《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》在一个通用的概念框架中描述通用于数据挖掘、机器学习和生物信息学等领域的重要思想和概念。这些统计学范畴下的概念是人工智能与机器学习的基础。全书共18 章，主题包括监督学习、回归的线性方法、分类的线性方法、基展开和正则化、核光滑方法、模型评估和选择、模型推断和平均、加性模型、树和相关方法、Boosting 和加性树、神经网络、支持向量机和柔性判断、原型方法和*近邻、非监督学习、随机森林、集成学习、无向图模型和高维问题等。 《统计学习要素：机器学习中的数据挖掘、推断与预测(第2版)》主题全面，是一本经典的统计学习教材，适合本科高年级学生和研究生使用和参考。
这是一本讲解NPU硬件架构设计与技术实现的著作。作者将自己在CPU、GPU和NPU领域15年的软硬件工作经验融会贯通，将四代NPU架构设计经验融为一体，将端侧和云侧NPU架构合二为一，总结并提炼出本书内容。本书主要讨论神经网络硬件层面，尤其是芯片设计层面的内容，主要包含神经网络的分析、神经网络加速器的设计以及具体实现技术。通过阅读本书，读者可以深入了解主流的神经网络结构，掌握如何从零开始设计一个能用、好用的产品级加速器。 通过阅读本书，你将： 透彻理解与深度学习相关的机器学习算法及其实现 学会主流图像处理领域神经网络的结构 掌握加速器运算子系统和存储子系统的设计 摸清加速器设计中遇到的具体问题及其解决方法 了解NPU架构需要考虑的控制通路和数据通路
工程师需要知道的机器学习和人工智能提供的实例和图示来自Prosise的AI和ML课程,这]课程受到了全球各地许多公司和研究所的青睐和欢迎。作者不涉及让人滑悚然和望而生畏的数学公式,目的只有一个那就 是面向工程师和软件开发人员,帮助他们迅速入门并通过案例迅速运用人工智能和机器学习来解决业务问题。本书讲帮助读者学会什么是机器学习和深度学习以及两者各有哪些用途;理解常用的深度学习算法的原理及其应用;学会标记和未标记数据,监督学习和非监督学习有何差异;通过scikit-learn和神经网络Keras和TensorFlow ,运用Python来进行机器学习建模;训练和评分地柜模型与-进制和多类粉类器模型 ;构建面检测和面识别模型以及 对象检测模型。本书适合硬件工程师与软件开发人员阅读和参考
本书以通俗易懂的风格介绍了机器学习和深度学习技术，只涉及了基本的数学知识。本书由两位机器学习和深度学习领域的专家编写，书中的案例涵盖了银行、保险、电子商务、零售和医疗等多个行业。本书讲述如何在当今的智能设备和应用程序中使用机器学习和深度学习技术。本书提供了对书中涉及的数据集、代码和示例项目的下载。 l 机器学习和深度学习的概念 l 随机森林和提升方法 l Python编程与统计学基础 l 人工神经网络 l 回归与逻辑回归 l TensorFlow与Keras l 决策树 l 深度学习超参数 l 模型选择与交叉验证 l 卷积神经网络(CNN) l 聚类分析 l 循环神经网络(RNN)和长短期记忆网络(LSTM)
《机器学习实战使用R、tidyverse和mlr》将使用RStudio和非常棒的mlr程序包开启你的机器学习之旅。这本实用指南简化了理论,避免了不必要的复杂统计和数学知识,所有核心的机器学习技术都通过图形和易于掌握的示例进行清晰的解释。每一章的内容都十分引人入胜，你将掌握如何把新的算法付诸实践，以解决各种预测分析问题，包括泰坦尼克沉船事件中不同乘客的幸存概率、垃圾邮件过滤、毒酒事件调查等。 主要内容 使用tidyverse程序包处理和绘制数据 监督机器学习和非监督机器学习技术 分类、回归、降维和聚类算法 统计学基础
本书以实际操作为导向，用ChatGPT Midjourney Stable Diffusion来充分释放读者的想象力，展现视觉创意的无限可能性。本书详细讲解了基于ChatGPT、Midjourney、Stable Diffusion进行AI绘画的完整学习路线，包括提示词的提问、绘画技巧、图片生成、提示词编写、参数描述、模型训练等，同时搭配了丰富的实际操作案例。整本书内容全面、详尽且深入浅出，实用性很强。
