"本书基于国产开源深度学习框架PaddlePaddle进行编写，全面、系统地介绍了PaddlePaddle在数字图像处理中的各种技术及应用，书中项目实例全部采用动态图版本实现。全书共8章，分别介绍了基于深度学习的图像分类、目标检测、语义分割、实例分割、关键点检测、风格迁移等内容，所有知识点均通过实际项目进行串联，旨在帮助读者在掌握基本深度学习算法原理的基础上，扩展项目实操能力，达到学以致用的效果。...

"机器学习是以概率论、统计学、信息论、**化理论、计算理论等为基础的计算机应用理论学科，也是人工智能、数据挖掘等领域的基础学科。本书全面系统地介绍了机器学习的主要方法，共分4 篇。第一篇介绍监督学习的主要方法，包括线性回归、感知机、支持向量机、**熵模型与逻辑斯谛回归、提升法、隐马尔可夫模型和条件随机场等；第二篇介绍无监督学习的主要方法，包括聚类、奇异值分解、主成分分析、马尔可夫链蒙特卡罗法、EM...

"本书系统梳理了人工智能领域的技术进展、前沿应用与未来趋势，内容覆盖从基础理论到产业落地的各个层面，全面展现了人工智能飞速发展所引发的重大变革。全书共15章，围绕人工智能的发展历程、研究领域、前沿技术、典型应用、安全伦理、产业格局、战略布局与产业发展等关键议题展开，重点讨论了无监督学习、自动机器学习、人工智能生成内容、人工智能大模型、智能体智能、智能无人系统、元宇宙、脑启发人工智能和人工智能驱动科...

"本书将从强化学习最基本的概念开始介绍，将介绍基础的分析工具包括贝尔曼公式和贝尔曼**公式，之后会推广到基于模型的和无模型的强化学习算法，最后会推广到基于函数逼近的强化学习方法。本书强调从数学的角度接引入概念、分析问题、分析算法。并不强调算法的编程实现，因为目前已经有很多这方面的书籍，本书将不再重复造轮子。 本书面向对强化学习感兴趣的本科生、研究生、研究人员和企业研究所从业者。 它不需要读者有...

"人工智能（Artif icial Intelligence，AI）技术正在席卷全球，大家都希望能快速掌握AI的基本技术，参与到这个充满前景的领域，但是苦于缺乏相关的基础，对AI行业的术语难以快速理解。本书从基本的概念出发，以日常生活和工作中的实例为基础，深入浅出地阐述AI技术的原理，读者即便没有任何相关的技术基础，也能快速掌握主要的概念，从而完成AI的入门学习。 本书内容涵盖AI基本原理、机...

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征...

《人工智能的底层逻辑》用科普化的语言介绍了搜索、计算机视听觉、自然语言处理、机器学习、多模态信息处理等人工智能系统中的基础算法和数学模型，它们是实现人工智能的基础。展示了人工智能的底层逻辑，人工智能工作的基本规律。让读者真正搞懂如何给机器装上眼睛和耳朵、如何让机器理解人类语言、如何让机器拥有知识、如何让机器懂逻辑会推理、如何使机器人的言行符合人类的规范。全书深入浅出，通俗易懂，精美的插画更增加了可...

"《机器学习 : 全彩图解+微课+Python编程》是“鸢尾花数学大系：从加减乘除到机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而《机器学习 : 全彩图解+微课+Python编程》将开启机器学习经典算法的学习之旅。 《机器学习 : 全彩图解+微课+Python编程》设置了 24 个话题，对应四大类机器学习经典算法（回归、分类、降维、聚类），覆盖算法包括： 回...