深度學習框架中蘊藏著驚人的技術和有趣的機制，本書旨在揭開這些技術和機制的神秘面紗，幫助讀者正確理解技術，體會它們的有趣之處。為此，本書會帶領讀者從零開始創(chuàng)建一個深度學習框架DeZero。DeZero是本書原創(chuàng)的框架，它用最少的代碼實現(xiàn)了現(xiàn)代深度學習框架的功能。本書分60個步驟來完成這個框架，在此過程中，讀者會加深對Py

至少從20世紀50年代起，人們就開始大肆宣傳可能很快就會創(chuàng)造出一種能夠與人類智能的全部范圍和水平相匹配的機器。現(xiàn)在，我們已經(jīng)成功地創(chuàng)造出了能夠解決特定問題的機器，其準確度達到甚至超過了人類，但我們?nèi)匀粺o法獲得通用智能。這本書想和大家探討一下還需要做什么樣的努力才能不僅獲得專用智能，還能獲得通用智能。如果讀者對智能感興趣

本書全面介紹人工智能的基本理論、技術及應用。全書共10章，主要內(nèi)容包括人工智能概論、知識表示與知識圖譜、確定性與不確定性推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡、機器學習與深度學習、專家系統(tǒng)、自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調(diào)人工智能知識的基礎性、整體性、綜合性和廣博性，使學生掌握人工

強化學習是機器學習的重要組成部分。本書采用理論與實踐相結合的寫法，從強化學習的基本概念開始，詳細介紹了強化學習的算法理論和實踐操作，配有Python代碼實現(xiàn)，完整呈現(xiàn)強化學習算法的實踐細節(jié)。通過這本書你將會：（1）理解強化學習最關鍵方面的問題。（2）探索馬爾可夫決策過程及動態(tài)規(guī)劃的過程。（3）深入理解強化學習的各種方法

本書將帶領讀者一起主動擁抱機器學習，快樂翻越高等數(shù)學、算法分析、工程實踐這三座大山。面對三類讀者（會用即可、想深入學習、想成為專家）的學習動機和閱讀需求，全書一共用19章來講解機器學習的各種模型，包括機器學習中基礎和關鍵的線性回歸、邏輯回歸、決策樹、貝葉斯、支持向量機、KNN等。全書具有語言表達輕快、模型講解細致、圖表

使用機器學習技術解決實際應用問題涉及模型的建立、訓練及評估等步驟。優(yōu)化算法常被用于訓練模型的參數(shù)，是機器學習的重要組成部分。機器學習模型的訓練可以建模成無約束優(yōu)化問題或帶約束優(yōu)化問題，約束可以為模型增加更多的先驗知識�；�于梯度的算法（例如加速梯度法、隨機梯度法等）是求解無約束優(yōu)化問題的常用方法，而交替方向乘子法（ADM

本書系統(tǒng)地論述了人工神經(jīng)網(wǎng)絡的主要理論和設計基礎，給出了大量應用實例，旨在使讀者了解神經(jīng)網(wǎng)絡的發(fā)展背景和研究對象，理解和熟悉其基本原理和主要應用，掌握其結構模型和基本設計方法，為以后的深入研究和應用開發(fā)打下基礎。全書共分為10章，第1、2章介紹了神經(jīng)網(wǎng)絡的發(fā)展歷史、基本特征與功能、應用領域及基礎知識，第3~10章展開介

本書系統(tǒng)介紹了機器學習常用算法及其應用，在深入分析算法原理的基礎上，結合當前熱門應用場景，向讀者展現(xiàn)了機器學習算法的綜合應用，帶領讀者進入機器學習領域，開啟人工智能行業(yè)的大門。全書共21章，分為3部分。第1部分介紹機器學習基礎算法，包括線性回歸、多項式回歸、邏輯回歸、k-NN、決策樹、k-Means、SVM、隨機森林、

本書分四章：自然語言基礎、自然語言理解、序列建模、語音識別。內(nèi)容包括：文本的表示和分詞、文本特征表示、詞性分析及命名實體識別、詞空間和詞空間的可視化、基于主題的宋詞創(chuàng)作、宋詞的主題分析、宋詞的派別分類、宋詞的推薦等。

本書較全面地介紹了目前人工智能的主流概念、理論、方法、技術及應用等內(nèi)容。全書共4個項目，首先介紹了智能和人工智能的定義與類型、研究內(nèi)容、發(fā)展歷程，以及人工智能與大數(shù)據(jù)的關系：然后介紹了人工智能在人才、安全、倫理、法律等方面面臨的種種問題與對策；而后介紹了包括語音識別技術、人體識別技術、圖文識別技術、機器視覺技術、自然語