本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于 回归事物本质，规律性、系统性地思考问题 理论为实践服务并且反过来充实理论，为更多人服务 的想法和初心，本书系统地阐述了机器学习理论和工程方法论，并结合实际商业场景落地。 全书分为3部分。第1部分是机器学习的数学理论理解，这部分不是对于机器学习数学理论的严谨推导和证明，更多是对于理论背后的 到底是什么，为什么要这样做 的通俗理解。尽可能通过对应到日常生活中的现象来进行讲述。第2部分是机器学习模型、方法及本质，这一部分针对机器学习的方法论及具体的处理过程进行阐述。涉及数据准备、异常值的检测和处理、特征的处理、典型模型的介绍、代价函数、激活函数及模型性能评价等，是本书的核心内容。我们学习知识的主要目的是解决问题，特
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。
时间序列在现代生活中无处不在，它也是数据分析的重要对象。本书介绍时间序列分析的实用技巧，展示如何结合机器学习方法和传统的统计方法来分析各类时间序列数据，并提供Python示例和R示例。本书共有17章，首先概览时间序列分析的历史，然后介绍数据的获取、清洗、模拟和存储，接着关注可用于时间序列分析的建模技术，后探讨时间序列分析在几个常见领域中的应用。 本书适合与时间序列打交道的数据分析师、数据工程师、数据科学家及其他相关从业人员阅读。
《Python机器学习项目实战》引领大家在构建实际项目的过程中，掌握关键的机器学习概念!使用机器学习，我们可完成客户行为分析、价格趋势预测、风险评估等任务。要想掌握机器学习，需要有优质的范例、清晰的讲解和大量的练习。本书完全满足这三点! 本书展示了现实、实用的机器学习场景，并全面、清晰地介绍了机器学习的关键概念。在学习本书的过程中，读者将会完成一些引人入胜的项目，比如使用线性回归预测汽车价格，部署客户流失预测服务等。读者将**算法，学习在无服务器系统上部署机器学习应用，以及使用Kubernetes和Kubeflow服务模型等重要技术。大家埋头苦学，亲自动手，享受掌握机器学习技能的乐趣! 主要内容 ●收集和清理训练模型的数据 ●使用流行的Python工具，包括NumPy、Scikit-Learn和TensorFlow ●将机器学习模型部署到生产环境中 阅读门槛 读者
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、*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，*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学参考书。对人工智能领域的工程技术人员与产品研发人员，本书也有很强的参考价值。对于广大数学与应用的数学爱好者，本书亦为适合自学的读本。
《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。
《意向性与人工智能/心灵与认知文丛》围绕塞尔的 中文屋论证 中所提出的 人工智能意向性缺失难题 ，借助心灵哲学和认知科学的成果，在重新思考人类智能的种种问题的基础上，反思指导人工智能实践的计算主义和联结主义，进而探讨意向性与人工智能的关系问题以及与之相关的人工智能的发展方向问题。既从哲学意向性理论的角度对人工智能研究中存在的问题及原因作了思考，对其发展方向和战略作了探究，又利用人工智能和认知科学几十年来积累的成果反观哲学的意识和意向性研究，探寻这一研究领域的新生长点和突破口，提出：要解决人工智能的根本性问题，无疑要为之建立理论模型，而要如此，又必须深入探讨作为人类智能之关键要素的意向性的构成、结构、特征、成立条件、根据、内在运作过程、机制、发生发展过程及原理等。不仅有较高的前沿性
