本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前*流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

随着计算科学的快速发展，人工智能已为我们大家熟知。2017年国务院正式印发《新一代人工智能发展规划》，明确了人工智能的国家战略地位，关于人工智能的科普、技术普及读物也已出现，但符合少年儿童认知的人工智能科普读物却一直是个空白。本书是面向少年儿童的人工智能科普读物，用轻松有趣的笔触和明确简洁的形式介绍人工智能的历史、现状

本书主要讲述了深度学习中的重要概念和技术，并展示了如何使用TensorFlow实现高级机器学习算法和神经网络。本书首先介绍了数据科学和机器学习中的基本概念，然后讲述如何使用TensorFlow训练深度学习模型，以及如何通过训练深度前馈神经网络对数字进行分类，如何通过深度学习架构解决计算机视觉、语言处理、语义分析等方面的

粒计算是人工智能的重要分支领域。它以一种粒化的思想和方法来分析与处理问题，这为探究人工智能中普遍存在的不确定性问题提供了新方法。本书介绍粒计算中不确定性分析的最新研究进展。全书共12章，内容涉及经典粗糙集、模糊粗糙集、邻域粗糙集、三支决策、决策规则、邻域系统、深度学习等。每章都深入分析模型及其在应用中存在的不确定性问题

本书是2012~2013年笔者在剑桥大学访学时的所看所感所思所悟，结合科学哲学、艺术等方面的观察思考，针对起源于剑桥大学的人机交互技术、智能科学历史渊源进行了深入细致的梳理和分析，并结合自己正在进行中的人机融合智能研究展开本质性探讨和思考，比如在自主系统、机器学习、深度态势感知、人机环境系统、智能哲学、军事智能、智能传

本书以“平民”的起点，从“零”开始，基于PyTorch框架，介绍深度学习和强化学习的技术与技巧，逐层铺垫，营造良好的带入感和亲近感，把学习曲线拉平，使得没有学过微积分等高级理论的程序员一样能够读得懂、学得会。同时，本书配合漫画插图来调节阅读气氛，并对每个原理都进行了对比讲解和实例说明。本书适合对深度学习和强化学习感兴趣

本书作者都是微软人工智能及研究院的研究人员和应用科学家，具有深厚的机器学习背景，在一线针对产品需求和支持的场景进行了大量的深度学习模型及算法的研究和开发，在模型设计、训练、评估、部署、推理优化等模型开发全生命周期积累了丰富的经验。本书面向的读者是希望学习和运用深度学习模型到具体应用场景的企业工程师、科研院所的学生和科研

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，首先讨论了TensorFlow、PySpark、TI-ONE等主流机器学习平台的主要特点；然后结合Tableau介绍了数据可视化在银行客户用卡行为分析的应用。在此基础上，利用上述介绍的这些平台，通过多个项目案例，详细地分析

数学是机器学习绕不开的基础知识，传统教材的风格偏重理论定义和运算技巧，想以此高效地打下机器学习的数学基础，针对性和可读性并不佳。本书以机器学习涉及的线性代数核心知识为重点，进行新的尝试和突破：从坐标与变换、空间与映射、近似与拟合、相似与特征、降维与压缩这5个维度，环环相扣地展开线性代数与机器学习算法紧密结合的核心内容，

深度学习是机器学习的重要分支。本书系统地介绍了如何用Python和NumPy实现的算法一步一步地实现深度学习的基础模型，而无须借助TensorFlow、PyTorch等深度学习框架，从而能帮助读者更好地理解底层算法的脉络，进而进行模型的定制、优化和改进。全书内容设计可帮助读者零起点通关神经网络，由简到难地讲述感知机模型

本书介绍了经典控制理论的基本概念、基本理论和控制系统的基本分析方法及实际应用。主要内容有：自动控制的基本概念、控制系统的数学模型、控制系统的时域分析法和频域分析法、控制系统的校正、直流调速系统、直流脉宽调速系统、位置随动系统、交流变频调速系统等。各章均配有内容提要、小结和大量习题。

本书以程序员所熟悉的代码方式带领程序员们进入深度学习的世界。所有的理论都有对应的可运行的代码进行说明。程序员可以通过修改和调试代码在熟悉的世界里完成向深度学习的转型。 本书兼顾了Tensorflow和PyTorch这两大流行的深度学习框架，使读者同时掌握静态计算图和动态计算图这两大流派，方便读者跟随新技术形势。同时还介

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学

深度学习是当前人工智能的引领技术，是引发新一轮人工智能热潮的原动力。本书从模型、算法、原理等角度全面介绍深度学习技术，包括近两年最新成果。全书由三大部分组成。第一部分是机器学习和神经网络基础，包括机器学习问题、浅层机器学习、早期神经网络等；第二部分是深度学习模型及算法，包括深度生成模型、卷积网络、循环和递归网络、表示学

本书旨在讨论人工智能领域未来的发展方向，即通用人工智能和奇点现象。本书涵盖了奇点理论提出以来该领域取得的一系列研究进展，剖析了实现通用人工智能所面临的问题并分析了各种实现途径。作者不仅展开了天马行空的想象，思考未来技术，比如意识上传、飞米技术等如何为通用人工智能提供可行性，还将现有的通用人工智能技术落地，在生物学领域进

本书是由两位技术出身的企业管理者编写的深度学习普及书。本书的前四章提供了足够的关于深度学习的理论知识，包括机器学习的基本概念、神经网络基础、从神经网络到深度网络的演化历程，以及主流的深度网络架构，为读者阅读本书剩余内容打下基础。后五章带领读者进行一系列深度学习的实践，包括建立深层网络、调优技术、各种数据类型的向量化和在

本书共4篇。入门篇介绍学习环境搭建和TensorFlow框架的基本使用；基础篇介绍传统智能算法及其TensorFlow的实现；进阶篇介绍深度神经网络方法和CNN、RNN、LSTM、GRU等基础的深度学习算法；应用篇介绍GAN学习算法和TensorFlowHub迁移学习。

本书介绍了深度学习原理与TensorFlow实践。着重讲述了当前学术界和工业界的深度学习核心知识：机器学习概论、神经网络、深度学习。着重讲述了深度学习的实现以及深度学习框架TensorFlow：Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow编程实践、TensorFlo

本书通过对信息技术革命的技术思想历史的探索，全面分析了包括计算主义世界观、人工生命科学、复杂性科学思想、信息技术哲学、互联网思想、赛博空间思想及媒介理论思想等以信息技术为核心的技术思想的演变和发展。与此同时，书中还通过对计算机科学、经济学、社会学、历史学及政治学等其他跨学科的思想方法的研究，论述了人类文明发展的底层逻辑

粒计算是当前计算智能研究领域中模拟人类思维和解决复杂问题的新方法，研究内容覆盖了有关粒度的主要理论、方法和技术，是研究复杂问题求解、大数据挖掘和模糊不确定信息处理等当前面临的关键问题的有效工具。本书介绍了粗糙集理论、概念格理论、三支决策理论等粒计算研究的概述和最新进展。全书共14章，主要由两部分组成（多粒度计算、三支决