本书以Python机器学习常用技术与真实案例相结合的方式，深入浅出地介绍了Python机器学习应用的主要内容。全书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、航空公司客户价值分析案例、广电大数据营销推荐案例以及基于TipDM数据挖掘建模平台实现航空公司客户价值分析案例。每章都包含了课后习题，帮助读者巩固所学的内容。 本书可以作为高校数据科学或人工智能的相关专业教材，也可

近年来人工智能技术蓬勃发展，人工智能正在改变我们的生活。为了让读者在不需要掌握太多数学 和计算机科学知识的情况下，能够快速上手，使用 Python 语言实现常用的机器学习算法，并解决一些实际的问题，我们策划并出版本书。 本书共 14 章，内容涵盖基本的机器学习概念和环境搭建，目前各个领域中的热门算法，以及数据预处理、模型评估和文本数据分析等。希望本书可以让读者轻松入门，在动手实践的过程中找到乐趣。 本书可以作为各大院校人工智能相关专业的教材，也可以作为培训机构的教材，还适合人工智能技术爱好者自学

本书中的设计模式捕捉了机器学习中反复出现的问题的实践和解决方案。作者是谷歌的三名工程师，他们整理了已证实的方法，帮助数据科学家解决整个ML过程中的常见问题。这些设计模式将数百位专家的经验编纂成直接、平易近人的建议。
在这本书中，你会找到关于数据和问题表示、操作化、可重复性、可再现性、灵活性、可解释性和公平性的30种模式的详细解释。每个模式包括对问题的描述、各种可能的解决方案，以及针对您的情况选择技术的建议。

如果你想从程序员转行做人工智能专家，这是一个理想的起点。基于Laurence Moroney非常成功的AI课程，这本介绍性的书提供了一个动手操作、代码优先的方法来帮助你建立信心，同时学习关键主题。你所需要的只是使用Python及其用于数据和数组处理的经验。
你将学习如何实现机器学习中常见的场景，包括计算机视觉、自然语言处理(NLP)和针对web、移动、云和嵌入式运行时的序列建模。大多数关于机器学习的书都是从大量的高等数学开始的。本指南提供了让您直接使用代码的实用经验。

This book comprehensively and deeply introduces the artificial neural network theory and its application. The book consists of three sections: the foundation of neural network, artificial neural network theory, the design and practical application

本书在不涉及大量数学模型与复杂算法实现的前提下，从机器学习概述开始，由“泰坦尼克号数据分析与预处理”“良/恶性乳腺癌肿瘤预测”“波士顿房价预测”“手写体数字聚类”“人脸特征降维”“在线旅行社酒店价格异常检测”6个案例分别引入数据分析、分类、回归、聚类、特征降维和异常检测的应用开发实战技术及其少量理论，能够帮助读者以最快的速度掌握使用Scikit-learn库进行机器学习开发的实战技能。书末是学习机器学习时可能用到的附录。本书适合对机器学习感兴趣的初学者、需要快速入门机器学习的高职相关专业学生，以

本书较完整地介绍了深度学习的基本概念、方法和技术。全书共10章，重点介绍了深度学习的基础知识、深度学习的基本算法、深度学习中的正则化以及几个典型的深度神经网络（如深度卷积神经网络、深度循环神经网络、深度生成式对抗网络、自编码器、深度信念网络、胶囊网络等）。
本书内容丰富、叙述详细、实用性强，适合具有一定数学基础的高年级本科生或相关专业的研究生使用，也可供不具有深度学习背景但对深度学习感兴趣的相关人员参考。

本书由校企“双元”共同开发，以人工智能应用开发的学习与认知过程为主线，以实践为主导，将理论知识与实践应用有机结合，将人工智能的应用开发的过程分为数据、人工、智能和系统化四个层级和十二个步骤。十二个步骤包括：数据采集、数据整理、数据分析、数据标注、特征提取、模型创建、模型训练、模型测试、集成AI模型生成智能系统、系统测试、系统发布、系统部署与应用等。本书内容从人工智能认知开始，讲解了人工智能应用开发所依赖的数据集成、Python编程基础、算法基础和基本框架、API的应用。为了增加人工智能的通识性认

《人工智能导论》为大连理工大学“新工科”系列精品教材。
本书内容包括绪论、知识表示、确定性推理、不确定性推理、搜索求解策略、遗传算法及其应用、群智能算法及其应用、人工神经网络及其应用、机器学习、专家系统、自然语言理解及其应用等。
本书可供电子信息类专业本、专科学生作为教材使用，也可供从事人工智能领域的技术人员参考。

本书从人工智能的基本定义出发，由浅入深地阐述了人工智能的理论、策略、研究方法和应用领域，以梳理知识脉络和要点的方式，详细介绍了知识表示、逻辑推理及方法、非确定性推理及方法、搜索策略、机器学习等方面的内容。作为导论书籍，本书概念论述清楚，内容丰富，通俗易懂，在较为全面介绍人工智能的基础上对一些传统内容进行了取舍。为满足读者进一步学习的需要，除第1章之外，每章最后一个小节都配有案例分析，便于读者在所学知识的基础上懂得如何运用知识。