《TensorFlow2实战》首先讲解深度学习和TensorFlow2的基础知识，然后通过图像处理和自然语言处理两方面的实例，帮助读者进一步掌握深度学习的应用，最后通过对生成对抗网络和强化学习知识的讲解，带领读者精通深度学习。 《TensorFlow2实战》适合想要学习和了解人工智能、深度学习技术的程序员阅读，也可作为

零基础读者应如何快速入门机器学习？数学基础薄弱的读者应如何理解机器学习中的数学原理？这些正是本书要解决的问题。本书从数学基础知识入手，通过前3章的介绍，帮助读者轻松复习机器学习涉及的数学知识；然后，通过第4-第13章的介绍，逐步讲解机器学习常见算法的相关知识，帮助读者快速入门机器学习；最后，通过第14章的综合实践，帮助

《人工智能导论》为大连理工大学“新工科”系列精品教材。本书内容包括绪论、知识表示、确定性推理、不确定性推理、搜索求解策略、遗传算法及其应用、群智能算法及其应用、人工神经网络及其应用、机器学习、专家系统、自然语言理解及其应用等。本书可供电子信息类专业本、专科学生作为教材使用，也可供从事人工智能领域的技术人员参考。

人工智能的迅猛发展，对整个人类、社会和时代的进步起到了不可估量的作用。然而，人工智能的未来奇点在哪儿？人工智能是否具有人类意识？人工智能会导致人类大规模失业吗？会替代人类吗？本书以通俗易懂的语言，图文并茂的方式不仅描绘了人工智能发展的历史、现状与未来，而且探讨了人工智能发展可能对经济、政治、军事、法律等方面的影响，其中

本书由校企“双元”共同开发，以人工智能应用开发的学习与认知过程为主线，以实践为主导，将理论知识与实践应用有机结合，将人工智能的应用开发的过程分为数据、人工、智能和系统化四个层级和十二个步骤。十二个步骤包括：数据采集、数据整理、数据分析、数据标注、特征提取、模型创建、模型训练、模型测试、集成AI模型生成智能系统、系统测试

深度强化学习结合深度学习与强化学习算法各自的优势解决复杂的决策任务。得益于DeepMindAlphaGo和OpenAIFive成功的案例，深度强化学习受到大量的关注，相关技术广泛应用于不同的领域。本书分为三大部分，覆盖深度强化学习的全部内容。第一部分介绍深度学习和强化学习的入门知识、一些非常基础的深度强化学习算法及其实

本书从传统的机器学习，如线性回归、逻辑回归、朴素贝叶斯、支持向量机、集成学习，到前沿的深度学习和神经网络，如DNN、CNN、BERT、ResNet等，对人工智能技术进行零基础讲解，内容涵盖数学原理、公式推导、图表展示、企业应用案例。本书面向初中级读者，能帮助读者迅速掌握机器学习技术的相关概念及原理。本书内容结合作者多年

机器学习实战：使用R、tidyverse和mlr

本书是一本介绍深度学习理论和实战应用的教程，先从数学基础和机器学习基础出发，按照神经网络的技术发展框架由易到难逐步讲解深度学习的理论，然后再通过实践部分，详细解释深度学习的应用案例，让读者既能了解深度学习理论，又能学会使用深度学习框架，实现自己的深度学习模型。主要内容包括深度学习的发展历史、单层感知器、线性神经网络、B

本书基于丰富的图示，详细介绍了有监督学习和无监督学习的17种算法，包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。书中针对各算法均用Python代码进行了实现，读者可一边运行代码一边阅读，从