本書以數(shù)據(jù)驅動的數(shù)學問題研究為核心，是一部由研究工作構成的原創(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，這是本書主題內容的一個導論；第二個模塊是粒度空間的基礎理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結構聚類特征與融合，以及聚類結構分析理論等研究；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，再到當下很多領域構建的數(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域技術的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融

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的編程實踐，以使讀者對人工智能相關技術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、并行計算、增強現(xiàn)實等與人工智能

大部分TensorFlow教材應用案例少，理論講解比較概括，學生數(shù)學基礎薄弱，對人工神經(jīng)網(wǎng)絡較難入門。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、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容，并增加了全新的第13章，

本書致力于推動人工智能的普及教育，結合最新的人工智能科學技術的發(fā)展成果，使用通俗易懂的語言深入淺出地介紹了人工智能的相關知識，重點介紹了人工智能的孕育、人工智能的誕生、人工智能的復蘇、人工智能的高速發(fā)展、人工智能的應用分支和哲學與思考等方面，在每章節(jié)后都有與之對應的章節(jié)習題，供學習者學習，以強化學生解決問題的能力。

《數(shù)字媒體交互設計原理與方法》通過豐富的案例，系統(tǒng)地講解了數(shù)字媒體交互設計的基本原理和方法。本書共7章，主要講解了數(shù)字媒體交互設計的基礎知識、用戶體驗、用戶研究方法，以及設計流程、設計工具和設計法則，由淺入深地帶領讀者逐步加深對數(shù)字媒體交互設計的認知，提升自身工作能力。本書每一章的章末都附有同步模擬題及作業(yè)，以幫助讀者

本書以TensorFlow2深度學習的常用技術與真實案例相結合的方式,深入淺出介紹TensorFlow2深度學習的重要內容。全書共7章,內容包括深度學習入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡原理及實現(xiàn)、基于CNN的門牌號識別、基于LSTM的語音識別、基于CycleGAN的圖像風格轉換等技術,以及如何使用Ti

機器學習是計算機科學與人工智能的重要分支領域.本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面.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、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度

本書主要內容包括機器學習介紹，NumPy、Pandas、SciPy庫、Matplotlib（可視化）四個基礎模塊，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