"網(wǎng)絡圖作為一種描述復雜系統(tǒng)結構的通用表征方法，近年來獲得了包括生命科學、社會科學、計算機科學以及物理學等諸多領域的關注。本書結合網(wǎng)絡圖結構進行機器學習算法設計，涉及圖嵌入、圖神經(jīng)網(wǎng)絡以及對抗攻防和增強等內(nèi)容。全書共8章：第1章概述了圖上的機器學習任務及算法；第2—5章分別介紹了節(jié)點分類、鏈路預測、社團檢測、圖分類的機

"人工智能技術的顛覆性、復雜性和社會關聯(lián)性，特別是強人工智能的可能性，正在或將要給人類社會帶來深刻的由內(nèi)而外的變革，引發(fā)了諸多方面的倫理挑戰(zhàn)和風險。本書以此為背景結合相關領域的研究進展，對人工智能技術的發(fā)展、人工智能倫理的淵源、人工智能倫理問題、人工智能倫理規(guī)范、人工智能職業(yè)道德等進行全面的梳理和介紹。全書共有9章內(nèi)容

本書主要介紹統(tǒng)計機器學習領域常用的基礎模型、算法和代碼實現(xiàn)。包括統(tǒng)計機器學習、Python語言基礎，常用的線性回歸、貝葉斯分類器、邏輯回歸、SVM、核方法、集成學習，以及深度學習中的多層感知器、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、變分自編碼器、對抗生成網(wǎng)絡和強化學習等模型與優(yōu)化方法，使用Scikit-Learn、TensorF

本書以Python為開發(fā)語言，采用理論與實踐相結合的形式，系統(tǒng)全面地介紹了機器學習涉及的核心知識。本書共6章，其中第1章介紹機器學習的基礎知識，包括機器學習的概念、分類、研究范圍、開發(fā)環(huán)境等，介紹第一個機器學習案例；第2、3章介紹機器學習的主要方法：監(jiān)督學習與無監(jiān)督學習，涉及目前機器學習最為流行的經(jīng)典算法和模型，如KN

近年來，人工智能已經(jīng)從科幻走入現(xiàn)實。要理解并運用人工智能技術，需要熟悉并掌握相關的數(shù)學基礎知識。為此，本書整理了人工智能領域涉及的線性代數(shù)、矩陣理論、*優(yōu)化、概率論、信息論以及多元統(tǒng)計分析等基礎知識，讀者可根據(jù)需求選取相應的章節(jié)進行學習。通常，有意深入了解人工智能的讀者，往往已經(jīng)具備微積分和線性代數(shù)等知識儲備。鑒于此，

本書聚焦近期涌現(xiàn)的人工智能、機器人工程、智能醫(yī)學工程等新工科專業(yè)對于人才培養(yǎng)的實際需求，著力解決人工智能基礎知識交叉貫通不足、配套實驗實踐支撐不強等問題。書中主要內(nèi)容包括Python編程基礎、神經(jīng)網(wǎng)絡基礎、深度學習計算框架、卷積神經(jīng)網(wǎng)絡、序列到序列網(wǎng)絡、目標檢測及其應用、語義分割及其應用等。本書結合高等院校人工智能相關

本書主要講述了神經(jīng)網(wǎng)絡的重要概念和技術，并展示了如何使用Python來解決日常生活中常見的神經(jīng)網(wǎng)絡問題。本書包含了6個神經(jīng)網(wǎng)絡相關的項目，分別是糖尿病預測、出租車費用預測、圖像分類、圖像降噪、情感分析和人臉識別，這6個項目均是從頭開始實現(xiàn)，且使用了不同的神經(jīng)網(wǎng)絡。在每個項目中，本書首先會提出問題，然后介紹解決該問題需要

本書根據(jù)深度學習技術發(fā)展速度快、理論性與實踐性強、應用廣泛等特點，結合教學、科研及應用需求，堅持“原理、技術、應用”三位一體原則，注重基礎性、系統(tǒng)性、前沿性和實用性的統(tǒng)一，對深度學習的**方法與研究趨勢進行全面深入的研究和探索。全書分成四部分：第一部分是人工智能基礎，重點闡述人工智能的概念、發(fā)展歷史和發(fā)展趨勢等；第二部

《漫話人工智能：從二進制到未來智能社會》是一本面向大眾尤其是青少年的人工智能科普書籍，從介紹人工智能背后的邏輯、數(shù)學引入主題，接著用生動的語言將計算機和人工智能的誕生、算法科學、機器學習與大數(shù)據(jù)、計算機視覺、語音識別等有趣的知識融入本書，最后科普了人工智能在智能農(nóng)業(yè)、智能醫(yī)療、自動駕駛等不同領域的應用。本書具有語言生動

針對每個想要了解深度學習概念的數(shù)據(jù)科學愛好者，本書通過通俗易懂地解釋R代碼，讓讀者可以很容易起步。在深度學習算法和應用的理論和實踐方面做到了平衡，在講述基礎理論的同時，通過45個基于R語言的編程實例讓讀者循序漸進地掌握深度學習技術。？讀者將通過實戰(zhàn)案例實現(xiàn)卷積神經(jīng)網(wǎng)絡（CNN）、循環(huán)神經(jīng)網(wǎng)絡（RNN）、長短時記憶網(wǎng)絡（