近年来，演化计算作为计算智能中传统的优化技术，已经广泛应用于求解各种数据挖掘问题，形成了一种基于遗传的机器学习新范式学习分类器。一方面，在真实场景中采集的原始数据不可避免地包含着冗余乃至噪声属性的信息，这些不相关的特征将对学习分类器算法的学习性能与计算效率造成负面影响。另一方面，学习分类器以显式规则表示目标概念，在监督学习或强化学习机制的基础上，利用演化算法对规则空间进行搜索，从而完成学习任务。规则空间的有效搜索是影响学习分类器性能的关键。针对上述问题，本书的主要探讨内容：一是学习分类器与特征选择方法，重点是做两者的整合研究，将学习分类器的分类模型构建过程与特征选择的特征子集搜索过程统一集成在基于遗传的机器学习框架下，同时改善分类算法的预测性能与运行效率；二是从提高规则空间的搜索质量出发，着眼于分类问题，介绍了基于分布估计算法的学习分类器。本书可作为大数据及人工智能等相关专业的教材与参考用书。

无人机算机器人吗？世界上很贵的机器人值多少钱？机器人可以帮助人类做哪些事？机器人可以有公民身份吗？未来会有哪些机器人出现？你手上的这本书，将为你解答这些有趣的问题。色彩亮丽的手绘插图，栩栩如生的各种角色，将以轻松活泼的聊天语言，给你唠叨它们的故事，带你踏上认识大千世界的奇妙之旅，轻松学习百科知识。

《人工智能产品经理技能图谱》首先对人工智能产品经理做了分类，并对每类人工智能产品经理的工作流程进行了介绍，然后从相关技术、数学、算法、软件设计、硬件设计等方面对人工智能产品经理需掌握和了解的相关知识做了详细介绍。本书以丰富的实际案例贯穿始终，对各类人工智能产品设计方法论和人工智能技术指标进行了详细说明，方便读者快速掌握人工智能的发展现状及相关产品的设计方法。《人工智能产品经理技能图谱》适合希望或刚刚走上人工智能产品经理岗位的读者阅读，也适合人工智能相关专业的高年级本科生或研究生以及教师参考。

本书从不同角度来介绍企业级推荐系统构建的理论、方法、策略。首先让读者对推荐系统有一个基础的认知，然后针对将要用到的算法知识进行了详细讲解，接着从用户维度、标的物维度、算法维度、平台方维度等角度介绍了评估方法，再进行了工程实现，通过案例对工程实现的核心模块、架构设计、技术选型进行分解。紧接其后从运营角度讲解了推荐产品的应用场景及设计推荐产品的基本原则，并进行了实践，通过实践案例分析，进一步强化前面介绍的各个知识点，让读者有一个系统认识。

本书将理论介绍与经典案例相结合，对文娱行业的现状、人工智能在文娱行业的应用和智能文娱的未来发展进行全面、深入、系统的解读与预测。本书选取的案例都极具代表性，涵盖文娱行业的诸多领域，如影视、游戏、文学等，涉及众多科技巨头，如阿里巴巴、百度、腾讯、今日头条等。笔者在介绍案例时，并非只是简单描述，而是通过深入分析来抛砖引玉，向读者揭示文娱行业的发展方向，帮助文娱行业的从业者学习、了解人工智能带来的改变。

机器学习是关于从数据中建立预测或描述模型，以提升机器解决问题能力的学科。在建立模型后，需要采用适当的优化算法来求解模型的参数，因此优化算法是机器学习的重要组成部分。但是传统的优化算法并不完全适用于机器学习，因为通常来说机器学习模型的参数维度很高或涉及的样本数巨大，这使得一阶优化算法在机器学习中占据主流地位。 本书概述了机器学习中加速一阶优化算法的新进展。书中全面介绍了各种情形下的加速一阶优化算法，包括确定性和随机性的算法、同步和异步的算法，以求解带约束的问题和无约束的问题、凸问题和非凸问题，对算法思想进行了深入的解读，并对其收敛速度提供了详细的证明。 本书面向机器学习和优化领域的研究人员，包括人工智能、信号处理及应用数学特别是计算数学专业高年级本科生、研究生，以及从事人工智能、信号处理领域产品研发的工程师。

