大数据与人工智能技术丛书PyTorch深度学习实战-微课视频版

本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如Batch Normalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解以及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握...

传感器原理及应用

《传感器原理及应用》系统全面地介绍各类传感器的结构、工作原理、特性、参数、电路及典型工程应用，覆盖传感技术研究中的新成果。　　全书共分10章，第1章对传感技术的定义、作用以及传感器的组成、分类、性能指标进行简要介绍；第2～9章介绍各种传感技术，包括光电传感器、数字传感器、热电传感器、电阻传感器、电容传感器、电感传感器、压电传感器、霍尔传感器、声敏传感器、超声波传感器、气敏传感器、湿敏传感器、生物传感器、超导传感器、智能传感器；第1

机器人工程师成长三部曲之一机器人工程师成长三部曲之一--机器人

本书基于项目化的学做方式，将一个个独立功能单元设计成学习项目，带领读者完成机器人设计与制作的入门学习。 主要内容包括：如何制作“飞毛腿”机器人、构建机器人开发平台、机器人如何用灯光表达信息、机器人如何用声音传情达意、机器人如何实现移动、机器人如何感知环境、为机器人造型、机器人需要怎样的电源系统、桌面助理机器人的设计、自主移动机器人的设计。 每个项目均是作者亲自设计制作完成，过程有效，数据可靠。 书中配有二维码，扫码即可观看视频讲解。

机器学习测试入门与实践

本书全面且系统地介绍了机器学习测试技术与质量体系建设，分为5部分，共15章。第一部分（第1～4章）涵盖了机器学习、Python编程、数据分析的基础知识；第二部分（第5～7章）介绍了大数据基础、大数据测试指南及相关工具实践；第三部分（第8～10章）讲解了机器学习测试基础、特征专项测试及模型算法评估测试；第四部分（第11～13章）介绍了模型评估平台实践、机器学习工程技术及机器学习的持续交付流程；第五部分（第14章和第15章）探讨了AI（A

深度学习实战:基于TensorFlow 2.0的人工智能开发应用

本书以Tensorflow2.0人工智能平台的基础架构作为切入点，逐步过渡到Tensorflow2.0项目开发实战和项目部署上线，重点介绍了使用Tensorflow2.0的不错封装Keras搭建神经网络、训练神经网络和神经网络模型预测，让读者在项目实践中系统学习人工智能任务的工作流程及使用Tensorflow2.0框架开发的完整过程，并且帮助读者更加深入的理解人工智能。 本书涵盖了人工智能所需的基本知识，既有理论知识，如人工神经网络、

零基础学机器学习

本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。 本书通过AI“小白”小冰拜师程序员咖哥学习机器学习的对话展开，内容轻松，实战性强，主要包括机器学习快速上手路径、数学和Python 基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积神经网络、循环神经网络、经典算法、集成学习、无监督和半监督等非监督学习类型、强化学习实战等内容，以及相关实战案例。

机器新脑:我是如何学会停止担忧并爱上AI的

当你老了以后，养活你的很可能是人工智能。也许你会觉得这是痴人说梦——但正如父辈无法想象今天的我们是被核电站、半导体芯片和基因技术养活的一样，很快，它就会变成再普通不过的现实。 真实的未来，总是来得猝不及防。当你从机器人小哥手中接过外卖、吃着机器餐厅自动炒的菜、看着从演员到场景都是AI生成、连字幕都是AI翻译的剧——你丝毫不会觉得有什么特别，就像今天的你已经对微信语音识别和支付宝刷脸支付习以为常一样。 所有这一切，都来源于人工智

增强深度神经网络

深入深度神经网络，揭开对抗性输入如何欺骗深度神经网络。探讨如何生成对抗性输入去攻击深度神经网络。探索真实对抗性攻击场景和为对抗性威胁建模。评估神经网络的健壮性；学会增强人工智能系统应对对抗性数据的能力。考察未来几年可用哪些方式让人工智能更擅长模拟人的感知...

