随着互联网、物联网、云计算等技术的不断发展，许多领域都产生了大量的数据。利用机器学习技术分析海量数据，可以从数据中发现隐含的、有价值的规律和模式，进而用于预测并采取相应动作。在上述背景下，本书从理论、技术和应用三个层面入手，全面讲解如何利用机器学习技术解决实际问题。本书共分26章，内容包括机器学习解决问题流程、问题分析

本书是人工智能和机器学习领域专业多年实践的结晶，深入浅出讲解机器学习应用和工程实践，是对机器学习工程实践和设计模式的系统回顾。全书分别从项目前的准备，数据收集和准备，特征工程，监督模型训练，模型评估，模型服务、监测和维护等方面讲解，由浅入深剖析机器学习实践过程中遇到的问题，帮助读者快速掌握机器学习工程实践和设计模式的基

大数据时代的到来，为人工智能的飞速发展带来前所未有的数据红利。在大数据的喂养下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。本书是一本讲解如何使用TensorFlow2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。本书分为13章：第1章从搭建环境开始，包含Tensor

本书记载的2020线上智博会”在困难中创新，将线上线下、现实与虚拟进行的有机结合，应用的VR、AR、数字孪生等现代信息技术。内容包括：盛会：全球精英的思维演进；趋势：智能产业的关键导航等。

机器学习目前是人工智能和模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。作者从解决实际问题的角度出发，通过大量的实战经验深入剖析机器学习算法在解决实际问题中的具体应用，处理数据从一维到二维，研究对象从文本到图像，解决问题从股票预测到图像去雾。全书用通俗易懂的语言和绘声绘色的插图从

本书构建了一个完整的强化学习入门路径，深入浅出地介绍了强化学习算法的基本原理和实现方法。本书 首先回顾了相关预备知识，包括数学基础和机器学习基础，然后先介绍强化学习的基本概念，给出强化学习的 数学框架（马尔可夫决策过程），随后介绍强化学习的求解算法，包括表格求解法（动态规划法、蒙特卡洛法 和时序差分法），以及近似求解法

《算法：人工智能在想什么》一书从“算法在想什么”“算法在未来生活将如何应用”等角度入手，在细致勾勒算法时代特征的基础上，审视了算法时代的隐忧与算法决策的风险，提供了规制算法的思路和框架，探讨了应对风险与问题的可行性路径。

本书是人工智能专业课程建设的配套教材，根据高职高专人工智能技术应用专业人才培养方案的要求，同时借鉴国家示范高职院校软件专业教学经验编写而成。全书共分为七章，主要章节由人工智能基础、人工智能数值计算、知识表示、神经网络基础、深度神经网络、访问数据库等知识组成。本书理论与实践相结合、内容层次分明、示例代码简洁明了，每个案例

本书以人工智能发展为时代背景,通过20个机器学习模型和算法案例,为读者提供较为详细的实战方案,以便进行深度学习。在编排方式上,全书侧重对创新项目的过程进行介绍,分别从整体设计、系统流程和实现模块等角度论述数据处理、模型训练和模型应用等过程,并剖析模块的功能、使用及程序代码。为便于读者高效学习,快速掌握人工智能程序开发方

《物联网之传感器及自动识别技术项目实践》一书分上、中、下三篇。上篇为处理器认知，包括；Arduino处理器、Cortex-M3处理器2个处理器项目；中篇为传感器项目实践，包括触摸灯光秀、温湿度显示装置、激光笔、光合作用补给、酒精检测仪、燃气泄漏监测仪、安全防火、安防监控、安全距离、声控灯10个传感器应用项目；下篇为自动