本書通過講解監(jiān)督學習的兩大支柱——回歸和分類——將機器學習納入統(tǒng)一視角展開討論。書中首先討論基礎(chǔ)知識，包括均方、*小二乘和*大似然方法、嶺回歸、貝葉斯決策理論分類、邏輯回歸和決策樹。然后介紹新近的技術(shù)，包括稀疏建模方法，再生核希爾伯特空間中的學習、支持向量機中的學習、關(guān)注EM算法的貝葉斯推理及其近似推理變分版本、蒙特卡

據(jù)聯(lián)合國預測，2050年全球?qū)⑦_到100億人口。本書認為，地球養(yǎng)活100億人口是一個巨大的挑戰(zhàn)，人類將面臨“FEW”困境。“FEW”是食物(Food)、能源(Energy)、水(Water)三個英文單詞的首字母縮寫，是人類生存與發(fā)展不可或缺的基礎(chǔ)性資源。然而，隨著地球上人口的增長，食物安全、淡水資源短缺、化石能源枯竭等

語言智能處理一直是人工智能領(lǐng)域的重要研究方向之一。本書按照研究歷程與現(xiàn)狀、關(guān)鍵技術(shù)與方法、發(fā)展趨勢與展望的基本脈絡(luò)，重點介紹了語言智能處理中的語言模型與知識表示、語言分析技術(shù)、語言情感分類、自然語言生成技術(shù)、自動問答與人機對話、機器翻譯、信息檢索與信息推薦等主題。本書所描述的內(nèi)容涉及人們?nèi)粘Ｉ�活中的真實應用場景，理論與

本書對于機器學習的核心方法，進行了深入而詳細的介紹，并特別關(guān)注各學科*常用的算法。*特色在于力圖以生動的語言、較多的插圖與大量的實例來直觀地解釋機器學習的原理。同時，結(jié)合流行的R語言，及時地介紹相應的軟件操作與經(jīng)典案例，為讀者提供一站式服務(wù)。本書還提供詳盡的數(shù)學推導，盡量避免跳躍，并輔以直觀的文字解釋。對于看似復雜的機

《寫給新手的深度學習——用Python學習神經(jīng)網(wǎng)絡(luò)和反向傳播》一書以Python為基礎(chǔ)，不借助TensorFlow、PyTorch等任何框架，以淺顯易懂的語言，結(jié)合大量圖示，對機器學習、深度學習、AI相關(guān)技術(shù)中的通用技能進行了解說。主要內(nèi)容包括深度學習的概念，Python基礎(chǔ)，深度學習必備數(shù)學知識，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及編程

本書分為“基礎(chǔ)篇”與“應用篇”兩部分，共16章。“基礎(chǔ)篇”從人工智能背景、機器學習與深度學習的發(fā)展開始介紹，通俗易懂地講解深度學習的相關(guān)術(shù)語與算法，詳細介紹了多種操作系統(tǒng)中實驗環(huán)境的安裝部署�！皯�用篇”從簡單的視覺入門基礎(chǔ)MNIST手寫數(shù)字識別、CIFAR一10照片圖像物體識別等入手，到復雜的多層感知器預測泰坦尼克號上

《人工智能導論（第5版）》是一本基礎(chǔ)性強、可讀性好、適合講授的人工智能教材。作者希望讀者通過學習該書，能夠掌握人工智能的基本知識，并能了解人工智能研究的一些前沿內(nèi)容，為進一步學習人工智能理論與應用奠定基礎(chǔ)。全書共11章。第1章緒論；第2章知識表示與知識圖譜；第3章確定性推理方法；第4章不確定性推理方法；第5章搜索求解策

算法是人工智能技術(shù)的核心，大自然是人工智能算法的重要靈感來源。本書介紹了受到基因、鳥類、螞蟻、細胞和樹影響的算法，這些算法為多種類型的人工智能場景提供了實際解決方法。全書共10章，涉及種群、交叉和突變、遺傳算法、物種形成、粒子群優(yōu)化、蟻群優(yōu)化、細胞自動機、人工生命和建模等問題。書中所有算法均配以具體的數(shù)值計算來進行講解

本書從介紹深度學習和重要入門知識入手，通過范例講解TensorFlow的應用開發(fā)。本書文字清晰、嚴謹，并輔以簡潔明了的插圖說明，同時提供步驟細致的范例程序教學，讓讀者可以輕松理解并掌握深度學習原理和TensorFlow開發(fā)方法。本書分為12章，內(nèi)容包括：環(huán)境安裝、TensorFlow2.0介紹、回歸問題、二分類問題、多

《走近人工智能》是一本關(guān)于人工智能的通識讀本，在參考了許多較新的同類書籍和文獻資料的基礎(chǔ)上，簡要回顧了人工智能的歷史發(fā)展，概括性地介紹了人工智能的基本原理，重點分述了人工智能的應用領(lǐng)域。本書共分十二章：第一章介紹人工智能的起源；第二章介紹人工智能的基本概念、核心技術(shù)和技術(shù)方向，如專家系統(tǒng)、機器學習、自然語言處理等和圖像