零基础实践深度学习

《零基础实践深度学习》从人工智能、机器学习和深度学习三者的关系开始，以深度学习在计算机视觉、自然语言处理和推荐系统的应用实践为主线，逐步剖析模型原理和代码实现。书中的内容深入浅出，通过原理与代码结合、产业实践和作业题结合的方式，帮助读者更好掌握深度学习的相关知识和深度学习开源框架的使用方法。为了让更多的读者从中受益，快速应对复杂多变的AI应用，书中还介绍各种模型资源和辅助工具，旨在帮助读者在人工智能的战场上武装到牙齿，和“AI大师”一

Python机器学习的数学

本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成，力求精准、很小地覆盖机器学习的数学知识。包括微积分，线性代数与矩阵论，很优化方法，概率论，信息论，随机过程，以及图论。本书从机器学习的角度讲授这些数学知识，对它们在该领域的应用举例说明，使读者对某些抽象的数学知识和理论的实际应用有直观、具体的认识。 本书内容紧凑，结构清晰，深入浅出，讲解详细。可用作计算机、人工智能、电子工程、自动化、数学等相关专业的教材与教

人工智能简史(第2版)

《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、不错智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。 第2版中每章都有新增内容，并增加了全新的3章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。 本书极具专业性、思想性和趣味性，既适合缺少专业背景的读

人工智能出版工程人工智能:智能人机交互

本书在介绍人机交互基本概念和发展状况的基础上，详细讨论了智能人机交互基础理论、生理计算与交互、手势理解与交互、草图计算与交互、情感计算与交互、言语计算与交互、智能仿真与交互、交互式机器学习等内容...

深度学习500问:AI工程师面试宝典

本书系统地描述了深度学习的基本理论算法及应用。全书共14章，~3章论述了数学基础、机器学习基础和深度学习基础；第4~7章介绍了一些经典网络及计算机视觉领域中常用的CNN、RNN、GAN等网络结构技术；第8~9章介绍了深度学习在计算机视觉领域的目标检测及图像分割两大应用；0~14章介绍了计算机视觉领域主要的优化方法及思路等，包括迁移学习、网络架构及训练、网络优化技巧、超参数调整及模型的压缩和加速等。本书凝聚了众多一线科研人员及工程师的经

PythonPython深度学习与项目实战

本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，很后讨论自编码模型、对抗生成网络、深度强化学习。本书结合计算机视觉、自然语言处理、金融领域等方面的项目，系统讲述深度学习技术，可操作性强...

深度学习与围棋

这是一本深入浅出且极富趣味的深度学习入门书。本书选取深度学习近年来很重大的突破之一 AlphaGo，将其背后的技术和原理娓娓道来，并配合一套基于 BetaGo 的开源代码，带领读者从零开始一步步实现自己的“AlphaGo”。本书侧重实践，深入浅出，庖丁解牛般地将深度学习和AlphaGo这样深奥的话题变得平易近人、触手可及，内容很好精彩。 全书共分为3个部分：部分介绍机器学习和围棋的基础知识，并构建一个很简围棋机器人，作为后面章节内容的

智能机器人技术(安保巡逻处置类警用机器人研究实践)

警用机器人及其系统是大数据、云计算、人工智能、物联网等新技术的融合应用，是“云-网-端”架构理念在公安领域落地的装备形态。本书围绕智能机器人关键技术，讲述了警用机器人实战应用技术，如安保机器人关键技术、巡逻机器人关键技术、处置机器人关键技术以及警用机器人指挥控制技术。本书可供从事机器人教学和科研的人员阅读参考...

GAN实战

本书主要介绍构建和训练生成对抗网络（GAN）的方法。全书共12 章，先介绍生成模型以及GAN 的工作原理，并概述它们的潜在用途，然后探索GAN 的基础结构（生成器和鉴别器），引导读者搭建一个简单的对抗系统。 本书给出了大量的示例，教读者学习针对不同的场景训练不同的GAN，进而完成生成高分辨率图像、实现图像到图像的转换、生成对抗样本以及目标数据等任务，让所构建的系统变得智能、有效和快速...

