人工智能時代已經(jīng)來臨，這項技術(shù)正在改變?nèi)祟惖恼J知和生活，也對社會各個領(lǐng)域產(chǎn)生了重大的影響。本書從理論基礎(chǔ)、商業(yè)落地、實戰(zhàn)場景、案例分析多個方面介紹人工智能，講述人工智能對農(nóng)業(yè)、金融、娛樂、醫(yī)療、營銷、工業(yè)、教育等領(lǐng)域的影響。另外，為了迎合時代熱點，本書還分析了人工智能與5G、區(qū)塊鏈等前沿技術(shù)的融合及融合效果，使讀者了解

本書以數(shù)據(jù)驅(qū)動的數(shù)學問題研究為核心，是一部由研究工作構(gòu)成的原創(chuàng)著作。全書共分7章，按三個模塊劃分：第一個模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個導(dǎo)論；第二個模塊是粒度空間的基礎(chǔ)理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結(jié)構(gòu)聚類特征與融合，以及聚類結(jié)構(gòu)分析理論等研究；第三個模塊是粒度

知識圖譜的發(fā)展歷史源遠流長，從經(jīng)典人工智能的核心命題——知識工程，到互聯(lián)網(wǎng)時代的語義Web，再到當下很多領(lǐng)域構(gòu)建的數(shù)千億級別的現(xiàn)代知識圖譜。知識圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識表示、表示學習、自然語言處理、圖數(shù)據(jù)庫和圖計算等多個領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融

演化學習作為機器學習中解決復(fù)雜優(yōu)化問題的重要方法，此前一直因為理論支撐不足未得到應(yīng)有重視。本書將介紹作者團隊近幾年在演化學習理論和算法方面取得的重要進展，彌補上述缺憾。本書內(nèi)容主要分四部分，第一部分簡要介紹演化學習基礎(chǔ)知識；第二部分講述演化算法中用于分析運行時和近似性能的通用理論工具；第三部分講解關(guān)于演化優(yōu)化中主要因素

機器學習是計算機科學與人工智能的重要分支領(lǐng)域.本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機器學習基礎(chǔ)知識的各方面.全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機器學習的基礎(chǔ)知識；第2部分（第4～10章）討論一些經(jīng)典而常用的機器學習方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度

本書主要內(nèi)容包括機器學習介紹，NumPy、Pandas、SciPy庫、Matplotlib（可視化）四個基礎(chǔ)模塊，Scikit-learn算法、模型、擬合、過擬合、欠擬合、模型性能度量指標、數(shù)據(jù)標準化、非線性轉(zhuǎn)換、離散化，以及特征抽取和降維的各種方法，包括特征哈希、文本特征抽取、特征聚合等。全書通過實用范例和圖解形式講

場景化機器學習

本書從概念和數(shù)學原理上對人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識別、語音識別、自然語言處理、深度學習幾個主要方面進行了闡述，并以Python為主要工具進行了相應(yīng)的編程實踐，以使讀者對人工智能相關(guān)技術(shù)有更直觀和深入的理解。此外，本書也用幾個獨立的章節(jié)從原理和實踐上介紹了量子計算、區(qū)塊鏈技術(shù)、并行計算、增強現(xiàn)實等與人工智能

大部分TensorFlow教材應(yīng)用案例少，理論講解比較概括，學生數(shù)學基礎(chǔ)薄弱，對人工神經(jīng)網(wǎng)絡(luò)較難入門。本教材介紹TensorFlow的發(fā)展和特點后，通過案例詳細介紹TensorFlow的使用，著重細致地講解學生學習中遇到的難點，比如張量的形狀、卷積、池化、交叉熵等。通過案例讓學生逐層遞進地掌握TensorFlow，最后

《人工智能簡史》全面講述人工智能的發(fā)展史，幾乎覆蓋人工智能學科的所有領(lǐng)域，包括人工智能的起源、自動定理證明、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。 第2版中每章都有新增內(nèi)容，并增加了全新的第13章，