本书介绍如何在PyTorch框架中使用BERT模型完成自然语言处理（NLP）任务。 BERT模型是当今处理自然语言任务效果最好的模型。掌握了该模型，就相当于掌握了当今主流的NLP技术。本书共3篇。 -第1篇介绍了神经网络的基础知识、NLP的基础知识，以及编程环境的搭建； -第2篇介绍了PyTorch编程基础，以及BERT模型的原理、应用和可解释性； -第3篇是BERT模型实战，帮助读者开阔思路、增长见识，使读者能够真正驾驭BERT模型，活学活用，完成自然语言处理任务。通过本书，读者可以熟练地在PyTorch框架中开发并训练神经网络模型，快速地使用BERT模型完成各种主流的自然语言处理任务，独立地设计并训练出针对特定需求的BERT模型，轻松地将BERT模型封装成Web服务部署到云端。本书结构清晰、案例丰富、通俗易懂、实用性强，适合对自然语言处理、BERT模型感兴趣的读者作为自学教程。另外，本书也适合社会培训学校作为培训教材，还适合计算机相关专业作为教学参考书。

本书介绍了人工智能概览、机器学习、深度学习、人工智能主流开发框架、华为全栈全场景AI战略—EI、 HiAI、昇腾，以及人工智能综合实验等内容？这是一本华为ICT学院人工智能课程培训的教材。本书是作者和华为的工作人员共同完成的，其间参阅了国内外现有教材和相关文献后编写的？全书注重理论与实践的结合， 注重算法与框架的实际应用与实现方法， 注重创新思维的训练与培养？本书既可作为高等院校人工智能课程的培训教材，也可作为自动化？电气工程及其自动化？计算机科学与技术？电子信息工程等专业学生“人工智能” 课程的本科生？研究生教材， 也可供从事人工智能研究与应用的科技工作者学习参考？

使用深度学习进行人脸识别是近年来AI研究的热点之一。该书使用TensorFlow 2.1作为深度学习的框架和工具，引导读者从搭建环境开始，逐步深入代码应用实践中，进而达到独立使用深度学习模型完成人脸识别的目的。《TensorFlow人脸识别实战（人工智能技术丛书）》分为10章，第1、2章介绍人脸识别的基础知识和发展路径；第3章从搭建环境开始，详细介绍Anaconda、Python、PyCharm、TensorFlow CPU版本和GPU版本的安装；第4-6章介绍TensorFlow基本和高级API的使用；第7章介绍使用原生API处理数据的方法和可视化训练过程；第8章是实战准备，介绍ResNet模型的实现和应用；第9、10章综合该书前面的知识，学习人脸识别模型与人脸检测这两个实战项目。《TensorFlow人脸识别实战（人工智能技术丛书）》内容详尽、示例丰富，是机器学习和深度学习初学者必备的参考书，同时也非常适合高等院校和培训机构人工智能及相关专业的师生教学参考。

《TensorFlow语音识别实战/人工智能技术丛书》使用新的TensorFlow2作为语音识别的基本框架，引导读者入门并掌握基于深度学习的语音识别基本理论、概念以及实现实际项目。《TensorFlow语音识别实战/人工智能技术丛书》内容循序渐进，从搭建环境开始，逐步深入理论、代码及应用实践，是语音识别技术图书的好选择。《TensorFlow语音识别实战/人工智能技术丛书》分为10章，内容包括语音识别概况与开发环境搭建、TensorFlow和Keras、深度学习的理论基础、卷积层与MNIST实战、TensorFlowDatasets和TensorBoard详解、ResNet模型、使用循环神经网络的语音识别实战、有趣的词嵌入实战、语音识别中的转换器实战、语音汉字转换实战。《TensorFlow语音识别实战/人工智能技术丛书》内容详尽、示例丰富，适合作为语音识别和深度学习初学者必备的参考书，同时非常适合作为高等院校和培训机构人工智能及相关专业师生的参考教材。