“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据素养、机器学习、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。 《搜索算法：人工智能如何寻觅最优》是“人工智能超入门丛书”中的分册，本分册以通俗易懂的语言风格讲解了搜索算法的相关知识，内容包括算法问题中涉及的基本数据结构和复杂度分析，及状态空间、树、图等较复杂的数据结构；同时，通过相关实例，讲解了各类搜索方法及线性规划与非线性规划；也重点解读了组合优化问题和群智能算法。全书内容包含了搜索算法所能用到的核心方法和技术，另附三个附录，分别讲解了类与继承以及博弈基础等。本书搭配关键代码，是一本适合初学者阅读学习的人工智能（AI）图书。 本书可以作为人工智能及计算机相关工作岗位的技术人员的入门读物，也可以供高等院校人工智能及计算机专业的师生阅读参考，对搜索算法及人工智能方向感兴趣的人群也可以阅读。

暂缺简介...

暂缺简介...

暂缺简介...

暂缺简介...

暂缺简介...

暂缺简介...

虚拟专用网技术是实现网络安全互联和远程/移动安全接入访问的关键技术，是安全保密程度较高的网络环境或者保障重要业务安全采取的重要技术之一，既是网络安全保障人员也是黑客在防护或攻击活动中经常应用的技术。本书作者根据20 多年来围绕虚拟专用网技术的研究成果以及实践教学经历，在抽丝剥茧、科学务实的层面，从虚拟专用的概念、原理、安全模型、构建技术、安全管理、系统实现以及应用方案等多个维度，深入剖析虚拟专用网的技术理论知识、技术实现方法及技术应用。

机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造 k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。具体模型包括线性回归模型、K近邻模型、贝叶斯推断、逻辑回归模型、最大熵模型、决策树模型、感知机模型、支持向量机、EM算法和提升方法。 本书共 12章，绪论介绍贯穿本书的两大思维模式，以及关于全书的阅读指南；第 1章介绍一些基本术语，并给出监督学习的流程；第 2章介绍关于回归问题的机器学习方法；第 3～9章介绍关于分类问题的机器学习方法；第 10章介绍可应用于具有隐变量模型的参数学习算法——EM算法；第 11章简单介绍集成学习，并重点阐述其中的提升（Boosting）方法。为满足个性化学习需求的不同需求，本书从核心思想、方法流程及实际案例应用等不同角度，详细描述各种方法的原理和实用价值，非常适合数据科学、机器学习专业的本科生和研究生学习，也可供相关从业者参考。

云计算、大数据、人工智能、5G、物联网、增强现实等数智技术，正在赋能传统经济，让社会网络化、信息数字化、交互实时化成为现实，它们不仅改变了人们的生活方式，也在推动着企业进行数智化变革、组织重构及商业创新，以便适应社会的发展和进步。 本书从宏观与微观、理论与实践等不同的角度，结合不同企业的典型案例，告诉读者什么是数智化，企业为什么要进行数智化转型，以及转型的理念和基本路径是什么等，可为众多想了解数智化转型的企业相关人员提供学习的知识和实践操作的经验。