本書以知識表示與處理所涉及的相關(guān)知識，如知識獲取、知識表示、知識推理、知識遷移等內(nèi)容為主體，完整呈現(xiàn)了知識表示與處理的知識體系。本書首先，介紹了知識表示與處理的發(fā)展、相關(guān)概念、流程等；其次，介紹了知識獲取的內(nèi)容；再次，重點介紹了知識表示的各種方法，如邏輯謂詞、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、本體、知識圖譜等，以及知識推理所涉及的

本書主要面向OpenCV領(lǐng)域的研究與開發(fā)人員，采用原理結(jié)合實戰(zhàn)的方式，介紹OpenCV4的機器學(xué)習(xí)算法模塊與深度神經(jīng)網(wǎng)絡(luò)模塊中的核心算法原理與C++編程實戰(zhàn)。全書共10章，第1~3章，介紹OpenCV4的基礎(chǔ)知識、基本圖像操作和機器學(xué)習(xí)基礎(chǔ)知識；第4~8章，介紹K-means、KNN、決策樹、隨機森林、Boosting

人工智能時代已經(jīng)來臨，這項技術(shù)正在改變?nèi)祟惖恼J(rèn)知和生活，也對社會各個領(lǐng)域產(chǎn)生了重大的影響。本書從理論基礎(chǔ)、商業(yè)落地、實戰(zhàn)場景、案例分析多個方面介紹人工智能，講述人工智能對農(nóng)業(yè)、金融、娛樂、醫(yī)療、營銷、工業(yè)、教育等領(lǐng)域的影響。另外，為了迎合時代熱點，本書還分析了人工智能與5G、區(qū)塊鏈等前沿技術(shù)的融合及融合效果，使讀者了解

本書針對產(chǎn)業(yè)界在智能化過程中普遍面臨的數(shù)據(jù)不足問題，詳細(xì)地闡述了聯(lián)邦學(xué)習(xí)如何幫助企業(yè)引入更多數(shù)據(jù)、提升機器學(xué)習(xí)模型效果�；ヂ�(lián)網(wǎng)數(shù)據(jù)一般分布在不同的位置，受隱私保護(hù)法規(guī)限制不能共享，形成了“數(shù)據(jù)孤島”。聯(lián)邦學(xué)習(xí)像“數(shù)據(jù)孤島”之間的特殊橋梁，通過傳輸變換后的臨時變量，既能實現(xiàn)模型效果提升，又能確保隱私信息的安全。本書介紹了

周志華老師的《機器學(xué)習(xí)》（俗稱“西瓜書”）是機器學(xué)習(xí)領(lǐng)域的經(jīng)典入門教材之一。本書（俗稱“南瓜書”）基于Datawhale成員自學(xué)“西瓜書”時記下的筆記編著而成，旨在對“西瓜書”中重難點公式加以解析，以及對部分公式補充具體的推導(dǎo)細(xì)節(jié)。 全書共16章，與“西瓜書”章節(jié)、公式對應(yīng)，每個公式的推導(dǎo)和解析都以本科數(shù)學(xué)基礎(chǔ)的視角

機器學(xué)習(xí)雖然對改進(jìn)產(chǎn)品性能和推進(jìn)研究有很大的潛力，但無法對它們的預(yù)測做出解釋，這是當(dāng)前面臨的一大障礙。《可解釋機器學(xué)習(xí)：黑盒模型可解釋性理解指南》書是一本關(guān)于使機器學(xué)習(xí)模型及其決策具有可解釋性的書。本書探索了可解釋性的概念，介紹了簡單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點介紹了解釋黑盒模型的、與模型無關(guān)

本書以數(shù)據(jù)驅(qū)動的數(shù)學(xué)問題研究為核心，是一部由研究工作構(gòu)成的原創(chuàng)著作。全書共分7章，按三個模塊劃分：第一個模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個導(dǎo)論；第二個模塊是粒度空間的基礎(chǔ)理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結(jié)構(gòu)聚類特征與融合，以及聚類結(jié)構(gòu)分析理論等研究；第三個模塊是粒度

知識圖譜的發(fā)展歷史源遠(yuǎn)流長，從經(jīng)典人工智能的核心命題——知識工程，到互聯(lián)網(wǎng)時代的語義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級別的現(xiàn)代知識圖譜。知識圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識表示、表示學(xué)習(xí)、自然語言處理、圖數(shù)據(jù)庫和圖計算等多個領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融

演化學(xué)習(xí)作為機器學(xué)習(xí)中解決復(fù)雜優(yōu)化問題的重要方法，此前一直因為理論支撐不足未得到應(yīng)有重視。本書將介紹作者團(tuán)隊近幾年在演化學(xué)習(xí)理論和算法方面取得的重要進(jìn)展，彌補上述缺憾。本書內(nèi)容主要分四部分，第一部分簡要介紹演化學(xué)習(xí)基礎(chǔ)知識；第二部分講述演化算法中用于分析運行時和近似性能的通用理論工具；第三部分講解關(guān)于演化優(yōu)化中主要因素

本書從概念和數(shù)學(xué)原理上對人工智能所涉及的數(shù)據(jù)處理常用算法、圖像識別、語音識別、自然語言處理、深度學(xué)習(xí)幾個主要方面進(jìn)行了闡述，并以Python為主要工具進(jìn)行了相應(yīng)的編程實踐，以使讀者對人工智能相關(guān)技術(shù)有更直觀和深入的理解。此外，本書也用幾個獨立的章節(jié)從原理和實踐上介紹了量子計算、區(qū)塊鏈技術(shù)、并行計算、增強現(xiàn)實等與人工智能