本书是一本体系完整、算法和案例丰富的人工智能类教材。本书系统地讲解深度学习的理论与方法，主要内容包括绪论、深度学习基础、卷积神经网络、循环神经网络、深度序列模型、深度生成网络、图神经网络、注意力机制、深度强化学习、深度迁移学习、无监督深度学习。本书通过丰富的实例讲解方法的应用；强调深度学习的系统性、方法的时效性，同时针对深度学习快速发展的特点，讲解深度学习的最新技术，本书配备了实例的数字化资源，供学习者下载。
　　本书既可以作为国内各高等学校、科研院所本科生、研究生的教材，也可以供国内

机器学习的主要目的是从有限的数据中学习到知识。而知识的基本单元是概念。借助于概念，人类可以在繁复的思想与多彩的世界之间建立起映射，指认各种对象，发现各种规律，表达各种想法，交流各种观念。一旦缺失相应的概念，人们将无法思考、交流，甚至于无法顺利地生活、学习、工作、医疗、娱乐等。哲学家如卡西尔等甚至认为人类的本质特性是能够使用和创造各种符号概念。因此，如何使机器能够像人一样能够自动发现、运用概念，正是机器学习当前的重要研究内容。本书将集中讨论这个问题。本书借助学于认知科学的研究成果，提出了类的

本书是关于人工智能（AI）是什么、研究什么及其应用与发展现状的科普读物，分十讲进行编写：第一讲，人工智能的现状、趋势与战略；第二讲，机器眼中的大千世界——计算机视觉；第三讲，语言与机器的火花碰撞——自然语言处理；第四讲，认知科学与AI世界的邀约——认知推理；第五讲，机器自我成长进步——机器学习；第六讲，未来生活离不开的伙伴——智能机器人；第七讲，机器世界不孤单——多智能体；第八讲，机器生活的世界——物理世界仿真模拟；第九讲，舞动科技的音符——人工智能音乐；第十讲，人工智能在北大。 本书可作为人工

"本书以模糊计算、神经计算、进化计算三大模块为主，从理论基础和实践应用两个维度全面、系统地介绍关于计算智能的常见算法，并设计8个上机实验，以满足前面章节内容仿真验证的需要。全书共11章，内容分别为绪论、模糊系统理论、模糊系统应用、神经网络理论、支持向量机、深度学习、遗传算法、遗传规划、蚁群算法、粒子群算法、新型群智能优化算法等知识，并对大部分知识点配以相应的案例。

本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等学校的在读学生及相关

本书共8章，包括知识工程概述、知识表示、基于向量的知识推理、知识获取、知识存储与查询、知识分析与挖掘、知识检索与问答、新一代知识工程。本书侧重基础理论、重视实践操作，图文并茂，并针对重要知识点和实践内容录制了微课视频，适合初学者学习参考。

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。