深度强化学习结合深度学习与强化学习算法各自的优势解决复杂的决策任务。得益于DeepMindAlphaGo和OpenAIFive成功的案例，深度强化学习受到大量的关注，相关技术广泛应用于不同的领域。本书分为三大部分，覆盖深度强化学习的全部内容。第一部分介绍深度学习和强化学习的入门知识、一些非常基础的深度强化学习算法及其实

本书从传统的机器学习，如线性回归、逻辑回归、朴素贝叶斯、支持向量机、集成学习，到前沿的深度学习和神经网络，如DNN、CNN、BERT、ResNet等，对人工智能技术进行零基础讲解，内容涵盖数学原理、公式推导、图表展示、企业应用案例。本书面向初中级读者，能帮助读者迅速掌握机器学习技术的相关概念及原理。本书内容结合作者多年

机器学习实战：使用R、tidyverse和mlr

本书是一本介绍深度学习理论和实战应用的教程，先从数学基础和机器学习基础出发，按照神经网络的技术发展框架由易到难逐步讲解深度学习的理论，然后再通过实践部分，详细解释深度学习的应用案例，让读者既能了解深度学习理论，又能学会使用深度学习框架，实现自己的深度学习模型。主要内容包括深度学习的发展历史、单层感知器、线性神经网络、B

本书基于丰富的图示，详细介绍了有监督学习和无监督学习的17种算法，包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。书中针对各算法均用Python代码进行了实现，读者可一边运行代码一边阅读，从

本书全面讲解PaddlePaddleFluid框架在深度学习领域的应用。全书共15章，分别是PaddlePaddle深度学习开发环境的搭建、PaddlePaddle快速入门、线性回归算法实战、卷积神经网络实战、循环神经网络实战、生成对抗网络实战、强化学习实战、模型的保存与使用、迁移学习实战可视化工具VisualDL的使

本书的主要特色在于知识建模和智能推理技术方面的创新，并基于知识图谱建模和智能推理技术的集成完成了一系列应用软件的开发，直观形象、易学易用。本书是AI3软件的详尽解读，分为AI3普及版（自由拷贝，不限使用）、AI3智能教学版以及AI3专业版（适用于复杂过程工业系统AI应用）。

深度学习已经进入我们的生活，云计算和大数据为深度学习提供了便利。本书主要讲解深度学习中的数学知识、算法原理和实现方法，配套源码、数据集和开发环境。本书共12章。第1章介绍人类视觉和深度学习的联系。第2章介绍深度学习中最为重要的梯度下降算法。第3章介绍卷积函数。第4章介绍计算损失函数所使用的交叉熵、决策树和信息熵。第5章

本书从初学者角度出发，采用理论与实践相结合的方式阐述深度学习的相关知识，包括概率论、信息论、数值优化，以及机器学习中的相关内容。同时包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且包含了实际环境中用到的深度学习技术场景，诸如自然语言处理、语音识别、计算机视觉、在线推荐系统等方面的应用，帮助初学者

本书系统阐述迁移学习的解决方法和典型应用。首先，论述了迁移学习的基本概念、方法分类及发展历程，介绍了迁移学习的相关基础知识。然后，探讨了迁移学习的基本方法，包括基于样本、基于特征、基于模型和基于关系的迁移学习方法，阐述了深度迁移学习的经典方法，包括神经网络自适应迁移方法和神经网络对抗迁移方法，介绍了更加实用的部分域适应