本书以机器学习算法为主题，详细介绍算法的理论细节与应用方法。全书共19章，分别介绍了逻辑回归与最大熵模型、k-近邻模型、决策树模型、朴素贝叶斯模型、支持向量机模型、集成学习框架、EM算法、降维算法、聚类算法、神经网络模型等基础模型或算法，以及8个综合项目实例。本书重视理论与实践相结合，希望为读者提供全面而细致的学习指导

本书内容已经外聘专家审读审核通过后同意安排出版。本书是一本关于如何利用ChatGPT进行自动化办公的指南。通过深入讲解ChatGPT的注册和使用方法，以及与Python编程的结合，读者将学会如何与ChatGPT交谈并利用其辅助编写高质量的代码。此外，本书还介绍了ChatGPT在Python数据采集、数据清洗、数据存储、

本书主要包含以下内如：最优化问题的简介，凸分析基础，无约束优化的理论及线搜索算法框架，信赖域算法，线搜索收敛性分析及收敛速度分析，半光滑牛顿算法，共轭梯度算法，约束优化理论及延伸理论，罚方法，增广拉格朗日算法及算法在实际问题(支持向量机模型、超图匹配)中的应用。本书对知识点的分析紧密结合当前研究前沿问题，并通过对应用问

本书以群体智能与智能网联的应用为牵引，通过原理、算法、技术应用三个篇章为大家介绍群体智能与智能网联相关的基础理论、概念模型、关键技术和前沿应用。具体而言，原理篇会介绍群体智能的通信方式与组网、知识表征、因果涌现机理等内容；算法篇则从多主体强化学习、多智能体合作式梯度更新方法、图神经网络、蚁群算法等群体智能领域的代表性算

本书共5个项目，内容包括边缘计算开发板基础应用、边缘计算算法SDK应用、TensorFlow图像上色模型部署、PyTorch目标检测模型部署、TFLite手掌检测模型部署。本书根据岗位工作任务要求，确定学习任务内容，设计选取了14个工作任务。

本书展示了如何使用Ray构建机器学习应用程序，介绍了Ray如何融入当前的机器学习工具，以及Ray如何与这些工具紧密集成。本书前3章介绍了Ray作为分布式Python框架的基础知识，并提供了应用示例；第4-10章介绍了Ray高级库(RayRLlib、RayTune、RayDataset、RayTrain、RayServe

本书是以实验案例方式而组织的,全书共给出了21个人工智能实验案例,覆盖了人工智能课程涉及的主要内容,包括搜索求解、逻辑推理、贝叶斯网络、马尔可夫决策、监督学习、非监督学习、强化学习等各个方面,也包含了深度神经网络技术。为了便于教学,每个实验案例对实验的内容、背景和目标进行了明确阐述,对所涉及的理论基础及算法也进行了详细

本书对计算智能的诸多基础理论进行了详细的介绍和释义，并介绍了神经网络、模糊系统、进化计算的应用范例及实验结果，将理论与实践紧密联系起来。全书共4章，其中，第1章对人工智能的萌芽、诞生和发展，以及现状和未来进行了简要介绍；第2章为进化计算，论述了遗传算法；第3章为模糊逻辑，介绍了模糊理论基础，论述了常见的模糊隶属度函数和

AIphaGo、ChatGPT、AGI系统，各种惊人眼球的人工智能成就不断刷新着人类对机器的认知。这些认知也引发了人们一再思考这样一个尖锐问题，即人类制造的智能机器系统是否会全面超过人类的智慧？这部读物便是面对这样的灵魂考问，从机器之芯与人类之心比较的角度，来为普通读者给出一种回应。 那么机器之芯与人类之心进行比较，到

本书的主要内容有：了解机器学习术语背后的数学知识。探究机器学习和神经网络的基础。管理网络加深过程出现的问题。搭建神经网络，分析复杂图像。用自编码器高效降维。深入序列分析，用其研究语言。探讨复杂机器学习模型的解释方法。收获生成建模的理论和实用知识。理解强化学习的基础。