本书以一个彩票预测的实战项目开发为主线，详细介绍了爬虫基础、概率论、时间序列、深度学习等热门的人工智能技术及TensorFlow+Keras这种主流的深度学习框架的使用方法。本书分为8章，涵盖的主要内容有深度学习基础、数据抓取与存储、概率论基础、时间序列、深度学习框架简介及环境安装、深度学习原理、Keras入门、福彩3

本书分四部分介绍深度学习算法模型及相关应用实例。第一部分介绍在深度学习中必备的一些数学和机器学习的基础知识。第二部分介绍卷积神经网络、循环神经网络、深度强化网络等经典模型，并对每种模型从原理、结构、优化等方面进行论述。第三部分介绍深度学习中常用的优化方法及训练技巧。第四部分结合实践来介绍深度学习在计算机视觉、模式识别中

本书主要讨论在智能经济的浪潮下，人工智能技术与区块链技术的范式变革与产业应用，以及如何从数字经济学视角理解智能经济发展的商业逻辑变化和它所带来的商业认知升级。全书包括从信息技术到智能经济、区块链技术应用与场景、人工智能技术应用与场景、智能经济时代的商业趋势四部分，共20讲内容。 本书通过跨学科研究，构建了一整套认知人工

随着人工智能技术在越来越多的行业中应用，诸多问题也随之而来，最主要的问题在于人工智能技术与行业的结合深度不足。在大多数情况下，人工智能技术只能解决表层的行业问题，对于深层的业务问题赋能不足。当前急需探索人工智能技术与行业结合的方法与模式。本书结合了笔者构建人工智能产品的实际经验，从人工智能产品流程、行业能力模型、人工智

随着人工智能技术在各行业的应用蓬勃发展，其已渗透社会及人们日常生活的方方面面，且在图像分类、目标识别、自然语言处理等领域显示了良好的效果和前景。但是，人工智能及其分支技术有一些特定的脆弱性，在某些场景下容易受到欺骗和攻击，若不对此采取一定措施，就有可能造成严重的后果。本书通过介绍针对图像分类的对抗技术，描述了深度神经网

本书是面向高级人工智能人才培养的高等学校人工智能相关专业精品教材中的一本，以信息物理系统、模糊逻辑系统、自主无人系统、群体智能、多Agent系统、人机协同系统、工业智能控制系统、机器人系统等为案例，完整呈现了人工智能综合应用体系架构。本书首先介绍了智能系统的发展、相关概念、主要特征和类型、智能系统的发展前景，然后围绕智

本书首先从深度学习的原理出发，介绍如何把深度学习的理论转换为PyTorch代码，然后介绍如何在计算机上运行这些代码。作为一本面向初中级读者的技术类图书，本书在前面所述内容的基础上，还介绍了学术界前沿的一系列实例，以及PyTorch的源代码结构，以期读者能够融会贯通深度学习框架的设计和应用的思想。

本选题宏观而全面地介绍了人工智能的理论和实践，阐述了人工智能领域的核心内容，并较为深入的介绍了各个主要研究方向的理论基础及应用。全书分为8章：第1章介绍人工智能的基本概念、研究目标及发展情况；第2章讲解人工智能领域常用的数学概念；第3、4章讨论人工智能在通讯领域、控制领域的应用原理及常见技术；第5章讲解人工智能的核心算

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

本书是一本阅读起来特别轻松、学习一点都不费劲的TensorFlow入门书。本书基于TensorFlow2.0版本，从机器学习和TensorFlow的基础开始，针对初学者只选择实际应用中的必需最小知识量，对前馈神经网络、卷积神经网络、循环神经网络、深度强化学习进行了浅显易懂且快速有效的阐述，其中包括了很多具体的Tenso

本书的写作初衷是，从学者的角度，用一种通俗易懂的方式，把与基于深度学习的目标检测的相关论文中的理论和方法呈现给读者，同时针对作者在深度学习教学过程中遇到的难点，进行深入的分析和讲解。本书侧重对卷积神经网络的介绍，而深度学习的内容不止于此。所以，作者将深度学习分为有监督学习、无监督学习和强化学习三类，将图像分类、目标检测

当今社会，智能音箱、智能机器人、智能可穿戴设备等人工智能产品已经开始逐渐普及，而人工智能产品经理却非常短缺。本书将通俗易懂的语言与专业知识相结合，从中国人工智能市场现状入手，详细地为读者阐释了人工智能产品的相关知识，以及人工智能产品经理是如何开展工作的，并通过实际案例展现了如何从无到有构建人工智能产品的过程。本书适合想

《人工智能基础数学知识》基于流行的Python语言，通俗易懂地介绍了入门人工智能领域必需必会的数学知识，旨在让读者轻松掌握并学以致用。 《人工智能基础数学知识》分为线性代数、概率和优化等3篇，共21章，覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣，读者可在潜移默化中掌握这些数学知识以及相关的编程操作，并能

本书面向初学者，采用全彩图解+视频讲解的形式介绍了人工智能的基础知识及开发案例，从无代码到图形化编程到代码编程，循序渐进，让读者逐步掌握人工智能技术，体验人工智能带给自己的乐趣。本书首先通过mDesigner+开源硬件的结合赋予创客作品以“智能”，接着介绍了与人工智能密切相关的深度学习及其所需要的编程语言、编程框架及编

随着AI技术的普及，如何快速理解、掌握并应用AI技术，成为绝大多数程序员亟需解决的问题。本书基于Keras框架并以代码实现为核心，详细解答程序员学习AI算法时的常见问题，对机器学习、深度神经网络等概念在实际项目中的应用建立清晰的逻辑体系。本书分为上下两篇，上篇（第1～4章）可帮助读者理解并独立开发较简单的机器学习应用，

近年来机器学习是一个热门的技术方向，但机器学习本身并不是一门新兴学科，而是多门成熟学科（微积分、统计学与概率论、线性代数等）的集合。其知识体系结构庞大而复杂，为了使读者朋友能够把握机器学习的清晰的脉络，本书尽可能从整体上对机器学习的知识架构进行整理，并以Sklearn和Keras等机器学习框架对涉及的相关理论概念进行代

《从统计世界走向人工智能——实战案例与算法》叙述了从数学到统计、从统计到人工智能的发展，结合大量的实际商业应用案例介绍了诸多经典的机器学习算法，比如LASSO回归、MCMC、决策树、随机森林和神经网络等。《从统计世界走向人工智能——实战案例与算法》将案例与算法结合，基于人工智能的场景，从理论到实际操作层层递进，读者从中

学习并精通任何一门学科无外乎要经过四个步骤：它是什么？它可行吗？怎么学它？如何学好它？机器学习也不例外，《快乐机器学习》就以这四个步骤来介绍机器学习。《快乐机器学习》第1章介绍“机器学习是什么”，即从定义开始，详细介绍机器学习涉及的知识、数据和性能度量。第2章介绍“机器学习可行吗”，即介绍机器具备学习样本以外的数据的能

本书介绍了与AI相关的理论知识，例如，AI的核心、AI的3个发展阶段、AI的科技支撑点等。为了增强本书的全面性和系统性，也为了向大家多传授一些干货，本书将重点放在了AI在各行各业、各个领域的商业化落地项目上。值得注意的是，本书添加了很多代表性案例，希望为读者提供实实在在的帮助。可以说，在“AI+商业”方面，本书既具有实