量子计算与人工智能的交叉融合，促使量子人工智能的不断发展。本书旨在采用对深度学习爱好者友好的方式，构建量子人工智能应用。全书共13章，第1章和第2章系统介绍量子计算机发展脉络和量子计算编程的基础知识。第3~7章分别介绍不同的深度学习方法和在这些算法逻辑上构建量子启发算法的方式，用量子线路中的相位作为神经网络的可学习参数

本书对人工智能中的关键技术进行介绍，主要包括计算机视觉、自然语言处理、语音处理、知识表示与推理、专家系统与知识图谱、问题求解与搜索技术、机器学习原理、机器学习应用、人工神经网络与深度学习、智能机器人等。本书引领读者进入人工智能领域，了解人工智能的概念和发展简史，理解人工智能的三大流派，并熟悉人工智能的主要研究内容和应用

本书侧重于实证维度的经济和金融问题，以及如何用机器学习方法求解这些问题，通过建立相关模型得出相应的结论。这包括各种区分深度学习模型(DNNs、cnn、lstm和DQNs)、生成机器学习模型(gan和VAEs)和基于树的模型。本书内容还涵盖了经济学和机器学习的经验方法的交叉，包括回归分析，自然语言处理，和降维。本书的读者

《细说PyTorch深度学习：理论、算法、模型与编程实现》由业界专家编撰，采用理论描述加代码实践的思路，详细介绍PyTorch的理论知识及其在深度学习中的应用。全书分为两篇，共16章。第一篇为基础知识，主要介绍PyTorch的基本知识、构建开发环境、卷积网络、经典网络、模型保存和调用、网络可视化、数据加载和预处理、数据

本书面向广大数据科学与人工智能专业的学生及初学者，力求通俗易懂、简洁清晰地呈现学习大数据与人工智能需要的基础数学知识，助力读者为进一步学习人工智能打好数学基础。全书分为4篇，共19章：微积分篇（第1～5章），主要介绍极限、导数、极值、多元函数导数与极值、梯度下降法等；线性代数篇（第6～10章），主要介绍向量、矩阵、行列

本书从工业背景下的机器学习技术需求出发,详细讨论机器学习的各个分支技术,包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术等,并在此基础上,对机器学习相关的应用系统进行了分析。全书采取理论与实践并重的方式介绍机器学习技术,在理论层面,力求覆盖面广,涵盖机器学习技术的所有重要分支;

本书是一本适合理工科大学的控制论教材。全书共8章,包括控制工程的基本概念、拉普拉斯变换、系统的数学模型、系统时域响应分析、系统频率特性分析、控制系统设计与矫正方法和离散系统的基本知识等内容。在叙述过程注重经典控制理论的知识性、系统性和连贯性,讲清概念,并配备了较多例题讲解分析和习题练习;在内容论述中与现代计算机仿真技术

本书详细介绍了人工智能的主要概念、技术和应用等。全书共5章，首先介绍了现阶段数据标注岗位相关基础知识；其次按照数据标注任务分类，分别介绍了图像、视频、自然语言和音频数据标注方法和标注平台使用的实用技术。本书面向高职院校人工智能技术应用等专业方向低年级学生及广大人工智能初学者，书中内容紧跟课程思政要求，内容由浅入深，事实

本书主要讲解分布式机器学习算法和开源框架，读者既可以从宏观的设计上了解分布式机器学习的概念和理论，也可以深入核心技术的细节设计中，对分布式机器学习形成深刻而直观的认识，做到学以致用。本书共分为5篇，第1篇是分布式基础，首先介绍了分布式机器学习的概念、基础设施，以及机器学习并行化技术、框架和软件系统，然后对集合通信和参数

本书重点讲解基于云平台的超参数优化、神经构架搜索以及算法选择等内容，是自动机器学习的基本任务。介绍了基于三个主要云服务提供商（包括MicrosoftAzure、AmazonWebServices(AWS)和GoogleCloudPlatform）进行AutoML，同时部署ML模型和管道，具有较强的实用性。在应用场景中评