本书梳理出机器学习理论中的七个重要概念或理论工具,即:可学习性,(假设空间)复杂度,泛化界,稳定性,一致性,收敛率,遗憾界。每章聚焦其一,除介绍基本概念外,还给出若干分析实例,如显示出不同理论工具如何应用于支持向量机这种常见机器学习技术。读者今后对具体机器学习问题或技术作分析时,可根据条件选择适用的工具。

《文本机器学习》系统性地介绍了多个经典的和前沿的机器学习技术及其在文本域中的应用。首先，详细介绍了面向文本数据的预处理技术和经典的机器学习技术（如矩阵分解与主题建模、聚类与分类/回归等），并深入探讨了模型的原理和内在联系以及相应的性能评估；其次，详细介绍了结合异构数据的文本学习技术（如知识共享与迁移学习等），以及面向信

务实地解决AI问题需要更多地关注结果而不仅是技术。归根结底，花费数月时间为一些永远无法投入生产的任务选择*佳的机器学习算法只是徒劳无功和浪费金钱。将更多的机器学习技术投入到生产过程的一种方式就是停止辛勤工作，使用云提供商提供的现成解决方案是避免这种辛勤工作的强大技术。从英雄驱动式开发转向鼓励业务连续性和交付解决方案的组

《TensorFlow深度学习从入门到进阶》以TensorFlow为主线进行讲解，书中每章节都以理论引出，以TensorFlow应用巩固结束，理论与实践相结合，让读者快速掌握TensorFlow机器学习。《TensorFlow深度学习从入门到进阶》共11章，主要包括TensorFlow与深度网络、TensorFlow编

《Keras高级深度学习》是高级深度学习技术的综合指南，内容包括自编码器、生成对抗网络（GAN）、变分自编码器（VAE）和深度强化学习（DRL），在这些技术的推动下，AI于近期取得了令人瞩目的成就。《Keras高级深度学习》首先对多层感知器（MLP）、卷积神经网络（CNN）和循环神经网络（RNN）进行了概述，这些是本书

本书内容主要涉及人工智能经典及实用的关键技术，以及人工智能近年来*新发展的技术，具体包括人脑认知、经典人工智能、经典人工神经网络、优化与智能计算、统计学习方法、深度学习、强化学习、自然语言处理、智能机器人。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例；主要章后均附有习题。本书结合了编者多年来从事人工智能科

强化学习是一类重要的机器学习方法,在很多领域得到了成功的应用,*近几年与深度学习结合起来,进一步推动了人工智能的发展?本书首先介绍了强化学习的基本原理,然后介绍典型的强化学习算法,包括时序差分?SARSA?Q-Learning?DeepQ-network?DoubleDQN?竞争网络结构?Rainbow?Actor-C

人工智能迅猛发展，对社会和商业的影响日益深刻。我们在过去被认为非常难以解决的问题，会因为大数据和机器智能的使用而迎刃而解，比如自动驾驶、语音识别甚至解决癌症个性化治疗的难题。同时，机器智能还会颠覆现有商业模式，很多传统的行业都将采用智能技术实现升级换代。

智能的概念和内容很多，其核心思想是模拟人或其他生物的神经系统，实现各种运算和操作过程，尤其是人的智能操作。《BR》本书由四部分组成，第一部分是概论，讨论智能计算的类型、特征、发展过程和应用问题，并介绍和其他学科的关系问题。这些学科主要是生命科学、信息科学等。第二部分是算法篇，介绍智能计算中多种不同类型的算法，详细介绍它

MATLAB为机器学习领域提供了必要的工具。用户可以借助MATLAB环境提供的强大交互式图形界面，非常轻松地解决机器学习问题。 本书在介绍每个主题前，会简要概述其理论基础，然后辅以实际案例进行阐释。通过阅读本书，读者能够应用机器学习方法，并能充分利用MATLAB的功能解决实际问题。 《MATLAB机器学习》前3章主要介