本书介绍人工智能基础知识、人工智能核心技术和人工智能实践与应用三部分内容，共分15个模块，包括人工智能的起源与发展、人工智能概述、人工智能的安全伦理与职业规划、机器学习基础、深度学习与神经网络、计算机视觉、自然语言处理、生成式人工智能、人工智能项目平台与流程、办公应用中的智能处理、智能财务应用、人工智能在市场营销中的应用、智慧金融与智能研投、智慧交通中的违章识别应用、AIGC艺术创作应用。

本书是国内首部系统介绍人工智能和数据科学在法律实践和法学研究中应用的书籍。本书整合了国内外前沿的业界实践和学术研究，是对该领域知识进行系统整理和提炼的最新研究成果，为读者呈现了一幅人工智能与数据科学在法律领域应用的全面图景。 本书特别注意将复杂的技术知识转化为易于阅读和理解的内容，避免了复杂的数学公式和技术术语。书中介绍了大量具体案例，如基于大数据的判决预测、法系分类，基于大语言模型的法律问答、文书生成等。这些案例形象地展示了法律人工智能的丰富应用场景，帮助读者创造性地思考AI时代下法律行业的挑

深度学习是一种以人工神经网络等为架构，对数据资料进行表示学习的算法，它是计算机科学及人工智能的重要分支，其代表性成果如卷积神经网络、循环神经网络等作为信息产业与工业互联网等行业的主流工具性技术已被成功应用于诸多现实场景。本书作为一本面向中文读者的深度学习教科书，从“理论与实践相结合”的角度立意，贯彻“知行合一”的教育理念.全书除绪论和附录外，共有15章，分四篇：第一篇“机器学习”(第1章)，介绍机器学习的基本术语、基础理论与模型；第二篇“深度学习基础”(第2-5章)，介绍深度学习基本概

本书深入剖析机器学习中的概率思维，从基础理论出发，结合经典例子，阐述如何将概率思维巧妙应用于机器学习算法，帮助读者理解数据背后的规律与不确定性。除引言外，全书内容分为5章，包括贝叶斯定理中的概率思维、朴素贝叶斯算法中的概率思维、极大似然估计和最大后验估计、贝叶斯网络、马尔可夫链和隐马尔可夫模型。

本书深入剖析机器学习中的线性思维和非线性思维，从基础理论出发，结合经典例子，阐述如何将线性思维和非线性思维巧妙应用于机器学习算法，帮助读者理解数据背后的规律与不确定性。除引言外，全书内容分为7章，包括线性回归中的线性思维、感知机分类中的线性思维、逻辑回归中的线性思维、支持向量机中的线性思维、核方法、高斯核函数的非线性映射作用、深度学习中的非线性。

"本书从数据表示学习角度介绍机器学习及其应用。全书共7章，分别介绍数据表示学习与数学基础、传统降维方法、分布式表示学习和聚类算法、稀疏表示学习、神经网络中的特征提取、生成式表示学习和对比式表示学习。本书涉及的数据表示学习算法的具体应用领域包括计算机视觉、自然语言处理以及图网络分析等。

本书主要面向广大从事人工智能、机器学习或深度学习、数据挖掘、模式识别等领域的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员。
"

《机器学习原理及应用》从机器学习原理和应用出发，结合案例介绍了机器学习的基础技术和典型模型算法，包括机器学习的基础、特征选择与降维、典型学习算法、深度学习与神经网络、集成学习与迁移学习、强化学习、计算机视觉与语音识别等技术；详细介绍了机器学习典型模型算法及神经网络学习、计算机视觉和语音识别技术应用，并以实例介绍了应用场景需求、特征表示、深度神经网络设计、预训练模型及预测应用的开发方法和开发过程。
每个案例配有源码，每章配有习题，帮助读者进行深入学习。
《机器学习原理及应

本书是面向高等院校计算机相关专业的机器学习教材。全书以机器学习应用程序的开发流程为主线，详细介绍数据预处理和多种算法模型的概念与原理；以Python 和Spark 为落地工具，使读者在实践中掌握项目代码编写、调试和分析的技能。本书最后两章是两个实战项目，举例讲解机器学习的工程应用。本书内容丰富、结构清晰、语言流畅、案例充实，还配备了丰富的教学资源，包括源代码、教案、电子课件和习题答案，读者可以在华信教育资源网下载。

本书介绍了机器学习的概念、算法和原理，全书主要分为两部分，第一部分是机器学习所涉及的数学基础、基础理论和机器学习基础；第二部分是常见的机器学习讲解和实现，主要涉及常见的生成式模型和判别式模型。

本书内容包括深度学习的基本原理和常用算法、深度学习框架PyTorch的环境搭建及基础编程方法、使用PyTorch实现手势识别、CNN图像分类、数据处理、国际航空乘客预测等项目，以及张量的应用、手写数字体识别、面部表情识别等拓展案例。本书每个单元都配备知识点微课，“任务实施”结合实践应用有序排列学习任务，符合人才成长的特点和教学规律，突出培养学生的专业数字化素养，实现理论与实践的统一。