《人工智能基础与实践》采用理论结合实践的形式，探讨了计算思维、人工智能技术的运用、搜索求解策略、实践和机器学习方法，研究应有场景中人工智能解决方案，为学生运用人工智能技术解决各学科中的问题奠定了基础，并探索了人工智能在信息社会中的应用与

本书以简明的方式系统地论述了人工智能的基础知识及其拓展和应用。全书共十六章，前十章介绍人工智能学科的基础知识，包括人工智能的发展历史、知识的表示、搜索策略、确定性推理、不确定推理、专家系统、神经网络、智能计算、机器学习和模式识别；接下来五章进行了拓展，讲述了表示学习和混合智能系统，又介绍了神经网络在模式识别和图像处理的

本书对计算智能的诸多基础理论进行了详细介绍和释义，还介绍了神经网络、模糊系统、进化计算的应用范例以及实验结果，将理论与实践紧密联系。我们将本书分为四章。*章为绪论，对人工智能的萌芽、诞生和发展以及现状和未来进行了简要介绍。第二章为进化计算，首先论述了遗传算法的特点、基本框架、优势以及五个关键问题。在此基础上，对进化计算

人类创造了机器，机器也深入地参与着人类的生活。智能机器、人工智能更承载着人类对未来世界的美好期待和想象。 面对3～6岁的孩子，学习如何使用机器是生活必备技能，了解智能机器的发展历程和原理则是孩子在人与智能机器共存的未来所需的基本科学素养之一。 本书从蒸汽时代的机器开始讲起，生动呈现了200余年来机器的发展史，通过有

本书介绍终身学习这种高级机器学习范式，这种范式通过积累过去的知识持续地学习，并将学到的知识用于帮助在未来进行其他学习和解决问题。相比之下，当前主流的机器学习范式都是孤立学习，即给定一个训练数据集，之后在这个数据集上运行机器学习算法以生成模型，然后再将该模型运用于预期的应用。这些范式不保留已经学到的知识，也不将其运用到后

《机器学习及其应用》比较系统地介绍机器学习的基础理论与应用技术。首先，介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；在详细探讨神经网络与深度学习基本理论的基础上，介绍深度卷积网

本书以程序员所熟悉的代码方式带领程序员们进入深度学习的世界。所有的理论都有对应的可运行的代码进行说明。程序员可以通过修改和调试代码在熟悉的世界里完成向深度学习的转型。 本书兼顾了Tensorflow和PyTorch这两大流行的深度学习框架，使读者同时掌握静态计算图和动态计算图这两大流派，方便读者跟随新技术形势。同时还介

本书包括《探索与争鸣》杂志自2017年第10期至2018年第7期已发表的与人工智能相关文章共26篇，内容包括从人工智能本质看未来的发展、控制的危机与人工智能的未来情境、人工智能与未来社会：三个反思、人工智能技术下对真理和生命的可解释性、人工智能对认知、思维和行为方式的改变、人工智能：威胁人类文明的科技之火、科技创造必须

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学