本书首先介绍机器学习的矩阵代数基础,包括线性代数基础、范数理论与投影映射、矩阵分解及应用、梯度矩阵;然后介绍机器学习的概率与优化基础,包含概率统计与信息论基础、凸函数、优化理论、迭代算法;最后介绍几个经典的机器学习模型.阅读本书需要微积分、线性代数和概率论与数理统计的基础知识.

本书基于控制科学与工程、计算机科学与技术、环境科学与工程等多门学科，详细阐述了城市污水处理系统建模的主要理论方法及应用案例，具有鲜明的特点，能够促进城市污水处理建模理论与技术的发展。

本书在介绍深空探测任务与深空影像背景知识的基础上,着重从统计数据分析和人工智能两个方面介绍深空遥感影像相关的智能解译方法.其中,在统计数据分析方面,介绍了统计理论工具及其在“嫦娥”观测数据的判读解译应用.在人工智能数据分析方面,介绍了深度学习中基于语义分割和基于目标检测方法在全月撞击坑的自动判读识别.为了便于读者使用上

本书尝试总结近年来游戏人工智能方向的优秀研究工作，以及作者的一些探索成果。主要内容包括游戏人工智能的背景、经典的游戏人工智能方法、DeepMind针对棋牌和视频类游戏的人工智能方法，以及作者团队针对即时游戏的人工智能方法，如格斗游戏、星际争霸的宏观生产和微观操作等。从理论分析到算法设计到编程实现，旨在为读者提供一个针对

本书提出了机器人系统时间序列建模与健康监测理论与方法，内容分为6章。第1章介绍机器人系统概念性问题和机器人系统时序建模的关键基础问题；第2章阐述机器人导航时序建模与健康监测理论及应用；第3章阐述机器人车载电量时序建模与健康监测理论及应用；第4章阐述机器人手臂时序建模与健康监测理论及应用；第5章阐述无人驾驶车辆时序预测与

本书以PyTorch作为深度学习框架，主要包括4部分。第1部分（第1、2章），主要概述PyTorch基础知识与常见深度学习算法实现，例如，CNN、LSTM，即CNN-LSTM；第2部分（第3～5章）高级神经网络实现，主要包括常见的深度学习网络结构，例如CNN、RNN及最新的Transformer等模型；第3部分（第6～

本书以智能机器人开发的基本技术为主要脉络，以ROS作为核心开发平台，以企业真实产品为载体，以岗位能力要求为导向。本书主要内容包括智能机器人认知与组成架构、智能机器人运动控制、智能机器人环境建图、智能机器人自主导航、智能机器人自主无线充电、智能机器人避障、智能机器人语音控制、智能机器人目标跟随、智能机器人的机械臂运动控制

本教材共分18课（章），每课根据实际情况需要3～8个学时，第1课到第10课，主要介绍了HTML基本框架，标签与属性，CSS样式基础，教会读者利用盒子模型，结合HTML5结构化标签，建立基本的页面框架，以及固定宽度布局的模板网页，第11～16课介绍了JavaScript特效应用、表单、响应式设计、弹性图像与弹性布局、fl

阅读本书需要具备一定的Python语言编程基础知识。编者充分调研了行业、企业对人才技术技能的需求，将教学过程和企业深度学习模型的训练与部署、人工智能应用开发等生产过程衔接，与企业一线工程人员共同研究学生需要掌握的职业理论知识和技能，同时参照人工智能深度学习工程应用职业技能等级证书要求，将证书和岗位需求充分融入本书。本书

本书的结构由浅入深，第1章和第2章介绍大语言模型和LangChain的基础知识，使读者能够对本书内容有整体的认识，并完成运行环境的安装配置，为后续实践奠定基础。第3章至第8章详细介绍LangChain的重要模块，包括模型调用、链、智能体等，深入浅出地介绍了各模块的原理和使用方式。第9章至第11章涉及实践项目，包括对话机