本书主要内容包括：机器学习概述、机器学习的统计学基础、机器学习的常用Python库、机器学习的基本流程、回归、分类：Logistic回归和最大熵模型、分类：决策树、分类：贝叶斯分类器、分类：支持向量机、分类：集成学习、聚类分析、降维、神经网络、深度学习。

本书系统介绍了图机器学习的基础理论、典型模型与应用实践。本书首先介绍图的基本概念、表示方法与特征构造技术;其次从图嵌入模型出发,深入介绍了图神经网络的主要架构与变体;再次概述图机器学习前沿进展,并详细介绍异质图、谱图、可信图和图基础模型等前沿方向;最后介绍了图机器学习在推荐系统、金融风控、生命科学、电路设计等领域的典型

本书首先简述人工智能的基本概念、发展历程,分类及在医疗、金融、交通等领域的应用,引入AI概貌;接着,系统介绍人工智能的核心技术分支,包括机器学习、强化学习、神经网络与深度学习(涵盖CNNRNN,Transformer等模型);随后,通过实例详细阐述AI在自然语言处理(包括DeepSeek、GPT,BERT等大语言模型)

本书系统介绍了最优化的基本理论、建模方法与常用算法,内容涵盖优化的基本概念、最优性条件、凸优化、无约束与约束优化等基础知识,并重点讨论机器学习中的优化建模与算法,如主成分分析、支持向量机、随机优化和零阶优化算法等。

本书分为“大模型基础”、“大模型优化方法”和“大模型能力扩展”三个部分,逐步深入地介绍了大模型的核心技术和前沿发展。第一部分“大模型基础”作为基础篇目,注重理论铺垫;第二部分“大模型优化方法”作为进阶篇目,深入技术细节;第三部分“大模型能力扩展”作为高级篇目,聚焦前沿挑战。

本书主要分为机器学习的基础、非参数化模型、线性模型、聚类方法、降维方法、EM算法与隐变量模型、集成学习、概率图模型、人工神经网络基础、神经网络模型、生成式模型、自监督学习、强化学习基础、强化学习算法、深度强化学习等模块。

本书从智能的概念出发,了解、学习人工智能的发展历史和发展动向,初步掌握人工智能的基本技术和研究方法,重点掌握表达、搜索、推理和学习等人工智能技术手段;了解人工智能的应用领域,为今后进一步从事相关专业奠定基础。

本书是一本专为青少年打造的人工智能实践启蒙书。全书以“感官系统”“超级大脑”“智能伙伴”等生动比喻解析AI核心技术,通过猫狗识别实验、语音助手互动、改作文等场景,直观展现机器学习、计算机视觉与大语言模型的工作原理,同时引导读者用图形化编程实现语音魔法故事工坊、智能感应小夜灯、校园安全小卫士等趣味项目。本书还设置了技术漏

本书专注于几何深度学习及其在图神经网络领域中的应用,涵盖了从数学基础到前沿模型的全面指导,同时结合实际项目案例,帮助读者深入地理解几何深度学习的复杂概念。书中不仅详细阐述了各类算法的理论背景,还提供了实际操作指南,为读者提供了理论与实践相结合的全面支持。第1章和第2章介绍了几何深度学习的数学与算法基础。第1章涵盖了高等

本书尝试归纳人工智能技术在设计领域的应用现状,为设计从业者提供AI赋能的简明手册。全书以“用户中心、数据驱动、智能协同”为写作宗旨,包括四个主体章节。第2章数据采集与处理,围绕人因、物理世界、数字世界三个维度,介绍几何、语义、生理、心理、行为、文本、影音等各类数据的采集方法、处理技术以及在人工智能设计中的应用场景。第3