《强化学习》一书内容系统全面，覆盖面广，既有理论阐述、公式推导，又有丰富的典型案例，理论联系实际。书中全面系统地描述了强化学习的起源、背景和分类，各类强化学习算法的原理、实现方式以及各算法间的关系，为读者构建了一个完整的强化学习知识体系；同时包含丰富的经典案例，如各类迷宫寻宝、飞翔小鸟、扑克牌、小车爬山、倒立摆、钟摆、

本书从统计学观点出发，以数理统计为基础，全面系统地介绍了统计机器学习的主要方法。内容涉及回归（线性回归、多项式回归、非线性回归、岭回归，以及LASSO等）、分类（感知机、逻辑回归、朴素贝叶斯、决策树、支持向量机、人工神经网络等）、聚类（K均值、EM算法、密度聚类等）、蒙特卡洛采样（拒绝采样、自适应拒绝采样、重要性采样、

本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话，结合回归和分类的具体问题，逐步讲解了机器学习中实用的数学基础知识。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python编程讲解了数学公式的应用，进而加深读者对相关数学知识的理解。

《机器学习中的基本算法》共八章.第1章和第2章简要介绍了机器学习的基本概念、研究内容、算法体系，以及相关的优化理论与优化算法.第3章和第4章详细介绍了几类作为分类器和回归器的支持向量机算法，包括算法出发点、建模思想、理论推导和算法在数据分类、识别、拟合、预测等方面的应用.第5章和第6章着重介绍了两类常用的数据预处理方法

OpenCV深度学习应用与性能优化实践

PyTorch深度学习实战

本书共11章，主要内容包括深度学习简介、Python基础、神经网络基础、卷积神经网络、经典卷积网络结构、迁移学习、循环神经网络、强化学习、深度强化学习、基于策略的算法更新与趋势等，通过具体案例，将Python语言、深度学习思想、强化学习思想和实际工程完美地结合起来。本书由浅入深，从易到难，各章节既相对独立又前后关联，其

向深度学习勇敢迈出下一步吧，这种机器学习方法正在改变我们周围的世界。通过这本实用的参考书，你将学会使用Facebook的开源PyTorch框架快速了解深度学习的关键思想，掌握创建一个神经网络所需的最新技能。伊恩?波特（IanPointer）首先会为你展示如何在云计算环境中设置PyTorch，然后介绍如何创建神经网络，以

本书介绍自动控制的基本原理、典型控制方法及应用实例，主要内容包括：控制系统的建模，线性系统的时域分析法、根轨迹分析法、频域分析法、控制系统的经典校正方法及非线性系统的描述函数与相平面分析方法。并在相应章节介绍如何利用MATLAB进行控制系统的分析和设计。本书以深入浅出的方式讲解自动控制的一般原理，并根据应用性本科的教学

知识工程是创新方法的一种，是一个采用人工智能技术进行文本理解阅读，用知识图谱进行知识表达，并在知识图谱上构建的一个具有搜索、推荐、问答、舆情监测和社区服务功能的系统。本书概括了知识管理和知识工程的各种概念，描述了人工智能技术在知识挖掘中的应用发展趋势及实现知识工程的云架构技术，列举了知识工程在几个典型行业的应用实例，展