本教材以案例与实践为重心，按照如下逻辑进行知识点的组织：第1章介绍人工智能发展历程和百度飞桨框架；第2章和第3章围绕机器学习展开，介绍了监督学习和无监督学习的各种经典算法及其应用案例；第4章围绕深度学习展开，介绍了前馈神经网络、卷积神经网络、循环神经网络和生成对抗网络学习四个核心知识点，及深度学习在计算机视觉、自然语言处理两大领域的应用和实践；第5章围绕强化学习的理论、方法和应用进行了介绍。 本书可面向高等院校（尤其是应用型本科）教学，教师可根据课程计划和专业特色选择授课内容（32~56学时）；本书也可配套《人工智能导论：模型与算法》一书，作为人工智能专业课程的辅助学习材料；本书也适用于从事人工智能相关开发和应用的行业人员，快速掌握人工智能知识体系及提升代码实践能力。

至少从 20 世纪 50 年代起，人们就开始大肆宣传可能很快就会创造出一种能够与人类智能的全部范围和水平相匹配的机器。现在，我们已经成功地创造出了能够解决特定问题的机器，其准确度达到甚至超过了人类，但我们仍然无法获得通用智能。这本书想和大家探讨一下还需要做什么样的努力才能不仅获得专用智能，还能获得通用智能。　如果读者对智能感兴趣，想了解更多关于如何建造自主机器的知识，或者担心这些机器突然有一天会以一种被称为“技术奇点”的方式统治世界，请阅读本书。通过阅读本书，读者将会了解到：　尽管人工智能已经变得越来越复杂而强大，但计算机科学还远未创造出通用人工智能 。　人类自然智能的认知机理以及人工智能发展的初心与使命，从不同方面认知当前人工智能技术的不足。　从当前“专用人工智能”到实现真正的“通用人工智能”还需要在哪些方面取得突破。　机器智能的进步可能会改变人们从事的工作类型，但它们不会意味着人类存在的终结。　为什么机器智能的改进并不会导致由机器所主导的失控性革命，机器智能的进步并不会导致世界末日的到来。

本书通过Excel示例介绍常用的机器学习算法和数据挖掘技术。许多机器学习任务的目的是找到数据中的隐藏模式。Excel能够清楚地展示机器学习建模过程的每一步及中间结果，让你不仅知其然，还知其所以然。第1章解释用Excel学习机器学习的益处。第2～12章分别介绍线性回归、k均值聚类、线性判别分析、交叉验证、logistic回归、k最近邻、朴素贝叶斯分类、决策树、关联分析、神经网络、文本挖掘。第13章总结全书内容，并为读者指出继续学习的方向。

《高性能超标量CPU：微架构剖析与设计》基于当前主流的高性能CPU设计规格，全面介绍了高性能超标量CPU微架构的设计，并做出对应的分析。主要内容包括业界主流高性能处理器架构及超标量流水线背景知识（第1章）；CPU前端，包括指令提取单元、分支预测单元、指令译码单元的设计和优化，以及指令缓存的相关设计（第2、3章）；分支预测单元的原理、设计和优化，寄存器重命名与发射队列的原理和设计（第4、5章）；执行单元与浮点运算单元的设计实现（第6、7章）；访存单元与数据缓存设计（第8章）；重排序缓冲的原理及设计（第9章）；Intel P6 CPU微架构设计实例（第10章）。微架构设计对应于指令的生命周期，为读者提供直观和清晰的视角，便于读者对高性能CPU设计深入理解。 《高性能超标量CPU：微架构剖析与设计》提供了高清学习视频，读者可以直接扫描二维码观看。 《高性能超标量CPU：微架构剖析与设计》可作为从事高性能CPU相关研发工作专业人员的参考书，或用作高等院校计算机及集成电路相关专业研究生和高年级本科生的教学参考用书，也可供对CPU设计感兴趣的读者阅读。

暂缺简介...

这是一本系统讲解人脸识别和人体姿态识别技术、算法和应用的实战性著作，是作者团队多年研究成果和实践经验的总结。既有业界成熟的技术和算法，又有行业的新热点和新趋势。通过本书，读者将能轻松掌握如下知识：机器视觉的概念以及索引技术，包括向量空间索引和度量空间索引；人脸识别技术，以及人脸检测算法、人脸对齐算法、人脸特征提取算法；面向人脸检索的高维空间快速索引技术；人体姿态识别技术、目标检测算法以及算法的性能评测；面向嵌入式设备的人脸识别技术与算法，轻量级的人脸识别技术与算法，以及面向ARM设备的人脸精准识别方法VMFace；人脸识别、人体姿态识别相关技术和算法在门禁、安防和运动训练等场景的应用。

本书围绕图像场景内容理解这个核心，从图像场景的语义理解、图像空间的几何理解、对象级场景解析三个方面进行详细阐述。从章节结构来说，第1章绪论部分概述了图像场景内容理解的背景与意义以及发展历程；第2章、第3章的内容分别对应场景语义和场景几何的理解，是从场景级图像内容理解入手；在第4章转入对象级图像内容理解；第5章概述了对象级场景理解在人工智能中的应用。本书适合人工智能、智能车辆、视觉处理等领域的专业技术人员阅读使用。

暂缺简介...

这是一本讲述如何用NLP技术进行文本内容理解的著作，也是一本系统讲解NLP算法的著作，是作者在NLP和内容理解领域多年经验的总结。本书结合内容理解的实际业务场景，系统全面、循序渐进地讲解了各种NLP算法以及如何用这些算法高效地解决内容理解方面的难题，主要包括如下几个方面的内容：（1）文本特征表示文本特征表示是NLP的基石，也是内容理解的基础环节，本书详细讲解了离散型表示方法和分布型表示方法等特征表示方法及其应用场景，还讲解了词向量的评判标准。（2）内容重复理解详细讲解了标题重复、段落重复、文章重复的识别方法和去重算法。（3）内容通顺度识别及纠正详细讲解了内容通顺度的识别方法以及纠正不通顺内容的方法。（4）内容质量详细讲解了多种内容质量相关的算法，以及如何搭建高质量的知识问答体系的流程。（5）标签体系构建详细讲解了针对内容理解的标签体系的建设流程和方法，以及多种相关算法。（6）文本摘要生成详细讲解了抽取式文本摘要和生成式文本摘要两种流行的文本摘要生成方法，以及文本摘要的常用数据集和文本摘要评价方法。（7）文本纠错详细讲解了文本纠错的传统方法、深度学习方法、工业界解决方案，以及常用的文本纠错工具的安装和使用。

暂缺简介...