本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了 现代 理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

《深度学习》内容介绍：《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。 《动手学深度学习》内容简介：本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以

9787115600820 动手学深度学习（PyTorch版） 109.80 9787115584519 动手学强化学习 89.90 9787115618207 动手学机器学习 89.80 《动手学深度学习（PyTorch版）》 本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络 多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用

人工智能（AI）技术造福了人类, 但是如果不恰当地开发和使用，反而会伤害人类和社会。针对AI技术的新特征和新挑战，本书系统提出并全面介绍 以人为中心人工智能 的理念、方法和应用。基于 以人为中心人工智能 的理念，本书系统提出 人智交互 (人 人工智能交互) 这一跨学科新领域，定义人智交互的研究对象、方法、关键问题、研究范式取向等。在详细阐述 以人为中心人工智能 新理念和人智交互新领域框架的基础上，本书从理论和方法、专题研究、行业应用三方面介绍近期的相关研究和应用，旨在推动国内相关研究和应用,进一步促进AI技术的安全有效发展,使其造福人类，并避免潜在的负面影响。 本书具有创新性、系统性、应用性、时效性等特点，属于人工智能、计算机科学、人机交互、人因工程、心理学和行为科学、设计、用户体验等跨学科领域融合的

深度学习绝非不可窥探的黑箱!深入理解其模型和算法的实际运作机制，是驾驭并优化结果的关键。你无需成为数学专家或资深数据科学家,同样能够掌握深度学习系统内部的工作原理。本书旨在通过深入浅出的方式，为你揭示这些原理，让你在理解和解释自己的工作时更加自信与从容。 《深度学习精粹与PyTorch实践》以浅显易懂的方式揭示了深度学习算法的内部运作机制，即使是机器学习初学者也能轻松理解。本书通过平实的语言解析、详尽的代码注释,以及数十个基于PyTorch框架的实战示例，逐步引导你探索深度学习的核心概念与实用工具。本书避免了复杂的数学公式堆砌，而是采用直观易懂的方式阐述每种神经网络类型的运作逻辑。更令人兴奋的是，书中提供的所有解决方案均可在现有的GPU硬件上顺畅运行! 主要内容 ● 选择正确的深度学习组件 ● 训练和评估

本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分 地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

本书全面阐述了现代因果关系分析。它展示了因果关系是如何从一个模糊的概念发展成为一个数学理论，并在统计学、人工智能、经济学、哲学、认知科学、卫生和社会科学等领域有重要的应用。

本书是人工智能专业基础全面的解读，作者陆汝钤院士在知识工程和基于知识的软件工程方面做了系统的、创造性的工作，是我国该领域研究的开拓者之一。倡导并主持完成了以软件的机械化生成和移植为目标的系列软件计划（XR计划），推动了当时国产机软件缺乏问题的解决。 本书首次把异构型DAI和机器辩论引进人工智能领域。研究出基于类自然语言理解的知识自动获取方法，把ICAI生成技术推进到以自动知识获取为特征的第三代，并开发出基于知识的应用软件自动生成技术。在形式语义学方面研究了逻辑语义、代数语义和分布式语义，证明了任意Horn子句集的模型论语义和小不动点语义的等价性；给出了能描述动态控制结构的基调式代数语义；把平面的Petri网扩展成多页的Petri/Riemann网（P/R网）作为进程模型，获得了演算的真并发结构。 对于希望学习了解人工

9787115461476 深度学习 168.00 9787115600820 动手学深度学习（PyTorch版） 109.80 《深度学习》 《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工*和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些*有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不*有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。 《动手学深度学习（PyTorch版）》 本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有

作为浙江省委、省zheng府深入实施创新驱动发展战略、探索xin型举国体制浙江路径的重大科技创新平台，之江实验室勇闯科研“无人区”，基于智能计算与材料、天文、制药、育种等前沿学科交叉融合的研究成果，组织编写 “之江实验室智能计算丛书” ，以期在更大范围内凝聚共识，利用智能计算技术，服务我国社会经济高质量发展。 丛书由朱世强教授担任丛书主编，对之江实验室关于智能计算的理解和行动进行全面介绍。《智能计算》为总论，各分册分别论述了重大科学装置“智能计算数字反应堆”与材料、天文、制药、育种等学科深度耦合的应用成果。丛书系统梳理了智能计算的理论体系、技术体系和标准体系，将智能计算与国家重大战略需求和新兴学科交叉融合，促进多学科对综合性问题的协同攻关，成为智能计算“之江定义”的

