlow的使用，著重細(xì)致地講解學(xué)生學(xué)習(xí)中遇到的難點(diǎn)，比如張量的形狀、卷積、池化、交叉熵等。通過(guò)案例讓學(xué)生逐層遞進(jìn)地掌握TensorFlow，最后

《人工智能簡(jiǎn)史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學(xué)科的所有領(lǐng)域，包括人工智能的起源、自動(dòng)定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語(yǔ)言處理、遺傳算法、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、超級(jí)智能、哲學(xué)問(wèn)題和未來(lái)趨勢(shì)等，以宏闊的視野和生動(dòng)的語(yǔ)言，對(duì)人工智能進(jìn)行了全面回顧和深度點(diǎn)評(píng)。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，

本書致力于推動(dòng)人工智能的普及教育，結(jié)合最新的人工智能科學(xué)技術(shù)的發(fā)展成果，使用通俗易懂的語(yǔ)言深入淺出地介紹了人工智能的相關(guān)知識(shí)，重點(diǎn)介紹了人工智能的孕育、人工智能的誕生、人工智能的復(fù)蘇、人工智能的高速發(fā)展、人工智能的應(yīng)用分支和哲學(xué)與思考等方面，在每章節(jié)后都有與之對(duì)應(yīng)的章節(jié)習(xí)題，供學(xué)習(xí)者學(xué)習(xí)，以強(qiáng)化學(xué)生解決問(wèn)題的能力。

《數(shù)字媒體交互設(shè)計(jì)原理與方法》通過(guò)豐富的案例，系統(tǒng)地講解了數(shù)字媒體交互設(shè)計(jì)的基本原理和方法。本書共7章，主要講解了數(shù)字媒體交互設(shè)計(jì)的基礎(chǔ)知識(shí)、用戶體驗(yàn)、用戶研究方法，以及設(shè)計(jì)流程、設(shè)計(jì)工具和設(shè)計(jì)法則，由淺入深地帶領(lǐng)讀者逐步加深對(duì)數(shù)字媒體交互設(shè)計(jì)的認(rèn)知，提升自身工作能力。本書每一章的章末都附有同步模擬題及作業(yè)，以幫助讀者

本書以TensorFlow2深度學(xué)習(xí)的常用技術(shù)與真實(shí)案例相結(jié)合的方式,深入淺出介紹TensorFlow2深度學(xué)習(xí)的重要內(nèi)容。全書共7章,內(nèi)容包括深度學(xué)習(xí)入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)、基于CNN的門牌號(hào)識(shí)別、基于LSTM的語(yǔ)音識(shí)別、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換等技術(shù),以及如何使用Ti

機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域.本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的各方面.全書共16章，大致分為3個(gè)部分：第1部分（第1～3章）介紹機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)；第2部分（第4～10章）討論一些經(jīng)典而常用的機(jī)器學(xué)習(xí)方法（決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維與度

本書主要內(nèi)容包括機(jī)器學(xué)習(xí)介紹，NumPy、Pandas、SciPy庫(kù)、Matplotlib（可視化）四個(gè)基礎(chǔ)模塊，Scikit-learn算法、模型、擬合、過(guò)擬合、欠擬合、模型性能度量指標(biāo)、數(shù)據(jù)標(biāo)準(zhǔn)化、非線性轉(zhuǎn)換、離散化，以及特征抽取和降維的各種方法，包括特征哈希、文本特征抽取、特征聚合等。全書通過(guò)實(shí)用范例和圖解形式講