零基础读者应如何快速入门机器学习？数学基础薄弱的读者应如何理解机器学习中的数学原理？这些正是本书要解决的问题。本书从数学基础知识入手，通过前3章的介绍，帮助读者轻松复习机器学习涉及的数学知识；然后，通过第4-第13章的介绍，逐步讲解机器学习常见算法的相关知识，帮助读者快速入门机器学习；最后，通过第14章的综合实践，帮助

《人工智能导论》为大连理工大学“新工科”系列精品教材。本书内容包括绪论、知识表示、确定性推理、不确定性推理、搜索求解策略、遗传算法及其应用、群智能算法及其应用、人工神经网络及其应用、机器学习、专家系统、自然语言理解及其应用等。本书可供电子信息类专业本、专科学生作为教材使用，也可供从事人工智能领域的技术人员参考。

本书由校企“双元”共同开发，以人工智能应用开发的学习与认知过程为主线，以实践为主导，将理论知识与实践应用有机结合，将人工智能的应用开发的过程分为数据、人工、智能和系统化四个层级和十二个步骤。十二个步骤包括：数据采集、数据整理、数据分析、数据标注、特征提取、模型创建、模型训练、模型测试、集成AI模型生成智能系统、系统测试

机器学习实战：使用R、tidyverse和mlr

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

本书介绍人工智能的发展历史、基本原理、基础知识、应用场景及相关技术。主要内容包括国内外人工智能研究和应用的最新进展和趋势，人工智能的基本概念、基础知识，人工智能的方法和技术，人工智能技术在各个领域中的主要应用案例，人工智能与大数据技术的应用，特别介绍人工智能在智慧医疗中的应用。

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