本书以Python 3.7为编程环境，从基本的程序设计思想入手，逐步展开Python语言教学，是一本面向广大编程学习者的程序设计类图书。全书分为基础篇、图像处理和可视化篇、爬虫技术开发篇、人工智能开发篇和游戏开发提高篇。 基础篇（第1~7章）主要讲解Python的基础语法知识、控制语句、函数、文件、面向对象编程基础、Tkinter图形界面设计、网络编程和多线程、Python数据库应用等知识，并以游戏案例作为各章的阶段性任务。 图像处理和可视化篇（第8～9章）通过“人物拼图游戏”“学生成绩分布柱状图展示”案例学习Python图像处理和可视化功能。 爬虫技术开发篇（第10～13章）应用爬虫技术开发“小小翻译器”“校园网搜索引擎”“爬取百度图片”和使用爬虫模拟登录技术的案例，讲解Python爬虫的关键技术。 人工智能开发篇（第14～16章）主要讲解基于朴素贝叶斯算法的文本分类、 基于卷积神经网络的手写体识别和基于OpenCV实现人脸识别三个案例。 游戏开发提高篇（第17章）借助第三方Pygame库开发大家耳熟能详的Flappy Bird（又称笨鸟先飞）游戏。 通过本书，读者将学会Python编程技术和技巧，掌握第三方库的使用，了解程序设计的所有相关内容。本书不仅列出了完整的代码，同时对所有的源代码进行了非常详细的解释，做到通俗易懂，图文并茂。 本书适用于Python语言学习者、程序设计人员和游戏编程爱好者。

暂缺简介...

暂缺简介...

本书讲解了经典的高级机器学习算法原理与知识，包括常见的监督学习、无监督学习、概率图模型、核方法、深度神经网络，以及强化学习等内容，同时更强调动手实践。所有算法均利用PyTorch计算框架进行实现，并且在各章节配备实战环节，内容涵盖点击率预估、异常检测、概率图模型变分推断、高斯过程超参数优化、深度强化学习智能体训练等内容。 本书附赠所有案例的源代码及各类学习资料来源，适合具有一定编程基础的人工智能爱好者学习，也是相关从业者和研究人员的学习指南。

暂缺简介...

9787115504906 程序员的数学 第2版 59.00 9787115400512 程序员的数学2 概率统计 79.00 9787115417749 程序员的数学3 线性代数 79.00 9787115583987 程序员的数学4：图论入门 49.80《程序员的数学 第2版》 《程序员的数学 第2版》面向程序员介绍了编程中常用的数学知识，借以培养初级程序员的数学思维。读者无须精通编程，也无须精通数学，只要具备四则运算和乘方等基础知识，即可阅读本书。 《程序员的数学 第2版》讲解了二进制计数法、逻辑、余数、排列组合、递归、指数爆炸、不可解问题等许多与编程密切相关的数学方法，分析了哥尼斯堡七桥问题、高斯求和、汉诺塔、斐波那契数列等经典问题和算法。引导读者深入理解编程中的数学方法和思路。 《程序员的数学 第2版》新增一个附录来介绍机器学习的基础知识，内容涉及感知器、损失函数、梯度下降法和神经网络，旨在带领读者走进机器学习的世界。《程序员的数学2 概率统计》 《程序员的数学2：概率统计》沿袭《程序员的数学》平易近人的风格，用通俗的语言和具体的图表深入讲解程序员必须掌握的各类概率统计知识，例证丰富，讲解明晰，且提供了大量扩展内容，引导读者进一步深入学习。 《程序员的数学2：概率统计》涉及随机变量、贝叶斯公式、离散值和连续值的概率分布、协方差矩阵、多元正态分布、估计与检验理论、伪随机数以及概率论的各类应用，适合程序设计人员与数学爱好者阅读，也可作为高中或大学非数学专业学生的概率论入门读物。《程序员的数学3 线性代数》 本书沿袭“程序员的数学”系列平易近人的风格，用通俗的语言和具象的图表深入讲解了编程中所需的线性代数知识。内容包括向量、矩阵、行列式、秩、逆矩阵、线性方程、LU分解、特征值、对角化、Jordan标准型、特征值算法等。《程序员的数学4：图论入门》 本书沿袭“程序员的数学”系列平易近人的风格，用简练的语言和丰富的示例向程序员介绍了编程中所需的图论基础知识。内容包括最小生成树、最短路径问题、欧拉回路、哈密顿圈、图着色、Z大流问题和匹配问题等。本书并未枯燥地讲解理论，而是通过大量代入了具体数值的示例，引导读者理解图论中的概念和定理。在讲解图算法时还详细拆分了算法的执行步骤，以便读者加深理解。

语言智能正在快速发展。周建设教授主编的《语言智能研究（第1卷）》，不仅用大量材料报告了这一领域快速发展的现况，还尽量呈现相关方面的发展趋势。细读此书，可明现状，可测未来。“消极性”读者，只是被动地获取书中知识，而“积极性”读者，通过阅读能够创造新知，比如对语言智能有更深入理解，比如在本专业、本岗位积极利用语言智能成果，甚至是帮助人工智能的发展。

这是一本综合介绍知识图谱构建与行业实践的著作，是作者多年从事知识图谱与认知智能应用落地经验的总结，得到了多位知识图谱资深专家的推荐。本书以通俗易懂的方式来讲解知识图谱相关的知识，尤其对从零开始构建知识图谱过程中需要经历的步骤，以及每个步骤需要考虑的问题都给予较为详细的解释。本书基于实际业务进行抽象，结合知识图谱的7个构建步骤，深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。全书分为基础篇、构建篇、实践篇，共16章内容。基础篇（第1章），介绍知识图谱的定义、分类、发展阶段，以及构建方式、逻辑/技术架构、现状与应用场景等。构建篇（第2～8章），详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核心步骤，并结合实例讲解应用方法。实践篇（第9～16章），详细讲解知识图谱的综合应用，涵盖知识问答评测、知识图谱平台、智能搜索、图书推荐系统、开放领域知识问答、交通领域知识问答、汽车领域知识问答、金融领域推理决策。

本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 第一部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikitlearn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践篇（第4~19章），对监督学习、无/非监督学习、强化学习三大类常用算法逐一讲解，包括机器学习算法的原理、算法的优缺点、算法的实例解释以及Python的实践应用。 本书适合对人工智能、机器学习感兴趣的读者，希望用机器学习完成设计的计算机或电子信息专业的学生，准备开设机器学习、深度学习实践课的授课老师，学习过C语言，且希望进一步提高编程水平的开发者，刚从事机器学习、语音、机器视觉、智能机器人研发的算法工程师阅读。

在教育选择多样化的今天，留学成为许多学子提升自我、开阔眼界的重要选择。而美国以其较为成熟和富有特色的高等教育体系吸引了众多学子，是重要的留学目的国之一。但面对完全陌生的教育体系和时空间隔所带来的信息差，许多想要申请赴美留学的学生不知从哪开始着手，本书将有针对性地为有意向申请美国本科的学生提供指导。 本书首先介绍赴美留学前必须了解的本科教育体系、本科毕业率和毕业生薪资水平概况，随后分三大赛道一一美国高中、国际学校和国内高中为读者提供申请指导，帮助拥有不同教育经历的学生提前规划学业，为赴美留学做准备。 本书的编著者都拥有丰富的海外留学申请和求学经验，他们在书中暖心地给出了准备赴美的小贴士以及在美生活与学习的建议。本书不仅是读者了解美国留学咨询和信息的窗口，更是在美学习与生活的指南。