本書為深圳信息職業(yè)技術學院等高職院校與騰訊集團共同編寫的高等職業(yè)教育人工智能技術服務專業(yè)校企“雙元”合作系列教材，同時也是高等職業(yè)教育計算類課程新形態(tài)一體化教材。本書采用項目化任務分解的形式，講解深度學習開發(fā)與應用技術。全書分為10個項目16個任務，主要內容包括：認識人工智能，Linux系統(tǒng)和Python開發(fā)環(huán)境安裝，

本書目的是從作者最近出版的《強化學習預**控制》教科書中更深入地發(fā)展一些方法。特別是，提出了有關涉及多個代理，分區(qū)架構和分布式異步計算的系統(tǒng)的新研究。本書還將詳細討論該方法在挑戰(zhàn)離散/組合優(yōu)化問題（例如路由，調度，分配和混合整數(shù)編程）中的應用，包括在這些情況下使用神經網絡近似。本書可作為計算機科學與技術、控制科學與技術

本書將基礎理論和案例實戰(zhàn)相結合，循序漸進地介紹了關于機器學習領域中的經典和流行算法，全面、系統(tǒng)地介紹了使用Python實現(xiàn)機器學習算法，并通過PyTorch框架實現(xiàn)機器學習算法中的深度學習內容。第一部分為基礎篇，包括第1~8章，系統(tǒng)地介紹了機器學習基礎、數(shù)據預處理、簡單分類算法、決策樹、支持向量機、回歸分析、聚類分析、

書擬根據“厘清內涵、促進交叉、賦能應用”來研究討論通專融合的人工智能交叉課程體系。厘清內涵指確立專業(yè)培養(yǎng)定位和專業(yè)培養(yǎng)方向，重視數(shù)學與統(tǒng)計知識（如概率論、微積分、線性代數(shù)、優(yōu)化求解和矩陣變換等）、計算機編程和系統(tǒng)能力（如程序設計、算法分析和系統(tǒng)等）以及人工智能基礎知識（如邏輯推理、機器學習、強化學習、控制與博弈決策等）

本書是一本介紹深度學習的實踐教材,采用的深度學習工具為TensorFlow。本書主要內容包括深度學習環(huán)境搭建，數(shù)據處理與模型加載，圖像處理，圖像增強識別實戰(zhàn)和兩階段目標檢測實戰(zhàn)，單階段目標檢測，實戰(zhàn)文本識別和圖像生成，機器創(chuàng)作，情感分類、翻譯、對話，GAN及其變體的創(chuàng)作，強化學習與遷移學習等。降低了深度學習的門檻。本書

本書系統(tǒng)性地介紹了資產定價和機器學習算法的基礎理論與實踐知識，并以機器學習算法應用于中國股票市場資產收益率預測項目為案例，具體展示了機器學習算法落地應用于中國金融業(yè)界的流程和效果。本書主要內容包括資產定價基礎方法、機器學習算法評估知識、線性機器學習模型、回歸樹類機器學習模型、神經網絡模型、中國股票市場制度背景、機器學習

本書是一本系統(tǒng)介紹深度學習技術及開源框架PyTorch的入門書。書中通過大量案例介紹了PyTorch的使用方法、神經網絡的搭建、常用神經網絡（如卷積神經網絡、循環(huán)神經網絡）的實現(xiàn)，以及實用的深度學習技術，包括遷移學習、對抗生成學習、深度強化學習、圖神經網絡等。讀者通過閱讀本書，可以學會構造一個圖像識別器，生成逼真的圖畫

本書全面介紹可解釋人工智能的基礎知識、理論方法和行業(yè)應用。全書分為三部分，共11章。第一部分為第1章，揭示基于數(shù)據驅動的人工智能系統(tǒng)決策機制，提出一種基于人機溝通交互場景的可解釋人工智能范式。第二部分為第2～5章，介紹各種可解釋人工智能技術方法，包括貝葉斯方法、基于因果啟發(fā)的穩(wěn)定學習和反事實推理、基于與或圖模型的人機協(xié)

本書是關于神經網絡的經典教材，完整、詳細地討論了各個主題，且包含了相關的計算機實驗。全書共15章，主要內容包括神經網絡的定義、Rosenblatt感知器、回歸建模、最小均方算法、多層感知器、核方法和徑向基函數(shù)網絡、支持向量機、正則化理論、主成分分析、自組織映射、信息論學習模型、源于統(tǒng)計力學的隨機方法、動態(tài)規(guī)劃、神經動力

本書就區(qū)塊鏈和人工智能這兩項新興技術對整個大會計行業(yè)的泛在影響，刻畫了多個相關領域的應用前沿，包括財務服務、會計、審計、控制、稅收、銀行間結算、證券投資、創(chuàng)業(yè)管理、文書管理、數(shù)據管理、戰(zhàn)略、監(jiān)管、咨詢、專業(yè)教育等領域的新動態(tài)以及技術變革對未來發(fā)展的意義。本書分為兩篇。第壹篇為寫給從業(yè)者的定義、概述和信息，包括：前言和引