本书先介绍深度强化学习的基础知识及相关算法，然后给出多个实战项目，以期让读者可以根据环境的直接反馈对智能体加以调整和改进，提升运用深度强化学习技术解决实际问题的能力。本书涵盖深度Q网络、策略梯度法、演员-评论家算法、进化算法、Dist-DQN、多智能体强化学习、可解释性强化学习等内容。本书给出的实战项目紧跟深度强化学习

本书基于循序渐进培养儿童数学核心概念和逻辑思维的培养目标，用故事情景和实物化编程游戏工具，引导孩子在角色扮演和对图形化程序指令符号的理解执行过程中，训练孩子用计算思维解决问题，使抽象枯燥的数学教育和编程教育变成生动活泼、充满童趣，又富有互动性的学习体验。 附带教学教案和教具

本书是入门阶段的人工智能技术读物，使读者获得人工智能的入门知识和基本的人工智能思维模式与动手能力，主要内容包括人类智能与人工智能的关系、人工智能的定义、人工智能六大实现途径、智能系统的动手实践等，为学校开展人工智能入门教学或者读者自学人工智能技术提供参考和指南。

使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADM

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介

本书系统介绍了机器学习常用算法及其应用，在深入分析算法原理的基础上，结合当前热门应用场景，向读者展现了机器学习算法的综合应用，带领读者进入机器学习领域，开启人工智能行业的大门。全书共21章，分为3部分。第1部分介绍机器学习基础算法，包括线性回归、多项式回归、逻辑回归、k-NN、决策树、k-Means、SVM、随机森林、

《自动控制原理（第2版）》主要内容包括控制系统的数学模型，线性系统的时域分析法、根轨迹法、频域分析法、综合与校正，非线性系统的分析，线性离散系统的分析。本书着重于基本概念、基本理论和基本分析方法，并附加学习资源，扫描书中的二维码可随时完成基本测试题练习并查看参考答案。本书在国家智慧教育公共服务平台有配套在线课程，可供读

本书的主体内容包括机器学习概念与特征工程、机器学习技术、模型关系管理，其中，模型关系管理部分主要介绍了弱集成学习、强集成学习和混合专家模型。弱集成学习是指使用机器学习中的弱分类器实现模型准确度和稳定性之间的平衡。强集成学习是指协同特征工程与强分类器形成强集成学习环境。混合专家模型是指通过神经网络集成和网络结构设计形成深

2017年，国务院印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，机器学习作为人工智能技术的内核，走入我国广大中小学生的课堂是科技发展的必然选择。《BR》本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框

机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。本书共6章。第1章节主要介绍机器学习的基本概念及其

本书是近年来作者对混合智能系统研究成果及经验的总结。本书界定了混合智能系统的研究范围和研究层次，给出了混合智能系统的概念。以设计科学的思想为基础，以基于案例推理的混合智能系统技术选择为核心，依据“从定性到定量综合集成研讨厅”的基本思想，提出了基于案例推理的混合智能系统构造方法。在对串型混合智能系统、并型混合智能系统、反

人工智能是一项高科技技术，也是计算机技术的一个重要分支，此技术是以人工的方法，对人类的行动和思维进行模仿，同时在人的智能基础上进行拓展。人工智能应用面比较广泛，可代替人类进行各个方面的工作，可以说大大提高了人类在日常生活工作中的效率。但人工智能具有两面性，对人类有好的一面也有不好的一面。因此，本书将结合人工智能技术的发

本书是《动手学深度学习》的重磅升级版本，选用PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出基础的神经网络——多层感知机

本书是《Scikit-learn机器学习详解》（潘风文编著）的进阶篇，讲解了Sklearn（Scikit-learn）机器学习框架的各种高级应用技术，包括数据集导入工具、集成学习、模型选择和交叉验证、异常检测、管道、信号分解、模型持久化以及Sklearn系统高级配置。通过本书的学习，读者可快速掌握Sklearn框架的高

本书将人工智能与人类智慧深度融合，系统、全面地介绍了类脑智能目标检测网络的构建原理、方法、过程，具有较高的学术价值；同时，本书将所构建的类脑智能目标检测网络在无人车交通标志检测、无人车-机械臂协同作业这两个场景进行了示范应用，具有较大的工程应用价值。本书主要的读者群体为从事类脑智能、计算机视觉、无人系统研究的科研工作者

本书基于作者多年的研究成果，详细介绍了跨数据中心机器学习的训练系统设计和通信优化技术。本书面向多数据中心间的分布式机器学习系统，针对多数据中心间有限的传输带宽、动态异构资源，以及异构数据分布三重挑战，自底向上讨论梯度传输协议、流量传送调度、高效通信架构、压缩传输机制、同步优化算法、异构数据优化算法六个层次的优化技术，旨

从取代简单机械的重复劳动到辅助内容创作、医药开发、科学实验，人工智能产品正以惊人的速度在各行业大展拳脚，预示着人类即将进入一个全新的发展阶段。本书通过浅显易懂的语言帮助你理解人工智能产品是什么，人工智能产品是怎么创造出来的以及人工智能产品是如何进行创新迭代的。人工智能行业的快速发展对产品经理提出了更高的要求，产品经理需

本书以人工智能下的大数据时代为背景,从数据素养、数据分析基础、统计分析、机器学习多个维度全面系统地介绍了如何探索数据、整理数据并分析数据。本书没有给出晦涩难懂的数学公式,也不涉及复杂烦琐的程序代码,而是在阐述基本原理的基础上,辅以简洁的Python程序,让读者能够快速入门,提升个人的数据综合素养。

本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、

本书系统介绍了5G物联网端管云协同设计理念，主要内容包括基于STM32单片机的感知终端开发、基于5GNB-IoT和NR的感知数据处理与传输、采用公有云和自建云的物联数据存储与Grafana可视化平台，最后通过4个典型的物联网综合应用和两个物联网竞赛获奖实战案例，助力读者掌握面向端管云协同设计的物联网应用项目开发。为提高