本书以程序员所熟悉的代码方式带领程序员们进入深度学习的世界。所有的理论都有对应的可运行的代码进行说明。程序员可以通过修改和调试代码在熟悉的世界里完成向深度学习的转型。 本书兼顾了Tensorflow和PyTorch这两大流行的深度学习框架，使读者同时掌握静态计算图和动态计算图这两大流派，方便读者跟随新技术形势。同时还介

本书以简明的方式系统地论述了人工智能的基础知识及其拓展和应用。全书共十六章，前十章介绍人工智能学科的基础知识，包括人工智能的发展历史、知识的表示、搜索策略、确定性推理、不确定推理、专家系统、神经网络、智能计算、机器学习和模式识别；接下来五章进行了拓展，讲述了表示学习和混合智能系统，又介绍了神经网络在模式识别和图像处理的

《人工智能基础与实践》采用理论结合实践的形式，探讨了计算思维、人工智能技术的运用、搜索求解策略、实践和机器学习方法，研究应有场景中人工智能解决方案，为学生运用人工智能技术解决各学科中的问题奠定了基础，并探索了人工智能在信息社会中的应用与

《人工智能概论》主要包括以下主题：1.人工智能的前世今生。介绍人工智能的历史发展，并解读不同时期发展的特点和发展的动力。2.新时代人工智能的三要素：算法、数据、算力。分别介绍当前主流的人工智能算法、大数据与人工智能的关系及影响、人工智能芯片的发展及对人工智能的作用。3.人工智能在生活中的应用。按照我们日常生活中的出行、

本书对人工智能学科及其研究领域进行抽象，梳理出一个人工智能的研究体系，然后再按照这个体系讲述其原理，再穿插一些实例。全书分为五篇、共十四章。这五篇分别是人工智能的体系、求解、规划、学习、以及推理。体系篇中有两章，即绪论与体系论。其次，求解篇分成四章，讲述搜索问题、优化问题、博弈问题、以及约束问题求解。第三，规划篇中有两

本书由四篇共１７章组成*篇是基础理论篇共九章(第１~９章)从整体角度介绍人工智能的基本概念与基础理论第二篇是应用技术篇共四章(第１０~１３章)介绍人工智能基础理论与相关分支领域相融合所产生的新技术第三篇是应用篇共三章(第１４~１６章)介绍智能产品的开发及目前广为流行的四种应用实例第四篇是展望篇共一章(第１７章)对人工智

《向pepper学习人工智能》是人工智能课程教材，为适应产业发展的需要，结合教学一线实践编写而成。《向pepper学习人工智能》以人形情感机器人pepper为教学载体和工具，基于项目的学习和“做中学，做中教”的教学理念，为学生提供充分的沉浸体验，把枯燥的人工智能技术和理论以更加鲜活的方式表达出来和应用起来。《向pepp

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学

《机器学习及其应用》比较系统地介绍机器学习的基础理论与应用技术。首先，介绍掌握机器学习理论和方法所必须具备的基础知识，包括机器学习的基本概念与发展历程、模型构造与优化的基本方法；然后，介绍和讨论监督学习、无监督学习、集成学习、强化学习等传统机器学习理论与方法；在详细探讨神经网络与深度学习基本理论的基础上，介绍深度卷积网

本书介绍终身学习这种高级机器学习范式，这种范式通过积累过去的知识持续地学习，并将学到的知识用于帮助在未来进行其他学习和解决问题。相比之下，当前主流的机器学习范式都是孤立学习，即给定一个训练数据集，之后在这个数据集上运行机器学习算法以生成模型，然后再将该模型运用于预期的应用。这些范式不保留已经学到的知识，也不将其运用到后