本书分类《机器学习导论》面向机器学习领域的主要模型和算法，重点阐述不同方法背后的基本假设以及它们之间的相关性，帮助读者建立机器学习的基础理论功底，为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题，线性模型，神经网络及深度学习，核方法，图模型，无监督学习，非参数模型，演化学习，强化学

图神经网络是人工智能领域的一个新兴方向，它不仅迅速得到了学术界的广泛关注，而且被成功地应用在工业界的多个领域。本书介绍了图神经网络和图深度学习的基础知识和前沿研究，不仅包括它们的发展历史和经典模型，还包括图神经网络在深层网络、无监督学习、大规模训练、知识图谱推理等方面的前沿研究，以及它们在不同领域（如推荐系统、生化医疗

演化学习作为机器学习中解决复杂优化问题的重要方法，此前一直因为理论支撑不足未得到应有重视。本书将介绍作者团队近几年在演化学习理论和算法方面取得的重要进展，弥补上述缺憾。本书内容主要分四部分，第一部分简要介绍演化学习基础知识；第二部分讲述演化算法中用于分析运行时和近似性能的通用理论工具；第三部分讲解关于演化优化中主要因素

《人工智能从小白到大神（案例视频）》主要从人工智能的发展之路说起，结合丰富的应用与实战实例，详细阐述了Python入门、人工智能数学基础、手工打造神经网络、TensorFlow与PyTorch、卷积神经网络、目标分类、目标检测、图像语义分割、循环神经网络、自然语言处理、生成对抗网络、强化学习等行业前沿知识。

本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习几个主要方面进行了阐述，并以Python为主要工具进行了相应的编程实践，以使读者对人工智能相关技术有更直观和深入的理解。此外，本书也用几个独立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、增强现实等与人工智能

深度学习是人工智能的前沿技术。本书深入浅出地介绍了深度学习的相关理论和TensorFlow实践，全书共8章。第1章给出了深度学习的基本概况。第2章详细介绍了神经网络相关知识，内容包括M-P神经元模型、感知机、多层神经网络。第3章介绍了被广泛认可的深度学习框架TensorFlow2的安装流程与新特性。第4章详细介绍了Te

本书是一本关于文化生物学的观察，，既探索新技术所带来的对世界不同寻常的解读，也探索生命从有机物质向文化表征的转变迁移。本书主要讲述了在当下人工智能发展的时代，人类和人工智能的关系，我们正在成为一个由机器人、克隆人、转基因动物和无数种人类/信息共生体居住的世界中的文化机构。我们的身体现在是由机器、图像和信息组成的。我们正

大部分TensorFlow教材应用案例少，理论讲解比较概括，学生数学基础薄弱，对人工神经网络较难入门。本教材介绍TensorFlow的发展和特点后，通过案例详细介绍TensorFlow的使用，着重细致地讲解学生学习中遇到的难点，比如张量的形状、卷积、池化、交叉熵等。通过案例让学生逐层递进地掌握TensorFlow，最后

在《定性表征——人们如何推理和学习连续变化的世界》一书中，KennethD.Forbus提出，定性表征是认知科学非常深奥的关键内容之一——如何对我们周围连续变化的现象进行推理和学习。Forbus认为，定性表征是人类认知的核心，它将连续现象分解成有意义单元的符号化表征。定性表征为常识推理奠定了基础，因为它们可以用非常少的

《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。 第2版中每章都有新增内容，并增加了全新的第13章，