本書從計算思維的角度出發(fā)，以人工智能相關問題為引導，在解決實際案例問題的過程中植入知識點，為各專業(yè)的學生在今后設計、構造和應用各種計算系統，求解本學科的問題奠定基礎。全書內容包括計算與計算思維、程序設計與算法、人工智能與智能計算、網絡與大數據這四大部分。本書適用于高等院校一年級新生的計算機導論等信息技術類基礎課程，可作

《二維重復控制》總結作者多年來的研究成果和體會，綜合重復控制領域的大量國內外文獻資料，系統闡述二維重復控制的研究成果。主要內容包括：重復控制原理、重復控制系統設計方法和二維重復控制基本思想，重復控制的二維特性和重復控制系統的二維混合模型，二維重復控制系統穩(wěn)定性分析，二維重復控制系統設計，二維重復控制系統魯棒性分析與設計

本書首先介紹深度學習方面的數學知識與Python基礎知識，線性模型中的線性回歸模型和logistic模型；然后講述正向傳播算法、反向傳播算法及深度神經網絡的完整訓練流程，輸出層的激活函數和隱藏層的常見激活函數，深度學習的過擬合和欠擬合，應對過擬合的方法，以及使用TensorFlow2建立深度神經網絡模型的步驟；接著介紹

雖然很多深度學習工具都使用Python，但PyTorch庫是真正具備Python風格的。對于任何了解NumPy和scikit-learn等工具的人來說，上手PyTorch輕而易舉。PyTorch在不犧牲高級特性的情況下簡化了深度學習，它非常適合構建快速模型，并且可以平穩(wěn)地從個人應用擴展到企業(yè)級應用。由于像蘋果、Face

本書聚焦信息科學、生命科學、新能源、新材料等為代表的高科技領域，以及物理、化學、數學等基礎科學的進展與新興技術的交叉融合，其中70%的內容來源于IEEE計算機協會相關刊物內容的全文翻譯，另外30%的內容由SteerTech和iCANXTalks上的國際知名科學家的學術報告、報道以及相關活動內容組成。本書將以創(chuàng)新的方式宣

本書系統地闡述機器學習的數學基礎知識，但并非大學數學教材的翻版，而是以機器學習算法為依據，選取數學知識，并從應用的角度闡述各種數學定義、定理等，側重于講清楚它們的應用和實現方法。所以，書中將使用開發(fā)者喜歡的編程語言（Python）來實現各種數學計算，并闡述數學知識在機器學習算法中的應用體現。

本書結合了最新的深度學習技術應用成果，充分考慮了大學生的知識結構和學習特點，結合各個專業(yè)特點介紹了深度學習的基本概念及TensorFlow框架，以及深度學習在各個領域的具體應用。本書為高職高專院校深度學習基礎課程教材重點介紹了神經網絡與深度學習、TensorFlow環(huán)境使用、卷積神經網絡、循環(huán)神經網絡、遷移學習等內容。

本書從強化學習的基礎知識出發(fā)，結合PyTorch深度學習框架，介紹深度強化學習算法各種模型的相關算法原理和基于PyTorch的代碼實現。作為一本介紹深度強化學習知識的相關圖書，本書介紹了常用的強化學習環(huán)境，基于價值網絡的強化學習算法和基于策略梯度的強化學習算法，以及一些常用的比較流行的深度強化學習算法（如蒙特卡洛樹搜索

強化學習作為機器學習及人工智能領域的一種重要方法，在游戲、自動駕駛、機器人路線規(guī)劃等領域得到了廣泛的應用。 本書結合了李宏毅老師的“深度強化學習”、周博磊老師的“強化學習綱要”、李科澆老師的“世界冠軍帶你從零實踐強化學習”公開課的精華內容，在理論嚴謹的基礎上深入淺出地介紹馬爾可夫決策過程、蒙特卡洛方法、時序差分方法、

本書第1章介紹聯邦學習的發(fā)展背景和歷程，以及金融業(yè)中數據共享的機遇和挑戰(zhàn)。第2-5章介紹不同類型的機器學習方法在聯邦學習模式下的實現，以及關鍵算法原理。第6章介紹聯邦學習開源框架FATE的架構和部署，以及在金融控股集團內大數據平臺上建立跨機構統一數據科學平臺的實施方案。第7章從建模者的角度展示了典型建模流程的實戰(zhàn)過程。