机器学习导论

本书分类《机器学习导论》面向机器学习领域的主要模型和算法，重点阐述不同方法背后的基本假设以及它们之间的相关性，帮助读者建立机器学习的基础理论功底，为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题，线性模型，神经网络及深度学习，核方法，图模型，无监督学习，非参数模型，演化学习，强化学习，数值优化方法等。 本书可作为高等学校相关课程的教材，也可作为研究生及对机器学习感兴趣的科技、工程技术人员的参考用书

图神经网络 基础与前沿

图神经网络是人工智能领域的一个新兴方向，它不仅迅速得到了学术界的广泛关注，而且被成功地应用在工业界的多个领域。本书介绍了图神经网络和图深度学习的基础知识和前沿研究，不仅包括它们的发展历史和经典模型，还包括图神经网络在深层网络、无监督学习、大规模训练、知识图谱推理等方面的前沿研究，以及它们在不同领域（如推荐系统、生化医疗、自然语言处理等）的实际应用。本书既可作为人工智能领域研究和开发人员的技术参考书，也可作为对图上的深度学习感兴趣的高年

图解人工智能

近年，人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发推荐的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该领域打下基础。另外，书中设有专栏和“小贴士”，介绍了相关术语的背景知识，可帮助读者扩充知识面，进一步理解相关技术...

智能机自语境化认知模型建构:认知的语境论研究

用语境论（contextualism）研究认知问题是为了回答以什么样的形式、基点或核心去重构认知哲学未来走向的重大理论问题。　　《智能机自语境化认知模型建构 认知的语境论研究》运用“假设—检验”研究策略，以人的自语境化认知过程为模板，用智能机验证这种演化过程，获得对“人类何以思维”这个问题的更加深刻的认识。　　《智能机自语境化认知模型建构 认知的语境论研究》共七章。第1章主要对《智能机自语境化认知模型建构 认知的语境论研究》概念进行界

智能机器人原理与实践

本书主要介绍智能机器人系统的运动控制、智能感知、通信系统、视觉技术、语音技术、导航与路径规划等方面内容。本书编撰从创新能力较强的应用型人才培养角度出发，重视理论与实践结合，并力求深入浅出。可作为高等院校智能科学与技术专业、自动化、电子信息与机械电子工程等专业的本科生和硕士生作为教材或参考书使用，也可作为工科学生机器人创新实践活动、相关学科竞赛的培训教材或供有关工程技术人员参考...

数控挖掘与机器学习-WEKA应用技术与实践-(第二版)

系统讲解数据挖掘机器学习工具weka 经典的开源挖掘工具、开放的java环境 初学者的入门*、研究者的钻研利器...

乐高机器人设计及搭建绝妙技法-随书赠送价值300元码高机器人教育

多位名校教师、学生家长推荐特长生的培养手册，国际大赛的入场券30个获奖的搭建案例，迅速提高学习能力所有案例均可通过扫描二维码观看名师视频讲解随书赠送价值300元码高机器人教育课程优惠...

虚拟人-人类新物种

比史蒂夫乔布斯、埃隆马斯克更偏执的科技狂人，现实版弗兰肯斯坦，美国知名生物制药公司联合治疗公司创始人兼CEO玛蒂娜罗斯布拉特缔造不死未来的世纪争议之作！ 超越人类身体的物理界限，实现人类思维、意识永生不死！《虚拟人》通过思维文件、思维软件、思维克隆人及思维克隆技术等核心概念，向我们展现了一幅人类未来思维永生的大图景！ 驭势科技（北京）有限公司联合创始人兼CEO吴甘沙，Ehang亿航创始人兼CEO胡华智，清华大学心

新型冠状病毒肺炎影响诊断与人工智能

主要介绍：NCP背景介绍，影像CT技术应用规范，CT征象定义及征象代表的病理表现，征象识別三步法与闭环分析五步法，NCP与常见病的影像鉴别诊断，操作规程中防控与质控，AI对NCP定量及征象特征提取与分类。人工智能、云计算与5G新技术应用展望...

图神经网络导论

本书全面地介绍了GNN的基本概念、具体模型和实际应用。首先概述数学基础和神经网络的概念, 接着介绍GNN的不同种类, 包括卷积图神经网络、循环图神经网络、图注意力网络、图残差网络, 以及几个通用框架。此外, 本书还介绍了GNN在结构化场景、非结构化场景和其他场景中的应用。读完本书, 你将对GNN的最新成果和发展方向有较为透彻的认识...

