《人工智能基础数学知识》基于流行的Python语言，通俗易懂地介绍了入门人工智能领域必需必会的数学知识，旨在让读者轻松掌握并学以致用。 《人工智能基础数学知识》分为线性代数、概率和优化等3篇，共21章，覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣，读者可在潜移默化中掌握这些数学知识以及相关的编程操作，并能

本书面向初学者，采用全彩图解+视频讲解的形式介绍了人工智能的基础知识及开发案例，从无代码到图形化编程到代码编程，循序渐进，让读者逐步掌握人工智能技术，体验人工智能带给自己的乐趣。本书首先通过mDesigner+开源硬件的结合赋予创客作品以“智能”，接着介绍了与人工智能密切相关的深度学习及其所需要的编程语言、编程框架及编

随着AI技术的普及，如何快速理解、掌握并应用AI技术，成为绝大多数程序员亟需解决的问题。本书基于Keras框架并以代码实现为核心，详细解答程序员学习AI算法时的常见问题，对机器学习、深度神经网络等概念在实际项目中的应用建立清晰的逻辑体系。本书分为上下两篇，上篇（第1～4章）可帮助读者理解并独立开发较简单的机器学习应用，

以人工智能、基因编辑、大数据与量子计算为核心的前沿科技时代呼啸而至。其中，人工智能的发展备受关注。尽管我们认为人类距离强人工智能时代还很遥远，但是其广泛的应用场景已经开始深刻影响我们的生活方式、理念，甚至人之所以为人的思考。 过去几年全球提出了诸多伦理与治理原则，以应对前沿科技发展带来的挑战。这些原则大都建立在工业文

本书以习近平新时代中国特色社会主义思想为指导，立足党和国家关于人工智能的顶层设计、战略部署，紧扣领导干部和广大群众对于人工智能深入了解的迫切需求，立足本土、放眼国际，对我国人工智能的发展状况、国家战略，及其在经济发展、民生改善、政府治理等方面的广泛应用作了简明通俗的阐释；同时，还阐述了世界范围内人工智能的发展历史、国外

本书立足于西安电子科技大学人工智能学科优势，对人工智能、类脑计算与图像解译三个前沿领域进行了详细的论述，主要内容包括进化计算、人工免疫系统、量子计算智能、多智能体系统、多目标进化优化、 非线性逼近理论、多尺度几何分析、多尺度变换域图像感知与识别、图像的高维奇异性检测、图像去噪的阈值方法、SAR图像理解与解译。该书在对

深度学习理论由Hinton等人于2006年提出,其概念源于对人工神经网络的研究。深度学习技术通过组合数据的低层特征形成更加抽象的高层属性,以发现数据的分布式特征表示。 本书主要阐述基于深度学习理论的一些模型和算法。全书共分为8章,主要内容包括绪论、TensorFlow和Keras简介、简单神经网络、图像类数据处理、序

内容提要本书用简短的篇幅、精炼的语言，讲授机器学习领域必备的知识和技能。全书共11章和一个术语表，依次介绍了机器学习的基本概念、符号和定义、算法、基本实践方法、神经网络和深度学习、问题与解决方案、进阶操作、非监督学习以及其他学习方式等，涵盖了监督学习和非监督学习、支持向量机、神经网络、集成学习、梯度下降、聚类分析、维度

《从统计世界走向人工智能——实战案例与算法》叙述了从数学到统计、从统计到人工智能的发展，结合大量的实际商业应用案例介绍了诸多经典的机器学习算法，比如LASSO回归、MCMC、决策树、随机森林和神经网络等。《从统计世界走向人工智能——实战案例与算法》将案例与算法结合，基于人工智能的场景，从理论到实际操作层层递进，读者从中

实用性是本书的基本出发点，书中介绍了近年来在工业界被广泛应用的机器学习算法，这些算法经受了时间的考验，不但效果好而且使用方便。此外，本书也十分注重理论的深度和完整性，内容编排力求由浅入深、推理完整、前后连贯、自成体系，先讲统计学、矩阵、优化方法这些基础知识，再介绍线性模型、概率图模型、文本向量化算法、树模型和深度学习。