本书以案例介绍的形式为主，从基础创新、产业落地、防疫抗疫、应用场景等多个方面展现上海人工智能发展情况。这是一份地区发展人工智能产业的 建议书 ，更是一份企业商业落地人工智能的 指导手册 。以下为节选《AI加速键：上海人工智能创新发展探索与实践案例集》的部分章节和内容。 家事国事天下事，五位一体读AI 近年来，全球 AI 领域技术不断取得突破性进展，产业热度不断提升，人工智能技术越来越深刻地与各行各业的融合渗透，并助力传统行业实现跨越式升级，成为驱动新一代产业革命的核心动力。我国的人工智能发展进入快车道，并加速向智能经济社会迈进。 家事国事天下事，报告从全球 广角 出发，层层 聚焦 ，深入解读了全球AI、中国AI、上海AI的发展概况，并从技术、政策、企业、投资、学术五大维度进行解读。 按下AI加速键，亮出

本书分为两大部分：部分主要基于Scikit-Learn，介绍机器学习的基础算法；第二部分则使用TensorFlow和Keras，介绍神经网络与深度学习。从外，附录部分的内容也丰富，包括课后练习题解答、机器学习项目清单、SVM对偶问题、自动微分和特殊数据结构等。书中内容广博，覆盖了机器学习的各个领域，不仅介绍了传统的机器学习模型，包括支持向量机、决策树、随机森林和集成方法，还提供了使用Scikit-Learn进行机器学习的端到端训练示例。作者尤其对深度神经网络进行了深入的探讨，包括各种神经网络架构、强化学习，以及如何使用TensorFlow/Keras库来构建和训练神经网络。本书兼顾理论与实战，既适合在校学生，又适合有经验的工程师。

全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干深度学习技术。

本书对知识这一理解和驱动世界发展的隐形力量进行了深入研究，对其含义、发展机制、其对于个体意识和社会价值的塑造，以及其在人工智能领域的进展进行了全面剖析。是一本扎实的，研究知识的本质与其重要作用的学术书籍。本书共由三部分组成。部分由三章组成，将知识作为一种真实有用的信息，以及计算机和人类发展和管理知识的过程呈现出来。第二章确定了关于知识的三个基本问题:目的论、本体论和灵知论。第三章概述了信息学的基本概念。用简单的术语解释了知识如何被定义为信息，并讨论了它的发展和应用所带来的关键问题。第四章讨论了知识发展的原则，以及这些原则产生的限制。第二部分由两章组成，分析了计算过程和物理现象之间的关系，以及机器和人类对知识的生产和应用。第五章考察了信息学和物理学之间的关系，特别是通过比较基本

本书共32章，循序渐进地讲解了Objective-C开发iOS应用程序的基本知识。本书从搭建开发环境讲起，依次讲解了Objective-C的基础，如常量、变量和数据类型，运算符和表达式，选择结构，循环结构；Objective-C的知识，如类、对象和方法、继承、多态、动态类型和异常处理；Objective-C的实战技术，如Foundation框架类详解，日期、时间、复制和谓词，文件操作，Xcode?Interface?Builder界面开发，使用Xcode编写MVC程序，基础控件，Web视图控件，可滚动视图控件和翻页控件，提醒、操作表和表视图，活动指示器、进度条和检索条，UIView和视图控制器，图形、图像、图层和动画，多媒体应用，定位处理，触摸、手势识别和Force?Touch，Touch?ID，游戏开发等。本书内容全面，几乎涵盖了Objective-C语言的核心语法知识和开发iOS应用程序所需要的主要技术，全书内容言简意赅，讲解方法通俗易懂，特

科学计算可视化（Scientific Visualization，SciVis）是计算机图形学的一个重要研究方向，是图形科学的新领域。随着计算能力的不断增强，科学数据中使用的物理模型以及模拟空间的大小都在不断提高。本书尝试性地将机器学习理论应用于科学计算可视化中，大大提高了数据中特征识别的鲁棒性和准确率，同时结合流场数据可视化技术的具体实现，详细阐述这两个领域结合的理论和存在的关键问题。本书内容主要包括：科学计算可视化的内容、技术现状和挑战，机器学习基本理论，使用Boosting和CAVIAR两种方法进行科学计算可视化的理论和方法等。本书可作为高等学校计算机或非计算机专业研究生科学计算可视化课程的参考书，也可作为从事流场数值模拟和流场可视化技术的研究或开发人员的参考书。