混合学习环境中协作知识建构策略研究

人机对话系统

OpenCV 4机器学习算法原理与编程实战

本书主要面向OpenCV领域的研究与开发人员，采用原理结合实战的方式，介绍OpenCV 4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10章， 第1~3章， 介绍OpenCV 4的基础知识、基本图像操作和机器学习基础知识；第4~8章，介绍K-means、KNN、决策树、随机森林、Boosting算法和支持向量机等机器学习算法与编程实战；第9~10章，介绍神经网络与深度神经网络的基本原理与编程实战，并提供

知识表示与处理(本科教材)

本书以知识表示与处理所涉及的相关知识，如知识获取、知识表示、知识推理、知识迁移等内容为主体，完整呈现了知识表示与处理的知识体系。本书首先，介绍了知识表示与处理的发展、相关概念、流程等；其次，介绍了知识获取的内容；再次，重点介绍了知识表示的各种方法，如逻辑谓词、产生式规则、语义网络、本体、知识图谱等，以及知识推理所涉及的确定性知识推理和不确定性知识推理；最后，介绍了知识应用和知识迁移相关的内容。本书将免费提供配套PPT、实验及应用案例等

机器学习观止 核心原理与实践

《机器学习观止——核心原理与实践》在写作伊始，就把读者设想为一位虽然没有任何AI基础，但对技术本身抱有浓厚兴趣、喜欢“抽丝剥 茧”、探究真相的“有识之士”。有别于市面上部分AI技术书籍从一开始就直接讲解各种“高深莫测”算法的叙 述手法，《机器学习观止——核心原理与实践》尝试先从零开始构建基础技术点，而后“循序渐进”地引领读者前进，最终“直捣黄龙”，赢取最 后的胜利。 全书据此分为5篇，共31章，内容基本覆盖了由AI发展历史、数学

人工智能入门(第一册)

本书分三章, 人工智能概述、Python编程初步 —— 用程序与小车对话、多传感器测距。内容包括: 生而为人: 从人类智能到人工智能 ; 神通广大: 人工智能可以做什么? 等...

TensorFlow神经网络到深度学习

本书共12章, 主要包括内容有: TensorFlow软件、计算机视觉与深度学习、深度神经网络的基础、全连接神经网络、卷积神经网络、高级卷积神经网络、循环神经网络、对抗神经网络、其他监督学习、非监督学习、自动编码机、强化学习等内容...

深入浅出深度学习从逻辑运算到人工智能

《深入浅出深度学习：从逻辑运算到人工智能》讲解生动，清晰简明，介绍深度学习前沿的连接模型，讨论非常流行的算法和架构，分析深度学习和连接的有趣开放性研究问题。　　《深入浅出深度学习：从逻辑运算到人工智能》涉及卷积网络、LSTM、Word2vec、RBM、DBN、神经图灵机、记忆网络和编码机等概念，主题包括机器学习基础知识、深度学习的数学和计算知识、前馈神经网络、卷积神经网络、前馈神经网络的循环连接、自动编码机等...

深度学习的驾驶意图识别

《深度学习的驾驶意图识别》主要介绍了Python基础知识、信号处理技术、机器学习基础、深度学习的驾驶意图识别、驾驶意图人机融合。书中运用小波理论、小波包理论、主成分分析法等对信号进行处理，并通过Python实现；介绍了深度学习模型循环神经网络、LSTM模型；同时还介绍了输入脑电信号对驾驶意图识别的试验，识别后的驾驶意图可运用到自动驾驶领域，辅助保障行车安全。本书可帮助读者更好地理解基于信号技术的深度学习的驾驶意图识别，更深入地理解并掌

深度学习的数学原理与实现

深度学习已经进入我们的生活，云计算和大数据为深度学习提供了便利。本书主要讲解深度学习中的数学知识、算法原理和实现方法，配套源码、数据集和开发环境。 本书共12章。章介绍人类视觉和深度学习的联系。第2章介绍深度学习中很为重要的梯度下降算法。第3章介绍卷积函数。第4章介绍计算损失函数所使用的交叉熵、决策树和信息熵。第5章介绍线性回归和逻辑回归。第6、7章介绍时间序列模型和生成对抗网络。第8章介绍TensorFlow框架。第9章介绍推荐算法

