本书以通俗易懂的语言和有趣的插画来解释深度学习中的概念和方法,生动形象的插图更容易帮助读者理解和记忆。同时,书中指导读者将自己的理解制作成短视频,以加强学习效果。另外,书中还指导读者在Colab平台上进行实践。 本书内容全面,从基础的神经网络、卷积神经网络、循环神经网络等入门知识,到深度学习的应用领域如计算机视觉、自然

本书全面介绍当前人工智能技术基础理论和方法，包括深度神经网络、知识图谱、图神经网络、生成式人工智能方法和机器学习方法5部分内容；重点介绍深度神经网络基本原理、卷积神经网络、循环神经网络、注意力机制和变形金刚(Transformer)，介绍知识图谱、图神经网络和生成式人工智能的基本理论与方法，最后简要介绍弱监督、自监督、

本教材总结了人工智能的发展历程和取得的阶段性成果，涵盖了人工智能主要的两大类内容：符号主义和联接主义，重点阐述了人工智能经典理论和方法，补充完善了丰富的人工智能新技术。内容包括：绪论、知识表示和逻辑推理、搜索技术、进化算法和群智能算法等传统的人工智能范畴，以及机器学习、强化学习、自然语言处理等人工智能的新技术。

本书专注于当今人工智能的核心技术和过程，包括章节总结、历史概述、练习、计算机作业、思维实验，以及强化关键概念的控制题；借助可视化图形来说明基本思想，通过易于遵循的示例来说明如何在实际实现中使用这些思想。本书可作为人工智能、计算机科学与技术、控制科学与工程、优化理论等专业本科生、研究生的专业课教材，也可供计算机科学与技术

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、

本书在全面覆盖人工智能框架知识的基础上，以精简内容、突出重点为准则，避免面面俱到。每一部分都是挑选经典、实用的知识内容，同时配有典型案例和源代码，将人工智能原理融会到典型案例中详细讲授，可以使初学者以较快的节奏学习、实践人工智能基础知识，重点掌握关键部分的常用算法，进而了解人工智能领域的知识轮廓。全书共分7章：第1章为

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

本书共5个项目，内容包括边缘计算开发板基础应用、边缘计算算法SDK应用、TensorFlow图像上色模型部署、PyTorch目标检测模型部署、TFLite手掌检测模型部署。本书根据岗位工作任务要求，确定学习任务内容，设计选取了14个工作任务。

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

《现代人工智能技术》对现代人工智能的理论、算法、框架及应用进行了全面、系统的论述,剖析了人工智能研究领域的前沿学术成果,涵盖了机器学习、深度学习、强化学习以及联邦学习等诸多方向。读者通过学习本书,能够掌握人工智能的基本知识,并能了解人工智能研究的一些前沿内容,为进一步学习人工智能理论与应用奠定基础。全书共分为9章,分别