机器学习是计算机科学的重要分支领域.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，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索.本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.
一本将 AI 绘画讲透的探秘指南，通过丰富的实践案例操作，通俗易懂地讲述 AI 绘画的生成步骤，生动展现了 AI 绘画的魔法魅力。从历史到未来，跨越百年时空；从理论到实践，讲述案例操作；从技术到哲学，穿越多个维度；从语言到绘画，落地实战演练。AI 绘画的诞生，引发了奇点降临，点亮了 AGI（通用人工智能），并涉及 Prompt、风格、技术细节、多模态交互、AIGC 等一系列详细讲解。让您轻松掌握生图技巧，创造出独特的艺术作品，书写属于自己的艺术时代。
安德里亚斯·穆勒、莎拉·吉多著的《Python机器学习基础教程》是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中 常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的 方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。 本书适合机器学习从业者或有志成为机器学习从业者的人阅读。
本书是一本从机器学习视角讲解计算机视觉的很好好的教材。全书图文并茂、语言浅显易懂，算法描述由浅入深，即使是数学背景不强的学生也能轻松理解和掌握。作者展示了如何使用训练数据来学习观察到的图像数据和我们希望预测的现实世界现象之间的联系，以及如何如何研究这些联系来从新的图像数据中作出新的推理。本书要求少的前导知识，从介绍概率和模型的基础知识开始，接着给出让学生能够实现和修改来构建有用的视觉系统的实际示例。适合作为计算机视觉和机器学习的高年级本科生或研究生的教材，书中详细的方法演示和示例对于计算机视觉领域的专业人员也很好有用。
本书共4章。每章即为一个系列，每个系列中包含数量不等的主题创意结构设计，全书采用图片为主的形式展示每个主题创意结构设计的静态资料，同时对每个作品配备二维码，通过手机扫描二维码可以浏览相关主题结构设计的动态搭建过程或者相关视频资料。通过动静结合的方式对相关机器人结构设计进行完美展示，以期读者群能够通过本书的学习掌握机器人结构设计的精髓。
内容简介： 智能可穿戴设备已经成为一个新兴的产业，是全球关注的焦点。本书全面分析了国内外的产业发展形势、技术发展概况以及从事该行业的产业链布局，提出了产业发展建议。 本书可供机械、电子、信息、制造等行业的科技人员参考，也可供热心关注智能可穿戴领域发展的人士，尤其是当前全国正在开展智能可穿戴设备研究生产的单位参阅。
戴建生编著的这本《机构学与机器人学的几何基础与旋量代数》起始于直线几何与线性代数，自然过渡到旋量代数与有限位移旋量，紧密联系李群、李代数、对偶数、Hamilton四元数、Clifford对偶四元数等现代数学基础，首次全面、深入地阐述旋量代数在向量空间与射影几何理论下的演变与推理，提出旋量代数与李代数、四元数代数以及有限位移旋量与李群之间的关联理论，展现出旋量理论与经典数学以及现代数学的内在关联，总结提炼出许多论证严密、意义明确的引理、定理与推论，由此阐述*篇 几何基础、旋量代数与李群、李代数 ，给出机构学与机器人学的几何基础与数学理论。 在第二篇 旋量系理论及机构约束与自由运动 中，运用集合论与线性代数等经典数学推导并揭示旋量系、旋量多重集及其阶数与基数的本质内涵，提出并阐述旋量系关联关系理论、零空
本书介绍广泛应用的人工智能技术 模式识别及其应用的*进展，收集了世界一流的模式识别、人工智能和生物特征识别技术领域专家编写的31章内容，涵盖模式识别与机器智能、计算机视觉与图像处理、人脸识别与取证、生物特征身份验证等多方面结合的研究。其应用跨越多个领域，从工程、科学研究和实验，到生物医学和医学诊断，再到身份认证和国土安全。此外，《本书还介绍了人类行为的计算机建模和仿真。 本书是计算机与信息类以及通信与控制类专业研究生和相关研究人员的参考书。 P0trckS.P.Wang（王申培）美国东北大学教授，上海华东师大紫江学者，台湾科技大学客座教授。