未来制造新模式 理论、模式及实践

《未来制造新模式：理论、模式及实践/智能制造系列丛书》在介绍传统制造模式内涵和制造新模式的特点基础上，系统性地阐述了制造模式创新原理和驱动要素，提出了制造模式在实施过程中的演化和决策模型，回顾了中国企业实施制造新模式的概况；有利于进一步丰富未来制造新模式的知识体系，为“中国制造2025”战略下的制造企业转型升级，提供理论指导和案例支持。 《未来制造新模式：理论、模式及实践/智能制造系列丛书》内容深入浅出、全面细致，语言通俗易懂、条理清

人工智能.理论基础+商业落地+实战场景+案例分析

人工智能时代已经来临，这项技术正在改变人类的认知和生活，也对社会各个领域产生了重大的影响。本书从理论基础、商业落地、实战场景、案例分析多个方面介绍人工智能，讲述人工智能对农业、金融、娱乐、医疗、营销、工业、教育等领域的影响。另外，为了迎合时代热点，本书还分析了人工智能与5G、区块链等前沿技术的融合及融合效果，使读者了解当人工智能成为不可逆转的趋势，应该如何跟上时代的步伐。本书是一本不可多得的实战书，不仅具备很强的操作性，还具备一定的前

人工智能:寒武纪平台边缘智能实践

《人工智能：寒武纪平台边缘智能实践》旨在帮助有一定人工智能理论基础的学习者提升实践能力。主要分为两部分，首部分是对深度学习的一些基础知识的介绍，作用是服务于后续案例，其中包含了对于国产智能化芯片——寒武纪智能芯片的相关知识的讲解，从原理的介绍到平台的使用，最后到边缘化设备的使用都做了详细的说明，有助于读者理解从网络模型到边缘化设备的具体使用过程，读者可参照这部分内容去完成后续的案例；第二部分则是列举了当下一些较为热门和应用程度较高

预训练语言模型

预训练语言模型属于人工智能领域中自然语言处理领域的一个细分。 本书主要介绍预训练语言模型。预训练语言模型是自然语言处理领域的重要突破，得到了越来越广泛的关注，相关研究者和从业人员在实际应用的过程中，亟需一本理论翔实、代码细节充分的参考书。本书详细梳理了预训练语言模型的基本概念和理论基础，并通过实际代码的讲解， 阐述了具有代表性的预训练语言模型的实现细节，很好适合需要快速、全面掌握预训练语言模型的从业者阅读...

图解机器学习算法(全彩印刷)/图灵程序设计丛书

本书基于丰富的图示，详细介绍了有监督学习和无监督学习的17种算法，包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k-means算法、混合高斯分布、LLE和t-SNE。书中针对各算法均用Python代码进行了实现，读者可一边运行代码一边阅读，从而加深对算法的理解...

知识图谱导论

知识图谱的发展历史源远流长，从经典人工智能的核心命题――知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，100多个基础知识点的内容，同时囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习

国之重器出版工程 智能物联技术

物联网被称为优选信息产业的第三次浪潮，自1999年概念被抢先发售提出后，先后经历了局部物联、开放物联的阶段，并开始走向智能物联的新阶段。本书在梳理相关背景、把握时代脉搏的前提下，详细阐述智能物联的概念和内涵，从智能感知、智能网络、智能平台三方面对智能物联技术展开分析和研究，并对典型的智能物联应用进行介绍。很后，从政策、技术和理念多角度，对智能物联未来发展进行了展望...

TensorFlow 2 实战

《TensorFlow2实战》首先讲解深度学习和TensorFlow2的基础知识，然后通过图像处理和自然语言处理两方面的实例，帮助读者进一步掌握深度学习的应用，很后通过对生成对抗网络和强化学习知识的讲解，带领读者精通深度学习。 《TensorFlow2实战》适合想要学习和了解人工智能、深度学习技术的程序员阅读，也可作为大专院校计算机专业师生的学习用书和培训学校的教材...

