《深度学习与计算机视觉：核心算法与应用》理论结合实践，详细介绍机器学习与深度学习常用算法和模型及其在计算机视觉领域的典型应用。对于初学者而言，本书从零开始系统地介绍建模的流程和方法，可以带领他们快速上手；对于有一定基础的读者而言，《深度学习与计算机视觉：核心算法与应用》介绍多种算法和模型的原理，可以帮助他们深入理解并进行实践。 《深度学习与计算机视觉：核心算法与应用》共10章，分为3篇，每篇均从基本概念、模型与算法原理、代码实现三个方面讲解。第1篇“机器学习原理”，围绕机器学习流程，重点介绍特征处理、模型训练和模型评估等相关内容，包括数据集的划分和使用、数据探索和预处理、模型原理分析和选择、模型评估和应用等。第2篇“计算机视觉基础”，介绍计算机视觉的基本概念和处理流程，以及OpenCV的使用和图像特征提取等相关内容。第3篇“深度学习模型与计算机视觉应用”，首先介绍前馈神经网络和循环神经网络的结构，然后介绍深度学习的多种经典算法和14种常见模型，最后结合实例介绍图像分类、目标检测、语义分割、实例分割和目标追踪5类常见的计算机视觉应用。 《深度学习与计算机视觉：核心算法与应用》内容翔实，实例丰富，适合人工智能初学者尤其是计算机视觉初学者阅读，也适合有一定基础的机器学习、深度学习和计算机视觉从业人员阅读，另外还适合作为高等院校人工智能相关专业的教材。

本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于“回归事物本质，规律性、系统性地思考问题”“理论为实践服务并且反过来充实理论，为更多人服务”的想法和初心，本书系统地阐述了机器学习理论和工程方法论，并结合实际商业场景落地。 全书分为3部分。第1部分是机器学习的数学理论理解，这部分不是对于机器学习数学理论的严谨推导和证明，更多是对于理论背后的“到底是什么，为什么要这样做”的通俗理解。尽可能通过对应到日常生活中的现象来进行讲述。第2部分是机器学习模型、方法及本质，这一部分针对机器学习的方法论及具体的处理过程进行阐述。涉及数据准备、异常值的检测和处理、特征的处理、典型模型的介绍、代价函数、激活函数及模型性能评价等，是本书的核心内容。我们学习知识的主要目的是解决问题，特别是对于企业的从业人员，对在商业实战环境中出现的问题，希望通过机器学习的方式来更好地解决。第3部分是机器学习实例展示。本书内容系统、选材全面、知识讲述详细、易学易用，兼具实战性和理论性，适合机器学习的初学者与进阶者学习使用。

本书介绍了人工智能技术的基础，包括智能的产生过程，从原始的机械“智能”到人脑、计算机“脑”、计算机思考方式等，而后讲解了计算机智能是如何发生的，从计算机如何获得知识，到计算机如何思考。后，以刷脸门禁系统和各种智能服务系统为例进行应用举例。 全书共分四单元：、第二单元以门禁为例介绍人工智能技术的基础知识，并在后一小节将刷脸门禁系统制作出来。第三、第四单元以各种实例来介绍人工智能技术在“智能服务”领域的应用。 本书适合作为小学中、高年级的教材或辅助资料，也可供小学科技教师参考。

随着智能时代的到来，人们越来越多的关注人工智能。人工智能为人类提供了多个领域的帮助并赋能社会。本书主题为人工智能与社会，学生通过在线社会、大数据与信息安全、智能生活和智能机器人等四个单元，了解人工智能在人们生活、学习和工作中带来的便利，了解人工智能社会的运作机制。 五年级的孩子具备了一定的学习能力和动手能力，他们可以利用在线网站、应用、小程序和一些硬件来实现对人工智能的体验，从而形成信息意识、计算思维和信息安全意识。

暂缺简介...

暂缺简介...

人工智能（AI）是否会取代人类？是不是所有的事情机器都能比人做得好？当 AlphaGo 能下围棋、ChatGPT 能理解并生成内容时，当每一次AI 应用取得突破时，这两个问题都会引起人们的广泛讨论。本书提供了多个 AI 应用的例子，可让读者直观地了解 AI 已经可以出色地完成很多任务。通过一个个具体的案例，本书细致讲解了主要 AI 工具的使用方法，包括 ChatGPT、Midjourney、Stable Diffusion 等 AIGC（人工智能生成内容）工具，以辅助我们完成绘画、视频制作、写作、科研等任务，从而提高工作效率。在具体的案例之外，本书还有对方法论的阐述，可提升读者对 AI 的认知，增强人人都能用好 AI 的信心。希望读者能举一反三，找到更巧妙、更适合自己的 AI 应用方式。希望通过本书，生活在智能时代的我们能意识到 AI 不再只是机器人或软件，它可以成为我们很好的助手，甚至变成我们的“合伙人”。

强化学习是机器学习的重要分支，是实现通用人工智能的重要途径。本书介绍了强化学习在算法层面的快速发展，包括值函数、策略梯度、值分布建模等基础算法，以及为了提升样本效率产生的基于模型学习、探索与利用、多目标学习、层次化学习、技能学习等算法，以及一些新兴领域，包括离线学习、表示学习、元学习等，旨在提升数据高效性和策略的泛化能力的算法，还介绍了应用领域中强化学习在智能控制、机器视觉、语言处理、医疗、推荐、金融等方面的相关知识。本书深入浅出、结构清晰、重点突出，系统地阐述了强化学习的前沿算法和应用，适合从事人工智能、机器学习、优化控制、机器人、游戏开发等工作的专业技术人员阅读，还可作为计算机、人工智能、智能科学相关专业的研究生和高年级本科生的教材。

本书对优化算法的理论和研究进展进行了系统的梳理，旨在帮助读者快速了解该领域的发展脉络，掌握必要的基础知识，进而推进前沿研究工作。本书首先介绍流行的机器学习模式，对重要的优化理论进行回顾，接着重点讨论已广泛应用于优化的算法，以及有潜力应用于大规模机器学习和数据分析的算法，包括一阶方法、随机优化方法、随机和分布式方法、非凸随机优化方法、无投影方法、算子滑动和分散方法等。 本书适合对机器学习、人工智能和数学编程感兴趣的读者阅读参考。

本书是大数据分析技术的入门图书，内容分为大数据分析与挖掘概述、Spark SQL结构化数据分析与处理、Spark Streaming流数据分析与处理、Spark GraphX图数据分析与处理、Spark MLlib机器学习和大数据分析系统等6章。通过每章的章节导读，读者能够快速了解本章相关内容的背景意义；通过相关理论及概念的介绍，读者能够对大数据分析的基本方法有整体认识和了解；通过典型案例的讲解，读者能够对大数据分析技术的应用有深刻认识。本书既注重基础知识也关注前沿问题，通过知识链接、小贴士等板块补充相关前沿知识内容。 本书可作为数据科学与大数据专业人员的入门读物，也可作为相关职业教育课程的参考书，还可作为大数据技术应用的爱好者以及各领域大数据建设、管理和运用者的参考书。