本书是第一本探讨如何对不同方法进行均衡处理,以便建模和解决序贯决策问题的图书,承袭了大多数聚焦于机器学习、优化和模拟的书籍的风格。本书专为具有概率和统计背景知识并对建模和应用程序感兴趣的读者而设计。线性规划有时用于特定的问题类型。本书提供了一个可以借助5个核心组件(状态变量、决策变量、外部信息变量、转移函数和目标函数)

本书围绕MLOps展开,全面阐释其概念与落地实践。开篇对MLOps进行概述,剖析其体系架构、价值定位与技术栈。随后各章从特征工程、模型训练与推理,到可观测性基础设施,通过理论阐述与架构解析,并结合Uber、Meta等知名案例,分享建设思路。此外,本书还介绍RayCore及RayAI库的使用,并提供大语言模型训练部署实例

本书通过系统而全面的介绍，帮助读者深入理解和掌握图机器学习的基本原理、方法和技术；同时，通过丰富的案例和实践经验，展示了图机器学习在各个领域的应用价值和广阔前景。 本书基于斯坦福大学图机器学习CS224W课程的内容编写，结合作者自身和团队学生在图机器学习中的痛点和实践经验，重新梳理知识脉络，重点介绍图机器学习的相关知识

本书系统研究了深度学习模型在面临新型对抗攻击时的鲁棒性问题，全面分析了对抗鲁棒机器学习的研究现状及面临的问题和挑战，并提出了创新性的解决方案。在对抗鲁棒性评估方面，构建了集成非Lp范数新型攻击的综合评估基准，为全面评估模型鲁棒性提供了工具。在对抗样本检测方面，提出了基于小样本学习的对抗样本检测方法，能够有效检测未知类型

布尔巴基学派的序、代数、拓扑三大母结构是现代数学的基础。利用计算机证明辅助工具，可以完整构建这三大母结构的形式化系统。本书利用交互式定理证明工具Coq，实现Morse-Kelley公理化集合论形式化系统，可以迅速而自然地给出一个数学基础，摆脱了明显的悖论。在我们开发的系统中，全部定理无例外地给出Coq的机器证明代码，所

全书分为五大部分。第一部分包含第1-3章，可便于读者对构建基于机器学习的预测数据分析框架及其核心知识有一个基本的了解和认识。第二部分包括第4-9章，涵盖了主要的有监督机器学习的知识，可以使读者对应用于数据分析的有监督机器学习方法有一个比较全面的理解和认识，便于为以后的学习和工作奠定扎实的理论基础。第三部分包括第10章和

本书详细探讨非完美非完全信息博弈动力学理论、方法与实践。主要内容包括智能体在非完全信息条件下的认知差异和博弈行为、多智能体博弈动力学、智能决策和人机博弈等多个领域。书中通过理论分析与实证数据相结合,深入分析了非完全信息环境下的动态博弈特性,并提出相应的优化工具与解决方案。

本书主要介绍神经网络架构搜索的相关研究工作,共包括9章内容。其中,第1部分介绍了神经网络架构搜索方法及深度神经网络架构,包括第1章和第2章;第2部分主要介绍了卷积架构的神经网络搜索算法,涉及神经网络搜索空间、搜索算法和评估算法,包括第3-6章;第3部分介绍了Transfomme架构和张量环架构的搜索算法,包括第7章和第

本书共9章：第1章介绍图神经网络的背景、发展历史和现状，并探索大规模图神经网络的缘由；第2章介绍图神经网络模型的基础知识及其应用；第3章介绍分布式并行机器学习的流程、训练模式、训练架构、物理架构等基础知识；第4章从整体上介绍分布式图神经网络训练的流程和方法；第5章和第6章分别介绍大规模图神经网络的小批次分布式并行训练和

本书基于项目式教学的理念，结合AI教育的实际需求，设计了一系列既有趣又富有挑战性的学习项目。这些项目涵盖了AI的基础概念、编程技巧、机器学习算法以及应用场景等多个方面，旨在通过实践操作和问题解决，帮助青少年全面提升AI素养和综合能力。本书可供学校及青少年科技教育机构的广大教师及培训从业人员参考，或作为教材使用。本书也可