基于深度学习的水下信息处理方法研究

本书主要研究对水下信息的处理方法。而深度学习尤其是深度神经网络在近年证明了其在各个领域方面超越传统机器学习方法的性能, 且相比传统机器学习算法, 能够对数据进行有效缩放, 使用更多的数据可以更好地扩展, 不需要特征工程, 适应性强...

Python机器学习中的数学修炼

数学是机器学习和数据科学的基础，任何期望涉足相关领域并切实领悟具体技术与方法的人都无法绕过数学这一关。本书系统地整理并介绍了机器学习中所涉及的必备数学基础，这些都是笔者从浩如烟海的数学知识中精心萃取的，在学习和研究机器学习技术时所必须的内容。具体包括微积分（主要是与z优化内容相关的部分）、概率论与数理统计、数值计算、信息论、凸优化、泛函分析基础与变分法，以及蒙特卡洛采样等话题。为了帮助读者加深理解并强化所学，本书还从上述数学基础出发进

机器视觉技术基础

本书在讲述机器视觉基本原理和基本概念的基础上，重点介绍了机器视觉系统的构成以及机器视觉技术在实际生产中的应用，有较强的参考价值。本书具体内容包括：数字图像基础、HALCON功能及应用、图像预处理、图像分割、特征提取、图像的形态学处理、图像模板匹配、3D视觉、综合项目案例分析等。 本书可作为高等学校自动化类、机电类、电子信息类、计算机类相关专业的教学参考书，也可作为工程技术人员加深理解机器视觉及其应用技术的参考用书...

人工不智能:计算机如何误解世界(见识丛书52)

"布鲁萨德写这本书的用意是为了给读者“赋能”。通过这本书，你会了解人工智能、 机器学习、大数据是怎么回事，了解计算机的本质是什么，从此对人工智能和大数据这些大词没有畏惧心理。 这本书会告诉你，高估了人工智能会带来什么社会问题，以及自动驾驶这件事有多难，它还会告诉你，现阶段人工智能的社会化应用的根本矛盾是什么。人们不应该假设计算机能够永远正确，如果人们能够认识到技术使用的局限性，可以让技术更好地造福人类。 人工智能想大规模取

机器学习的数学原理和算法实践

零基础读者应如何快速入门机器学习？数学基础薄弱的读者应如何理解机器学习中的数学原理？这些正是本书要解决的问题。本书从数学基础知识入手，通过前3章的介绍，帮助读者轻松复习机器学习涉及的数学知识；然后，通过第4-3章的介绍，逐步讲解机器学习常见算法的相关知识，帮助读者快速入门机器学习；很后，通过4章的综合实践，帮助读者回顾本书内容，进一步巩固所学知识。 《机器学习的数学原理和算法实践》适合对机器学习感兴趣但数学基础比较薄弱的读者学习，也适

小学生人工智能——智能摄像头KOI

本书分为上、下两册，共26课，其中包括2个综合实践。上册4个单元，分别是程序思维、语音识 别、机器视觉和综合实践——垃圾分拣机，从“软件模拟”到“实物操作”，让学生感受到人工智能在 生活中的广泛应用。下册4个单元，分别是智能小车、旋转云台、机械手臂和综合实践——无人驾驶小 车，以探究性学习和创新思维培养为主线，侧重培养学生的动手能力，强调知识的融合应用与实践，实 现“玩中学，做中学”的教学思想。 本书适合开设人工智能课程的普通小学或

BERT基础教程:Transformer大模型实战

本书聚焦谷歌公司开发的BERT自然语言处理模型，由浅入深地介绍了BERT的工作原理、BERT的各种变体及其应用。本书呈现了大量示意图、代码和实例，详细解析了如何训练BERT模型、如何使用BERT模型执行自然语言推理任务、文本摘要任务、问答任务、命名实体识别任务等各种下游任务，以及如何将BERT模型应用于多种语言。通读本书后，读者不仅能够全面了解有关BERT的各种概念、术语和原理，还能够使用BERT模型及其变体执行各种自然语言处理任务.