《人工智能導論》共8章，從人工智能的基本定義開始，由淺入深地向讀者闡述了人工智能的理論、策略、研究方法和應用領域，以梳理知識脈絡和要點的方式，在較為全面介紹人工智能領域進展的基礎上對一些傳統(tǒng)內(nèi)容進行了取舍。詳細介紹了知識表示、邏輯推理、非確定性推理、搜索策略、機器學習、大數(shù)據(jù)以及人工智能應用案例等方面的內(nèi)容。為滿足讀者

本書面向初學者，比較全面的介紹了機器學習的基本方法，循序漸進的闡述了其中的數(shù)學原理，讓讀者能夠知其然，然后知其所以然。書中結合應用場景，列舉了大量編程實例幫助讀者開展動手實踐，理論與實踐相輔相成，對算法原理產(chǎn)生更加直觀和感性的認識。作者希望能夠通過本書幫助讀者揭開人工智能領域的神秘面紗，走進人工智能和機器學習的大門，了

本書主要為理論圖書，闡述如何用生態(tài)設計方法的問題，包括9章：1.重塑人類創(chuàng)造的世界解決可持續(xù)發(fā)展問題2.重新定義包含生態(tài)學的設計：生態(tài)中心城市的原則3.通過經(jīng)濟模仿改造建筑環(huán)境4.生態(tài)設計作為多種生物融合的設施：生態(tài)設計的四和弦5.基于自然的基礎設施----地球的生命支撐系統(tǒng)6.水文學基礎設施7.技術基礎設施8.人類為

本書首先介紹聯(lián)邦學習的定義和發(fā)展歷史，按類別介紹聯(lián)邦學習算法和發(fā)展現(xiàn)狀，介紹聯(lián)邦學習的應用場景，以及相關安全機器學習的技術。然后我們將介紹zui新zui前沿的聯(lián)邦學習算法，用數(shù)科系統(tǒng)作為實例，對聯(lián)邦學習系統(tǒng)構建和實現(xiàn)進行講解。zui后我們將介紹數(shù)科自研的基于區(qū)塊鏈的聯(lián)邦學習技術。

當前，人工智能技術正在火熱發(fā)展之中，并廣泛應用于生產(chǎn)生活的方方面面，極大地改變了人們的生活。同時，人工智能技術的發(fā)展也對更多的領域產(chǎn)生了沖擊。本書就以人工智能技術的發(fā)展和應用為出發(fā)點，講述人工智能當前的發(fā)展現(xiàn)狀、機遇和挑戰(zhàn)，以及人工智能技術在諸多方面的應用、未來的發(fā)展前景等。 在講述理論的同時，本書還加入了諸多經(jīng)典案例

本書包括驅(qū)動篇(第1章-第9章)：分別講解了OneOs的設備驅(qū)動的原理以及源碼，實現(xiàn)IIC、SPI等多種通信機制設備驅(qū)動講解。組件篇(第10章-第15章)：分別講解0ne0S部分組件的原理以及源碼，實現(xiàn)MQTT、CoAP等網(wǎng)絡協(xié)議講解。異核通信篇(第16章-第21章)：本篇講解如何實現(xiàn)主處理器對協(xié)處理器生命周期管理以及

本書為深圳信息職業(yè)技術學院等高職院校與騰訊集團共同編寫的高等職業(yè)教育人工智能技術服務專業(yè)校企“雙元”合作系列教材，同時也是高等職業(yè)教育計算類課程新形態(tài)一體化教材。本書采用項目化任務分解的形式，講解深度學習開發(fā)與應用技術。全書分為10個項目16個任務，主要內(nèi)容包括：認識人工智能，Linux系統(tǒng)和Python開發(fā)環(huán)境安裝，

本書目的是從作者最近出版的《強化學習預**控制》教科書中更深入地發(fā)展一些方法。特別是，提出了有關涉及多個代理，分區(qū)架構和分布式異步計算的系統(tǒng)的新研究。本書還將詳細討論該方法在挑戰(zhàn)離散/組合優(yōu)化問題（例如路由，調(diào)度，分配和混合整數(shù)編程）中的應用，包括在這些情況下使用神經(jīng)網(wǎng)絡近似。本書可作為計算機科學與技術、控制科學與技術

本書將基礎理論和案例實戰(zhàn)相結合，循序漸進地介紹了關于機器學習領域中的經(jīng)典和流行算法，全面、系統(tǒng)地介紹了使用Python實現(xiàn)機器學習算法，并通過PyTorch框架實現(xiàn)機器學習算法中的深度學習內(nèi)容。第一部分為基礎篇，包括第1~8章，系統(tǒng)地介紹了機器學習基礎、數(shù)據(jù)預處理、簡單分類算法、決策樹、支持向量機、回歸分析、聚類分析、

書擬根據(jù)“厘清內(nèi)涵、促進交叉、賦能應用”來研究討論通專融合的人工智能交叉課程體系。厘清內(nèi)涵指確立專業(yè)培養(yǎng)定位和專業(yè)培養(yǎng)方向，重視數(shù)學與統(tǒng)計知識（如概率論、微積分、線性代數(shù)、優(yōu)化求解和矩陣變換等）、計算機編程和系統(tǒng)能力（如程序設計、算法分析和系統(tǒng)等）以及人工智能基礎知識（如邏輯推理、機器學習、強化學習、控制與博弈決策等）