本书将帮助读者掌握开发有效学习系统所需的流程、模式和策略，通过简单的故事、图片和Python示例来向读者传达机器学习的基本思想。即使读者是一名初学者，只要具备一些Python编程基础，不管大学数学水平如何，都能轻松阅读本书并有所收获。

本书是升级版，不仅包含机器学习的基本概念，以及如何利用TensorFlow库快速构建强大的机器学习模型，还涵盖了前沿的神经网络技术，如深度语音分类器、面部识别和CIFAR-10自动编码。另外，本书新增了如何将代码更新到TensorFlow2.0，以及在Docker容器中运行代码所需要的技术。

本书采用图形化交互式人工智能软件“橙现智能”（Orange3）为工具讲解人工智能的基础应用知识和技能，采用图形化的形象方法方便读者对知识的理解。全书分为三个部分，第一部分介绍人工智能技术的概况，第二部分介绍若干常用的人工智能技术及其应用方法，最后一个部分介绍有关人工智能伦理的相关内容。本书的特色可以概括为“形象化概念理

《人工智能等级考试一级教程人工智能通识》面向我国人工智能的通识教育与专业技术人才的培养。全书共8章，分为3篇，分别为人工智能的基本理论、人工智能的应用以及人工智能的融合拓展，涵盖了目前主流的人工智能技术。《人工智能等级考试一级教程人工智能通识》在介绍人工智能的基本原理时，尽量回避了相关的复杂模型和算法设计，方便读者在社

本书通过基础理论和算法实战相结合，循序渐进地介绍了深度学习与交通大数据领域内的计算机基础知识案例和应用实战案例，并通过PyTorch框架实现所有深度学习算法及案例应用。全书共8章，分别介绍了Python基础知识、PyTorch基础知识、深度学习基础模型，以及基于深度学习的轨道交通刷卡数据、共享单车轨迹数据、出租车轨迹数

本书从多维数组Tensor开始，循序渐进地介绍PyTorch各方面的基础知识，并结合深度学习中的经典应用，带领读者从零开始完成几个经典而有趣的实际项目，包括动漫头像生成、风格迁移、自动写诗以及目标检测。本书还介绍了PyTorch的几个高级扩展，包括向量化计算、分布式加速以及CUDA扩展。本书既适合深度学习的初学者及第一

本书是由作者总结多年在遥感图像处理领域的本科教学与研究生培养经验，依托团队在目标检测识别、语义分割、目标跟踪、人脸识别、生成对抗及图像理解等图像处理实际工程优势编写而成。本书从深度学习的基础出发，让学生掌握反向传播、过拟合、损失和优化、激活函数等知识，然后从深度学习的历史出发，由Alexnet网络结构开始，逐步RCMN

机器学习实战基于PythonSKlearn的解析本书前6章介绍基础准备、数据探索、数据预处理、机器学习模型（分类、回归、聚类）、集成学习、模型评估及持久化；第7章介绍机器学习在土木工程中的应用场景，并以五个工程案例系统化讲解SKlearn库的应用。本书轻原理、重实践，适合广大对机器学习有兴趣，并且想系统学习数理统计的读

作为该系列丛书的辑，本书的核心目的，在于帮助零基础的学习者，以系统化的方式构建起关于UX的基础性认知，并掌握用于应对UX初级实践的技能以及初建专业的反思能力。 但是，这并不意味着本书只适合零基础的读者阅读。本系列丛书的核心特征在于基于对UX底层问题的反思，进而展开UX理论体系的重构。这在本书中的具体表现包括：，从不同维

本书主要包括深度学习的理论部分与实践部分。在本书的理论部分中,本书从“学习”展开,通过对学习的词源考察、历史视野、学术视野梳理以及不同生命阶段学习的分析,明确学习的本质意涵和基本观念。在此基础上,分别从深度学习的缘起和进展、理论基础、基本内涵、过程模型、评价模式五个维度对“深度学习”理论展开阐述。在本书的实践部分,基于