本书是《EasyRL：强化学习教程》的配套实践教程。本书将在第一版的基础上以更加严谨的风格深入浅出地介绍马尔可夫决策过程、蒙特卡罗方法、时序差分方法、Sarsa、Q-learning等传统强化学习算法，以及策略梯度、近端策略优化、深度Q网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法，并以大量生动有趣的例

全书从逻辑上共分3部分。第一部分由第1章和第2章组成，介绍深度学习的基础理论、MindSpore总体架构和编程基础。第二部分由第3-8章组成，介绍MindSpore框架各子系统的使用方法，包括数据处理、算子、神经网络模型开发、数据可视化组件MindInsight、推理和移动端AI框架MindSporeLite。第三部分

本书概要介绍了信息网络概念内涵、发展历程，梳理分析了人工智能发展历程及其在信息网络中的应用，提出了IIN的基本内涵、科学问题、典型特征和能力愿景，设计了IIN的网络架构并阐释其基本机理，从网络认知理论与模型、网络知识体系与构建方法、多维标识与寻址体系、交互语言体系、内生安全体系等5个方面，研究了IIN核心理论方法与关键

从“数据”视角出发，详细梳理人工智能系统存在的安全风险及防御问题。按照由训练、识别、部署三个阶段组成的人工智能系统运行生命周期，分别介绍人工智能安全的定义、研究目标、安全威胁、防御策略及研究现状，重点围绕后门攻击、对抗性攻击、隐私保护、传感欺骗、系统合法使用等常见安全问题，分别从理论与实践的角度进行详细的探讨、分析和说

本书要求初级、中级、高级工程技术人员均需要掌握对应章节的内容。本书基于人工智能基础知识及共性技术，分为专业基础知识、深度学习基础、人工智能应用与实践基础、人工智能伦理及安全等四个部分。主要内容包括：数学基础部分、算法设计与分析、数据处理知识、软件工程部分等。

本书共四章，内容包括：“博弈：人类的永恒话题”“AI汹涌而至：石破天惊的人机博弈”“超乎想象的算法赋能”“计算机博弈的发展”。

概念认知学习是人工智能、大数据领域关注的多学科交叉研究方向，涵盖了哲学、数学、心理学、认知科学以及信息科学等领域．《概念认知学习理论与方法》旨在为广大学者和科研工作者提供概念认知学习领域的基础理论与学习方法．《概念认知学习理论与方法》主要内容包括概念认知学习的基本概念和基础知识、概念认知系统的逻辑推理、概念认知的双向学

本书分为三个项目，分别为：人工智能初探、Python3基础入门、数据爬虫与可视化。具体内容包括：人工智能的初步认识；认识人脸识别；认识无人驾驶；走进人工智能新时代；Python基本介绍及环境搭建；学生疫苗接种信息记录；商品交易系统；猜数字小游戏；电影票预订系统；小说《三体》中人物名字出现次数统计等。

人工智能与语言加工

本书为十四五高等职业教育新形态一体化教材之一,通过贴近生活的挑橘子一例引出机器学习的概念,并展开介绍了机器学习的完整流程、算法分类以及常用工具等。本书以项目任务的组织方式,以通俗的情境作为项目导入,制定明确的项目目标,以算法的基本原理为知识导入,然后开始项目实施环节,以多个实训任务分别练习算法在解决回归、分类或聚类问题