本書第4版共10章。第1章敘述人工智能的定義、起源與發(fā)展，歸納了人工智能的研究目標、研究內(nèi)容和核心要素，簡介人工智能的研究和計算方法，列舉出人工智能的研究與應用領域，歸納了人工智能對人類經(jīng)濟、社會和文化的影響。第2章主要研究人工智能的知識表示方法，如狀態(tài)空間法、問題歸約法、謂詞邏輯法、語義網(wǎng)絡法、框架表示、知識圖譜、和

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等技術的不斷發(fā)展，許多領域都產(chǎn)生了大量的數(shù)據(jù)。利用機器學習技術分析海量數(shù)據(jù)，可以從數(shù)據(jù)中發(fā)現(xiàn)隱含的、有價值的規(guī)律和模式，進而用于預測并采取相應動作。在上述背景下，本書從理論、技術和應用三個層面入手，全面講解如何利用機器學習技術解決實際問題。本書共分26章，內(nèi)容包括機器學習解決問題流程、問題分析

本書是人工智能和機器學習領域?qū)�業(yè)多年實踐的結晶，深入淺出講解機器學習應用和工程實踐，是對機器學習工程實踐和設計模式的系統(tǒng)回顧。全書分別從項目前的準備，數(shù)據(jù)收集和準備，特征工程，監(jiān)督模型訓練，模型評估，模型服務、監(jiān)測和維護等方面講解，由淺入深剖析機器學習實踐過程中遇到的問題，幫助讀者快速掌握機器學習工程實踐和設計模式的基

大數(shù)據(jù)時代的到來，為人工智能的飛速發(fā)展帶來前所未有的數(shù)據(jù)紅利。在大數(shù)據(jù)的喂養(yǎng)下，大量知識不斷涌現(xiàn)，如何有效地發(fā)掘這些知識呢？知識圖譜橫空出世。本書是一本講解如何使用TensorFlow2構建知識圖譜的入門教程，引導讀者掌握基于深度學習的知識圖譜構建概念、理論和方法。本書分為13章：第1章從搭建環(huán)境開始，包含Tensor

本書記載的2020線上智博會”在困難中創(chuàng)新，將線上線下、現(xiàn)實與虛擬進行的有機結合，應用的VR、AR、數(shù)字孿生等現(xiàn)代信息技術。內(nèi)容包括：盛會：全球精英的思維演進；趨勢：智能產(chǎn)業(yè)的關鍵導航等。

機器學習目前是人工智能和模式識別領域的共同研究熱點，其理論和方法已被廣泛應用于解決工程應用和科學領域的復雜問題。作者從解決實際問題的角度出發(fā)，通過大量的實戰(zhàn)經(jīng)驗深入剖析機器學習算法在解決實際問題中的具體應用，處理數(shù)據(jù)從一維到二維，研究對象從文本到圖像，解決問題從股票預測到圖像去霧。全書用通俗易懂的語言和繪聲繪色的插圖從

本書構建了一個完整的強化學習入門路徑，深入淺出地介紹了強化學習算法的基本原理和實現(xiàn)方法。本書 首先回顧了相關預備知識，包括數(shù)學基礎和機器學習基礎，然后先介紹強化學習的基本概念，給出強化學習的 數(shù)學框架（馬爾可夫決策過程），隨后介紹強化學習的求解算法，包括表格求解法（動態(tài)規(guī)劃法、蒙特卡洛法 和時序差分法），以及近似求解法

《算法：人工智能在想什么》一書從“算法在想什么”“算法在未來生活將如何應用”等角度入手，在細致勾勒算法時代特征的基礎上，審視了算法時代的隱憂與算法決策的風險，提供了規(guī)制算法的思路和框架，探討了應對風險與問題的可行性路徑。

本書是人工智能專業(yè)課程建設的配套教材，根據(jù)高職高專人工智能技術應用專業(yè)人才培養(yǎng)方案的要求，同時借鑒國家示范高職院校軟件專業(yè)教學經(jīng)驗編寫而成。全書共分為七章，主要章節(jié)由人工智能基礎、人工智能數(shù)值計算、知識表示、神經(jīng)網(wǎng)絡基礎、深度神經(jīng)網(wǎng)絡、訪問數(shù)據(jù)庫等知識組成。本書理論與實踐相結合、內(nèi)容層次分明、示例代碼簡潔明了，每個案例

本書以人工智能發(fā)展為時代背景,通過20個機器學習模型和算法案例,為讀者提供較為詳細的實戰(zhàn)方案,以便進行深度學習。在編排方式上,全書側重對創(chuàng)新項目的過程進行介紹,分別從整體設計、系統(tǒng)流程和實現(xiàn)模塊等角度論述數(shù)據(jù)處理、模型訓練和模型應用等過程,并剖析模塊的功能、使用及程序代碼。為便于讀者高效學習,快速掌握人工智能程序開發(fā)方