《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，*终 直捣黄龙 ，赢取*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、数学基础知识、机器学习算法等经典知识点以及深度学习、深度强化学习等较新理论知识所组成的AI核心技术。同时注重 理论联系实践 ，通过多个章节重点 介绍了如何在工程项目中运用AI来解决问题的诸多经验以及相应的模型算法，以期让读者既能享受到 知其所以 然 的乐趣，还能体会到 知其然 的轻松和愉悦。 《机器学习观
近十余年，少自由度并联机器人机构成为了国际机构学界研究的热点，受到了各行各业的广泛关注。由于少自由度并联机器人与六自由度并联机器人相比，具有机械结构简单，制造成本低和容易控制等优点，在工业、生活中具有广泛的应用前景。少自由度并联机器人的动力学研究是其高精度控制和应用的前提与基础。本书的主要内容包括:机构学的基础知识、少自由度刚性并联机器人机构的运动学和动力学，以及柔性并联机器人机构的动力学建模与分析等八章内容。同时，为了方便读者阅读本书和进行机器人机构学的相关研究，还特别在本书附录中编入了与机器人机构学有关的数学基础知识、微分方程求解以及物体转动惯量等内容。本书可以作为在机械工程、自动化、机器人技术、智能控制等行业从事机构学或机器人研究和应用开发的科研工作者、工程技术人员和高
《Python深度学习：基于PyTorch 第2版》 这是一本能指导读者快速掌握PyTorch和深度学习的著作，从PyTorch的原理到应用，从深度学习到强化学习，提供了全栈解决方案。 第1版上市后销量和口碑俱佳，是深度学习领域的畅销书，被誉为PyTorch领域的标准著作。第2版在第1版的基础上，去芜存菁，与时俱进，根据PyTorch新版本全面升级，技术性、实战性、丰富性、针对性、易读性均得到了进一步提升，必能帮助读者更轻松、更高效地进入深度学习的世界。 全书一共19章，在结构上分为三大部分： 部分（第1~4章） PyTorch基础 首先有针对性地讲解了Python和PyTorch的基石NumPy中的关键知识，然后详细讲解了PyTorch的基础知识、神经网络工具箱和数据处理工具箱等内容，帮助读者快速了解和掌握PyTorch。 第二部分（第5~10章） 深度学习基础 依次讲解了机器学习、视觉处理、自然语言处理
本书共12章，主要内容包括OpenCV4基础知识，OpenCV的模块架构，图像存储容器，图像的读取与显示，视频加载与摄像头调用，图像变换，图像金字塔，图像直方图的绘制，图像的模板匹配，图像卷积，图像的边缘检测，腐蚀与膨胀，形状检测，图像分割，特征点检测与匹配，单目和双目视觉，光流法目标跟踪，以及OpenCV在机器学习方面的应用等。本书面向的读者是计算机视觉与图像处理等相关专业的高校师生、企业内转行计算机视觉与图像处理的工作人员、已有图像处理基础并想了解OpenCV4新特性的人员。
本书梳理了推荐系统的知识体系及其现实挑战，尤其是数据稀疏和冷启动两个重要问题，给出解决这些问题的思考方向和解决思路，从基础的基于用户与物品反馈的协同过滤，到基于上下文信息的情景感知模型，一步步深入剖析推荐系统模型的设计理念、建模方法和实验评估等。同时，本书介绍了领先的开源推荐算法库LibRec，能够更好地帮助读者了解推荐算法的实现原理和评估过程，快速试用和比较不同算法的推荐性能，也可方便读者基于LibRec框架便捷地实现自己的研究算法。本书适合推荐系统领域的研究人员和工程实现人员参考使用。
本书介绍了Web智能基本理论和*研究进展。重点阐述了近几年Web智能理论和应用方面的研究成果，以问题解决为核心，从面向自治计算和粒计算两方面阐述Web智能理论基础，从Web知识表示与推理和Web挖掘方面阐述相关的技术，从基于面向自治计算的分布式网络免疫策略、基于粒计算的Web知识检索与推理、基于多层网格的电子商务门户网站、面向Web的问答系统以及可操作电子邮件等方面阐述Web智能的应用。 本书内容丰富翔实，研究问题新颖有趣，研究成果既具有实用性又具有理论探讨价值，对Web智能的理论和技术研究都具有重要参考价值。可供计算机、自动化等相关专业的高年级本科生、研究生、教师、研究人员、工程技术人员以及对Web智能研究感兴趣的读者参考使用。
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。
