本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。 全书共15章，分为三个部分。 分为机器学习基础：第1章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者全面了解相关知识；第2~3章介绍机器学习的基础知识。 第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；第10章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。 第三部分
汉语是一种声调语言，声调在辨意中发挥着重要作用，因此声调的特征研究是汉语方言研究的重要部分。本书介绍了多种智能算法在汉语方言单字调识别中的应用，为汉语方言的语言研究学者提供了新的研究方法和思路。
本书融合了统计机器学习和数字信号处理方面的知识，详细描述了相关的数学基础和算法，以扎实的、逐步推进的方式引入并讲解概念，以便在实际的软件应用中实现这些想法和算法。对于我们面临的实际问题，书中提供了技术背景，解释了为什么某些方法（而不是其他方法）能够成为 实践；而对于新的问题，书中则提供了框架，教会你如何进行思考和寻求解决之道。 本书适合有信号处理背景，并且有意深入学习和应用机器学习的读者阅读。
数据科学与人工智能数学基础课旨在帮助读者快速打下数学基础，通俗讲解每一个知识点。 全书分为3篇，共17章。其中第1篇为基础篇，主要讲述了高等数学基础、微积分、泰勒公式与拉格朗日；第2篇为核心知识篇，主要讲述了线性代数基础、特征值与矩阵分解、随机变量与概率估计、概率论基础、数据科学的几种分布、核函数变换、熵与激活函数；第3篇为 应用篇，主要讲述了回归分析、假设检验、相关分析、方差分析、聚类分析、贝叶斯分析等内容。书中案例均是与AI相关的案例。 本书适合准备从事或学习数据科学与人工智能相关行业的读者。
