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.

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

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。

本书由前言、发布词、人工智能法治发展综述、人工智能法治发展指数 2.0、2020 中国人工智能法治发展评估报告、2020 世界人工智能法治论坛观点精粹、智慧法治学术影响力 00、分析报告、人工智能法治发展专家访谈、人工智能行业企业法治专题采访以及7个附录组成，汇集了当年度 外人工智能法治发展的战略、政策、法律、重大理论研究、实际应用项目、典型司法案例等方面的 资料，为促进人工智能法治理论研究，构建人工智能法治体系， 、规范、保障人工智能安全、可靠、可控、健康发展提供重要参考。

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。

？当下的AI存在哪些风险？真的有可信的AI吗？理想的AI与现实的AI之间究竟存在哪些差距？如何构建人类和AI之间的信任？关于人工智能的炒作总是甚嚣尘上，但要得到真正可信的AI，却远比想象的要复杂得多， 智能的时代还远没有到来。创造真正可信的AI需要赋予机器常识和深度理解，而不是简单地统计分析数据。本书勾勒了未来人工智能发展的 路线图，对当前人工智能的现状进行了清晰且客观的评估。 ？作者盖瑞·马库斯是人工智能领域的专家，同时还是心理学和神经科学教授，在计算机科学、认知科学、语言学、人工智能等领域都练就了相当深厚的学术功底，并敢于挑战学术界的主流观点。当整个人工智能学术界都在过分乐观地高歌猛进时，他不断撰文和发表演讲来指出以深度学习为代表的当下AI的弊端和局限性，《如何创造可信的AI》这本书正是马库斯对