"机器学习和深度学习是人工智能领域开展科学研究的核心前沿理论，本书以“理论算法”为基础核心，以“实践案例”为创新驱动，帮助读者在了解机器学习和深度学习发展前沿的基础上，掌握基本核心知识，深刻理解应用案例，加深实践开发要素理解，夯实人工智能领域核心理论算法。全书共12章内容。第1章“绪论”，第2章“线性模型”，第3章“决策树”，第4章“贝叶斯分类器”，第5章“支持向量机”，第6章“聚类”，第7章“神经网络”，第8章“卷积神经网络”，第9章“循环神经网络”，第10章“生成对抗网络”，第11

本书是一本零基础的Illustrator软件的实战教材，旨在介绍如何使用Illustrator软件在平面设计领域的使用方法与技巧。本书首先介绍Illustrator软件在平面领域中的主要应用范围和领域，然后逐步由浅入深的介绍如何使用软件完成图形的设计与编辑、路径的绘制与编辑、图形样式的创建与编辑、文本与图表的创建与编辑、图层与蒙版的应用、效果类应用方法、混合与封套的应用方法等。 书籍中所涉及的案例都是平面设计领域中最为常见与普及度比较广泛的案例，让读者在熟悉和掌握Illustrator软件的同时

本书是一本机器学习实用指南，提供从基础知识到进阶技能的全面学习路径。本书以浅显 易懂的方式介绍了机器学习的基本概念和主要类型，并详细介绍使用 Python 及常见的库进行数 据处理和机器学习的实操。此外，介绍了数据预处理的详细过程，最后通过若干典型案例加深 读者对机器学习的理解。本书适合对机器学习感兴趣的初学者，也可作为软件开发人员、数据分析师、学术研究人员的参考书籍。

本书以项目为载体，依序对机器学习、深度学习和计算机视觉进行实践探究，帮助读者认识三者的关系，聚焦深度学习技术应用的重点领域计算机视觉，从调用云服务接口和开发模型两个方面做深层次探究。本书以企业用人需求为导向，以岗位技能和综合素质为核心，通过理论教学与实践教学相结合的方式，旨在培养具有深度学习技术应用意识，能够根据不同行业的不同需求，进行深度学习应用开发的高水平技术技能型人才。 全书共 3 篇：入门篇（项目1～项目3）为走进深度学习，分别对机器学习、深度学习和计算机视觉展开学习；基础篇（项目4～项

深度学习是人工智能的重要分支，在多个应用领域取得了突破性成果。本书作为深度学习的入门教材，基本涵盖了深度学习的各个方面。全书共8章，第1章概要介绍了深度学习的基本概念、典型算法及应用；第2~5章是本书的核心内容，详细介绍了卷积神经网络、循环神经网络、Transformer和生成对抗网络的基本原理、典型算法以及主要应用；第6章介绍了一些典型的深度生成模型以及近期比较流行的扩散模型；第7章介绍了深度学习中常用的正则化与优化方法；第8章介绍了TensorFlow、PyTorch和飞桨三个常用的深度学习

本书是以实验案例方式而组织的, 全书共给出了21个人工智能实验案例, 覆盖了人工智能课程涉及的主要内容, 包括搜索求解、逻辑推理、贝叶斯网络、马尔可夫决策、监督学习、非监督学习、强化学习等各个方面, 也包含了深度神经网络技术。为了便于教学, 每个实验案例对实验的内容、背景和目标进行了明确阐述, 对所涉及的理论基础及算法也进行了详细介绍, 并提供了相应的Python语言代码。

本书以机器学习算法为主题，详细介绍算法的理论细节与应用方法。全书共19章，分别介绍了逻辑回归与最大熵模型、k-近邻模型、决策树模型、朴素贝叶斯模型、支持向量机模型、集成学习框架、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法，以及8个综合项目实例。本书重视理论与实践相结合，希望为读者提供全面而细致的学习指导。

本书从《C++核心准则》（C++ Core Guideline）数百个条目中精心挑选了30条准则进行细致、深入的讲解。内容涵盖C++语言最主要的方面，如类型系统、面向对象、模板和元编程、错误处理、程序性能、常量性等，其间又恰如其分地穿插了编码风格、设计模式等主题。探讨的过程中处处可见来自作者数十年职业生涯的经验和示例，除了深入的洞察，行文中充满了趣味性。作者试图通过这种突出重点、以点带面的方式帮助读者了解并学习C++核心准则，进而更深入地掌握C++这门编程语言，特别是它的“现代”形态。

本书围绕H5页面的设计与制作展开全面讲解，共分为8章，分别从H5入门必备知识、H5页面风格与版式设计、H5页面内容设计、H5页面创意设计、H5页面营销推广、H5主流制作工具等方面进行介绍，最后两章以4个制作案例结尾，对前面所学的知识进行巩固和消化。全书采用理论+实操的方式进行讲解，在讲解理论知识的同时，以“应用秘技”和“新手误区”栏目对知识进行扩展延伸。

本书介绍与人工智能关系紧密的数学知识模块，以使读者更好地掌握数学方法在人工智能领域的应用。本书整合了随机过程、矩阵论和运筹学中相关的数学基础，共12章，分为3部分。第1部分为随机过程，包括第1～3章，主要介绍概率论预备知识、随机过程的概念和基本类型、马尔可夫链。第2部分为矩阵论，包括第4～8章，主要介绍矩阵论预备知识、线性空间与线性变换、范数理论及其应用、矩阵分解和特征值的估计。第3部分为运筹学，包括第9～12章，主要介绍运筹学思想与运筹学建模、数学规划、**化问题和多目标决策。
本书面向