本書以一個彩票預測的實戰(zhàn)項目開發(fā)為主線，詳細介紹了爬蟲基礎、概率論、時間序列、深度學習等熱門的人工智能技術及TensorFlow+Keras這種主流的深度學習框架的使用方法。本書分為8章，涵蓋的主要內容有深度學習基礎、數據抓取與存儲、概率論基礎、時間序列、深度學習框架簡介及環(huán)境安裝、深度學習原理、Keras入門、福彩3

本書分四部分介紹深度學習算法模型及相關應用實例。第一部分介紹在深度學習中必備的一些數學和機器學習的基礎知識。第二部分介紹卷積神經網絡、循環(huán)神經網絡、深度強化網絡等經典模型，并對每種模型從原理、結構、優(yōu)化等方面進行論述。第三部分介紹深度學習中常用的優(yōu)化方法及訓練技巧。第四部分結合實踐來介紹深度學習在計算機視覺、模式識別中

本書主要討論在智能經濟的浪潮下，人工智能技術與區(qū)塊鏈技術的范式變革與產業(yè)應用，以及如何從數字經濟學視角理解智能經濟發(fā)展的商業(yè)邏輯變化和它所帶來的商業(yè)認知升級。全書包括從信息技術到智能經濟、區(qū)塊鏈技術應用與場景、人工智能技術應用與場景、智能經濟時代的商業(yè)趨勢四部分，共20講內容。 本書通過跨學科研究，構建了一整套認知人工

隨著人工智能技術在越來越多的行業(yè)中應用，諸多問題也隨之而來，最主要的問題在于人工智能技術與行業(yè)的結合深度不足。在大多數情況下，人工智能技術只能解決表層的行業(yè)問題，對于深層的業(yè)務問題賦能不足。當前急需探索人工智能技術與行業(yè)結合的方法與模式。本書結合了筆者構建人工智能產品的實際經驗，從人工智能產品流程、行業(yè)能力模型、人工智

隨著人工智能技術在各行業(yè)的應用蓬勃發(fā)展，其已滲透社會及人們日常生活的方方面面，且在圖像分類、目標識別、自然語言處理等領域顯示了良好的效果和前景。但是，人工智能及其分支技術有一些特定的脆弱性，在某些場景下容易受到欺騙和攻擊，若不對此采取一定措施，就有可能造成嚴重的后果。本書通過介紹針對圖像分類的對抗技術，描述了深度神經網

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、模糊邏輯系統、自主無人系統、群體智能、多Agent系統、人機協同系統、工業(yè)智能控制系統、機器人系統等為案例，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的發(fā)展、相關概念、主要特征和類型、智能系統的發(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

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

本書是一本閱讀起來特別輕松、學習一點都不費勁的TensorFlow入門書。本書基于TensorFlow2.0版本，從機器學習和TensorFlow的基礎開始，針對初學者只選擇實際應用中的必需最小知識量，對前饋神經網絡、卷積神經網絡、循環(huán)神經網絡、深度強化學習進行了淺顯易懂且快速有效的闡述，其中包括了很多具體的Tenso

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，把與基于深度學習的目標檢測的相關論文中的理論和方法呈現給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側重對卷積神經網絡的介紹，而深度學習的內容不止于此。所以，作者將深度學習分為有監(jiān)督學習、無監(jiān)督學習和強化學習三類，將圖像分類、目標檢測

當今社會，智能音箱、智能機器人、智能可穿戴設備等人工智能產品已經開始逐漸普及，而人工智能產品經理卻非常短缺。本書將通俗易懂的語言與專業(yè)知識相結合，從中國人工智能市場現狀入手，詳細地為讀者闡釋了人工智能產品的相關知識，以及人工智能產品經理是如何開展工作的，并通過實際案例展現了如何從無到有構建人工智能產品的過程。本書適合想

《人工智能基礎數學知識》基于流行的Python語言，通俗易懂地介紹了入門人工智能領域必需必會的數學知識，旨在讓讀者輕松掌握并學以致用。 《人工智能基礎數學知識》分為線性代數、概率和優(yōu)化等3篇，共21章，覆蓋了人工智能領域中重要的數學知識點。本書寫作風格通俗有趣，讀者可在潛移默化中掌握這些數學知識以及相關的編程操作，并能

本書面向初學者，采用全彩圖解+視頻講解的形式介紹了人工智能的基礎知識及開發(fā)案例，從無代碼到圖形化編程到代碼編程，循序漸進，讓讀者逐步掌握人工智能技術，體驗人工智能帶給自己的樂趣。本書首先通過mDesigner+開源硬件的結合賦予創(chuàng)客作品以“智能”，接著介紹了與人工智能密切相關的深度學習及其所需要的編程語言、編程框架及編

隨著AI技術的普及，如何快速理解、掌握并應用AI技術，成為絕大多數程序員亟需解決的問題。本書基于Keras框架并以代碼實現為核心，詳細解答程序員學習AI算法時的常見問題，對機器學習、深度神經網絡等概念在實際項目中的應用建立清晰的邏輯體系。本書分為上下兩篇，上篇（第1～4章）可幫助讀者理解并獨立開發(fā)較簡單的機器學習應用，

近年來機器學習是一個熱門的技術方向，但機器學習本身并不是一門新興學科，而是多門成熟學科（微積分、統計學與概率論、線性代數等）的集合。其知識體系結構龐大而復雜，為了使讀者朋友能夠把握機器學習的清晰的脈絡，本書盡可能從整體上對機器學習的知識架構進行整理，并以Sklearn和Keras等機器學習框架對涉及的相關理論概念進行代

《從統計世界走向人工智能——實戰(zhàn)案例與算法》敘述了從數學到統計、從統計到人工智能的發(fā)展，結合大量的實際商業(yè)應用案例介紹了諸多經典的機器學習算法，比如LASSO回歸、MCMC、決策樹、隨機森林和神經網絡等�！稄慕y計世界走向人工智能——實戰(zhàn)案例與算法》將案例與算法結合，基于人工智能的場景，從理論到實際操作層層遞進，讀者從中

學習并精通任何一門學科無外乎要經過四個步驟：它是什么？它可行嗎？怎么學它？如何學好它？機器學習也不例外，《快樂機器學習》就以這四個步驟來介紹機器學習�！犊鞓窓C器學習》第1章介紹“機器學習是什么”，即從定義開始，詳細介紹機器學習涉及的知識、數據和性能度量。第2章介紹“機器學習可行嗎”，即介紹機器具備學習樣本以外的數據的能

本書介紹了與AI相關的理論知識，例如，AI的核心、AI的3個發(fā)展階段、AI的科技支撐點等。為了增強本書的全面性和系統性，也為了向大家多傳授一些干貨，本書將重點放在了AI在各行各業(yè)、各個領域的商業(yè)化落地項目上。值得注意的是，本書添加了很多代表性案例，希望為讀者提供實實在在的幫助�？梢哉f，在“AI+商業(yè)”方面，本書既具有實