本书全面介绍人工智能的基本理论、技术及应用。全书共10章，主要内容包括人工智能概论、知识表示与知识图谱、确定性与不确定性推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解，附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工

强化学习是机器学习的重要组成部分。本书采用理论与实践相结合的写法，从强化学习的基本概念开始，详细介绍了强化学习的算法理论和实践操作，配有Python代码实现，完整呈现强化学习算法的实践细节。通过这本书你将会：（1）理解强化学习最关键方面的问题。（2）探索马尔可夫决策过程及动态规划的过程。（3）深入理解强化学习的各种方法

本书将带领读者一起主动拥抱机器学习，快乐翻越高等数学、算法分析、工程实践这三座大山。面对三类读者（会用即可、想深入学习、想成为专家）的学习动机和阅读需求，全书一共用19章来讲解机器学习的各种模型，包括机器学习中基础和关键的线性回归、逻辑回归、决策树、贝叶斯、支持向量机、KNN等。全书具有语言表达轻快、模型讲解细致、图表

使用机器学习技术解决实际应用问题涉及模型的建立、训练及评估等步骤。优化算法常被用于训练模型的参数，是机器学习的重要组成部分。机器学习模型的训练可以建模成无约束优化问题或带约束优化问题，约束可以为模型增加更多的先验知识。基于梯度的算法（例如加速梯度法、随机梯度法等）是求解无约束优化问题的常用方法，而交替方向乘子法（ADM

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介

本书系统介绍了机器学习常用算法及其应用，在深入分析算法原理的基础上，结合当前热门应用场景，向读者展现了机器学习算法的综合应用，带领读者进入机器学习领域，开启人工智能行业的大门。全书共21章，分为3部分。第1部分介绍机器学习基础算法，包括线性回归、多项式回归、逻辑回归、k-NN、决策树、k-Means、SVM、随机森林、

本书分四章：自然语言基础、自然语言理解、序列建模、语音识别。内容包括：文本的表示和分词、文本特征表示、词性分析及命名实体识别、词空间和词空间的可视化、基于主题的宋词创作、宋词的主题分析、宋词的派别分类、宋词的推荐等。

本书设计了七章内容,第一至三章介绍人工智能的概念及基本的技术原理。第四至六章介绍人工智能技术在视觉、语音和自然语言处理中的应用,第七章介绍利用系统工程设计方法设计实现人工智能产品。每章由人工智能产品体验、人工智能技术原理描述、人工智能技术实现实验、人工智能应用方案设计实验和人工智能的发展与应用等部分组成。

本书介绍深度学习领域先进的技术以及深度学习在主要的自然语言处理任务中的成功应用，包括语音识别和理解、对话系统、语义分析、句法分析、知识图谱、机器翻译、问答、情感分析、社会计算和基于图像的自然语言生成。本书对深度学习时代自然语言处理领域的不同研究前沿进行了概括与分析，还列举了深度学习与自然语言处理领域中交叉的技术性术语以

本书主要内容包括机器学习绪论、Python基础知识、模型评估及模型、机器学习及神经网络、MNIST识别及图像分类。