本书主要介绍了人工智能的基础知识和实用技术。本书共8章，包括“人工智能：开启智慧新时代”“Python：人工智能开发语言”“线性回归：预测未来趋势”“分门别类：帮你‘分而治之’”“物以类聚：发现新簇群”“个性化推荐：主动满足你的需求”“语音识别：让机器对你言听计从”“人脸识别：机器也认识你”。 本书以培养学生人工智能素

本书聚焦信息科学、生命科学、新能源、新材料等为代表的高科技领域，以及物理、化学、数学等基础科学的进展与新兴技术的交叉融合，其中70%的内容来源于IEEE计算机协会相关刊物内容的全文翻译，另外30%的内容由STEERTech和iCANXTalks上的国际知名科学家的学术报告、报道以及相关活动内容组成。本书将以创新的方式宣

人的智能和AI赋能的机器智能在自动化控制领域的共融共存形成了人机混合智能系统这一新型的系统形式和智能形式。一方面，这类系统所代表的系统结构形式是传统自动化控制系统应对AI赋能的机器智能变革的必然发展形势；另一方面，它所代表的智能形式也成为AI未来发展的重要甚至是的终极形式。在本《人机混合智能系统自主性理论和方法》，我们

本书是一本系统介绍机器学习所涉及的数学知识和相关Python编程的实例工具书，同时还介绍了非常经典的综合案例，除了编写机器学习的代码，还编写了深度学习的代码。本书一共分为两部分。 第一部分为数学基础知识部分，包含8个章节，介绍了微积分、线性代数、概率统计、信息论、模糊数学、随机过程、凸优化和图论的系统知识体系及几个数学

本书源于阿里巴巴千亿级知识图谱构建与产业化应用的工作总结，对知识图谱理论和大规模工业实践进行了全面和深入的阐述。本书以阿里巴巴的实战经验为中心，以深厚的理论成果为支撑，详细阐述了知识图谱的方方面面。首先介绍工业场景下知识图谱的现状、存在的问题和架构设计；然后从知识表示、知识融合、知识获取、知识推理、知识存储和知识图谱前

本书从深度学习的发展历程开始，系统介绍了基于深度学习的目标检测的基本问题及其相关处理方法与技术，主要内容涉及两阶段和单阶段目标检测的理论、算法和研究成果。本书共6章，包括深度学习神经网络类型、目标检测技术、基于FasterR-CNN的目标检测改进算法、领域自适应及其在目标检测技术上的典型应用、图像识别模型改进及面部表情

机器学习已经广泛地应用于各行各业，深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践，首先讨论主流机器学习平台的主要特点和机器学习的实战难点；在此基础上，利用主流的机器学习开源平台TensorFlow、OpenVINO、PaddlePaddle等，通过19个实战案例，详细地分析决策树、随机森林、支持向量机、逻辑回

全书从推荐系统的发展历史、基本构成开始，依次剖析推荐系统的内容召回、协同过滤召回、深度学习召回中具有代表性的模型；再从经典排序模型到基于深度学习的排序，顺势介绍会话推荐、强化学习推荐及工业级推荐，搭建了完整的推荐系统技术体系，这是一个由浅入深的系统学习过程。 本书的目标读者应该对深度学习有基本的了解，掌握概率论、线性代

本书以Python机器学习常用技术与真实案例相结合的方式，深入浅出地介绍了Python机器学习应用的主要内容。全书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、航空公司客户价值分析案例、广电大数

近年来人工智能技术蓬勃发展，人工智能正在改变我们的生活。为了让读者在不需要掌握太多数学 和计算机科学知识的情况下，能够快速上手，使用Python语言实现常用的机器学习算法，并解决一些实际的问题，我们策划并出版本书。 本书共14章，内容涵盖基本的机器学习概念和环境搭建，目前各个领域中的热门算法，以及数据预处理、模型评估和