本书面向研究型开发与创新能力培养,重点讲解机器学习的基本原理和前沿思想。Python是开展机器学习编程实践的主流语言,本书为常用的机器学习模型提供了完整的Python实现代码。本书在“中国大学MOOC”上同步开设配套慕课课程,供读者免费学习。

《AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(医疗、法律和金融等等)。虽然智能体的设计原则已被理解，但目前的大多数深度学习模型对人类理解而言是“不透明的”。《AI可解释性(Python语言版)》从理论和实践的角度填补了这个新兴主题文献方面的空白

本书采用“理论+实践”的方式，全面系统地讲授了深度学习的基本原理以及使用TensorFlow实现各类深度学习网络的方法。全书共10章，第1～3章主要介绍深度学习的基础知识，包括深度学习的概念和应用、深层神经网络的训练和优化、TensorFlow的内涵和特点等内容；第4～5章主要介绍TensorFlow的安装，以及计算模型、数据模型、运行模型等TensorFlow编程的基础知识；第6～10章主要围绕TensorFlow介绍各类深度学习网络，包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、

本书深入浅出地介绍了近年来AI领域中十分引人注目的新型人工神经网络——生成对抗网络（GAN）的基本原理、网络结构及其在图像处理领域中的应用；同时，分析了近年来在GAN训练、GAN质量评估及多种改进型GAN方面取得的进展；在实践方面，给出了基于Python的基本GAN编程实例。另外，本书还介绍了支撑GAN模型的基础理论和相关算法，以使读者更好地理解和掌握GAN技术。

作为机器学习领域应用比较成熟、广泛的业务，个性化推荐在电商、短视频等平台发挥着重要作用，其背后的推荐系统已成为当今越来越多应用程序的标配。关于推荐算法的论述有很多，而要将其很好地应用到实际场景中，则需要大量的实践经验。本书从实战的角度介绍推荐系统，主要包含三部分：召回算法、排序算法和工程实践。书中细致剖析了如何在工业中对海量数据应用算法，涵盖了从算法原理，到模型搭建、优化以及最佳实践等诸多内容。

本书围绕人工智能与大数据技术这一主题，简明扼要地阐述了人工智能与大数据技术的基本理论和发展趋势。全书分七章，包括人工智能概述、人体行为之智能机器人、智能信息处理技术、分布式人工智能中的Agent技术等。

本书基于嵌入式人工智能开发板EAIDK-310和嵌入式虹膜门禁系统EAIDK-310-P20实验平台,使用Qt和PyQt作为界面设计和运行框架,通过在嵌入式Linux系统中使用Python和C++语言编写程序代码,实现视频采集、物体分类、人脸识别、虹膜图像预处理、虹膜图像特征提取与匹配、虹膜图像采集与定位显示、虹膜识别门禁系统、智能音箱等实践案例。本书重实践、重应用、重开发、重创新,以人工智能主流应用场景落地为导向、以强化学生应用能力的培养为目标,详细阐述解决实际问题的前沿技术和方法。

本书共分为10章。第1章为绪论;第2、3章分别介绍使用传递函数和状态空间方程描述系统的方法;第4、5章使用这两种方法分析一阶系统与二阶系统的时域响应;第6章介绍系统稳定性的概念;第7、8章重点分析经典控制理论中的控制器设计方法,包含比例积分控制和根轨迹法;第9章介绍系统的频率响应并与滤波器的设计相结合;第10章讨论现代控制理论中的控制器设计,以及观测器设计方法。附录部分介绍两个广泛使用的工程数学工具:线性化与傅里叶变换。

本书讲述如何快速利用无服务器计算和基于云的人工智能服务的能力。介绍基础知识后,将带你领略第一个实际操作的无服务器人工智能项目:一个可识别任意网页图像的系统。在本书中,你将探索用于图像分析的AmazonRekognition工具、云基础设施部署、爬虫服务和简单API等技术。掌握这个有趣项目中的概念和技能后,你将着手构建一个无服务器的应用程序,它使用基于云的人工智能工具,如基于AWSTranscribe和Polly来实现“语音-文本”双向转换功能,基于Lex来创建交互式聊天机器人。

本书主要内容包括：入门篇（初识人工智能）、理解篇（认知人工智能的应用技术）、实践篇（探索生活中的人工智能应用）、拓展篇（理解人工智能的重要概念）。本书力求将人工智能相关理论、知识点与具体实践应用进行结合，通过知识点对应的实践项目的设置，大大地增强教材的应用性、丰富性及实践性，极大地提升学生的学习兴趣、理解能力和实践能力。