涵蓋強化學習基本算法實踐+深度強化學習算法的原理實現(xiàn)及案例。代碼豐富，可直接上手操作；配套豐富的直播課程資源！

共分為4個部分：1、基礎知識：主要介紹機器學習的基本概念、Python的基礎知識、常用第三方庫，并結合網絡爬蟲及信息提取案例和股票數(shù)據(jù)圖表繪制案例使讀者對本部分內容有更好的理解。2、有監(jiān)督分類案例：包括Iris數(shù)據(jù)分類、新聞文本數(shù)據(jù)分類、手寫數(shù)字圖像識別和場景文字檢測共4個案例。3、無監(jiān)督聚類案例：包括人臉圖像聚類和文

這是一本介紹推薦系統(tǒng)前沿技術的技術書。本書前幾章著重介紹深度學習排序模型的技術演化趨勢，然后依次介紹推薦系統(tǒng)其他模塊的技術細節(jié)和工程實現(xiàn)，通過業(yè)界前沿的推薦系統(tǒng)實例將所有知識融會貫通。本書著重討論的是推薦系統(tǒng)相關的經典和前沿技術內容，尤其是深度學習在推薦系統(tǒng)業(yè)界的應用。

著重介紹深度強化學習的學術界前沿進展與核心代碼分析的書籍。對深度強化學習方面的重要學術進展按照單智能體深度強化學習、多智能體深度強化學習、多任務深度強化學習三個方向梳理，介紹其核心算法，以及算法的代碼實現(xiàn)示例。

《TensorFlow深度學習（原書第2版）》深入介紹了如何使用TensorFlow構建深度學習應用，從實踐的角度講解深度學習知識。本書主要內容包括深度學習入門，介紹了機器學習和深度學習的基礎知識；TensorFlow的主要特性，以及TensorFlow的安裝與配置，通過示例進行TensorFlow計算、數(shù)據(jù)和編程模型

目標是培養(yǎng)學生對智能計算完整軟硬件技術棧（包括基礎智能算法、智能計算編程框架、智能計算編程語言、智能芯片體系結構等）融會貫通的理解，成為智能計算系統(tǒng)（子系統(tǒng)）的設計者和開發(fā)者。

本書是關于在MATLAB中使用實例進行機器學習的綜合指南。書中概述了人工智能與自動控制的歷史；回顧了用于機器學習的商用軟件包，并展示了它們如何應用于該領域；接著展示了如何使用MATLAB來解決機器學習問題，以及如何利用MATLAB圖形技術來增強程序員對機器學習結果的理解。本書隨書提供了機器學習中若干重要問題的MATLA

《人工智能導論》是為高等院校相關專業(yè)“人工智能導論”課程設計編寫，具有豐富應用特色的主教材。針對高校學生的發(fā)展需求，《人工智能導論》分引言、基礎知識、基于知識的系統(tǒng)和高級專題四部分，可依照學習進度與需求，做適當選擇。內容包括：引言，包括緒論（基本概念）、人工智能+領域應用；基礎知識，包括大數(shù)據(jù)思維、搜索算法、知識表示；

本書緊密追蹤物聯(lián)網*新技術發(fā)展與典型應用，結合互聯(lián)網、云計算、大數(shù)據(jù)等技術，從基礎知識、關鍵技術到典型應用，全方位闡述物聯(lián)網的現(xiàn)狀、關鍵技術及部分典型應用。全書共13章。第1章闡述物聯(lián)網的發(fā)展背景、定義、特征及發(fā)展趨勢；第2章至第4章從物聯(lián)網感知層出發(fā)，分別介紹物聯(lián)網識別技術（RFID）、物聯(lián)網傳感技術以及物聯(lián)網智能視

《人工智能基礎數(shù)學知識》基于流行的Python語言，通俗易懂地介紹了入門人工智能領域必需必會的數(shù)學知識，旨在讓讀者輕松掌握并學以致用。 《人工智能基礎數(shù)學知識》分為線性代數(shù)、概率和優(yōu)化等3篇，共21章，覆蓋了人工智能領域中重要的數(shù)學知識點。本書寫作風格通俗有趣，讀者可在潛移默化中掌握這些數(shù)學知識以及相關的編程操作，并能