本书探讨了计算机在创造性艺术等领域里可能做出的贡献。除了探讨人工智能（AI），本书也是一部人类创造力的历史。AI可以创作出优美的音乐，但AI本身会知道为什么这个音乐作品是优美的吗？或者，人类会认为这个音乐作品是AI原创的吗？为了思考这些问题，我们必须追溯人类创造力的历史，思考第一批人类是怎样、何时、为何与音乐建立联系的

本书内容包括神经网络的基础、深度神经网络的优化和验证、深度神经网络开发和训练环境的构建、使用Tensor-Board进行网络训练的监控和模的超参数优化。本书详细介绍的深度学习问题，包括基本的回归问题、二元分类问题和多元分类问题，还包括较为复杂的卷积神经网络对图像的分类和使用预训练CNN进行的迁移学习；使用递归神经网络进

本书介绍了数据科学领域常用的所有重要机器学习算法以及TensorFlow和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、k均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。在本书中，你将学会如何使用这些算法来解决所遇到的问题，并了解这些算法的工作方式。本书还将

本书内容包括机械工程控制基础的基本概念、系统的数学建模、控制系统的时域分析法、控制系统的频域分析法、控制系统的设计与校正、离散控制系统初步、Matlab/Simulink在控制系统分析中的应用、机械工程控制系统案例分析等。本书可供机械工程类相关专业的本科、成人教育、函授生作为教材，也可供相关教师与工程技术人员作为参考书

涵盖强化学习基本算法实践+深度强化学习算法的原理实现及案例。代码丰富，可直接上手操作；配套丰富的直播课程资源！

共分为4个部分：1、基础知识：主要介绍机器学习的基本概念、Python的基础知识、常用第三方库，并结合网络爬虫及信息提取案例和股票数据图表绘制案例使读者对本部分内容有更好的理解。2、有监督分类案例：包括Iris数据分类、新闻文本数据分类、手写数字图像识别和场景文字检测共4个案例。3、无监督聚类案例：包括人脸图像聚类和文

这是一本介绍推荐系统前沿技术的技术书。本书前几章着重介绍深度学习排序模型的技术演化趋势，然后依次介绍推荐系统其他模块的技术细节和工程实现，通过业界前沿的推荐系统实例将所有知识融会贯通。本书着重讨论的是推荐系统相关的经典和前沿技术内容，尤其是深度学习在推荐系统业界的应用。

着重介绍深度强化学习的学术界前沿进展与核心代码分析的书籍。对深度强化学习方面的重要学术进展按照单智能体深度强化学习、多智能体深度强化学习、多任务深度强化学习三个方向梳理，介绍其核心算法，以及算法的代码实现示例。

《TensorFlow深度学习（原书第2版）》深入介绍了如何使用TensorFlow构建深度学习应用，从实践的角度讲解深度学习知识。本书主要内容包括深度学习入门，介绍了机器学习和深度学习的基础知识；TensorFlow的主要特性，以及TensorFlow的安装与配置，通过示例进行TensorFlow计算、数据和编程模型

目标是培养学生对智能计算完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）融会贯通的理解，成为智能计算系统（子系统）的设计者和开发者。