内 容 简 介 书中以案例形式详细介绍了PyTorch的各种实战应用。具体内容包括PyTorch与TensorFlow的对比和PyTorch的发展现状，张量Tensor和自动微分Autograd及其具体应用，PyTorch构建神经网络，基于PyTorch构建复杂应用，PyTorch高级技巧与实战应用，网络剪枝应用。

为了避免机器学习背后的复杂数学原理以及异常复杂的算法证明和推导吓退一大批初学者，本书遵循“极简入门”的理念，通过通俗易懂的语言，丰富的图示和经典的案例，有效地降低了学习的门槛，让广大机器学习爱好者轻松入门机器学习。 本书共分11章，覆盖的主要内容有机器学习概述、数据预处理、K最近邻算法、回归算法、决策树、K-means聚类算法、随机森林、朴素贝叶斯算法、支持向量机SVM、神经网络（卷积神经网络、Keras深度学习框架）和人脸识别入门等。从最简单的常识来切入AI领域，打造无缝平滑的学习体验。 本书的读者不需要具有高等数学的深厚知识，也不需要有机器学习或者人工智能（AI）的基础，只需具备Python语言的基础知识和简单了解过NumPy、Pandas等科学基础库，就可以轻松阅读并掌握。另外，高等院校和培训机构也可以将此书作为机器学习入门教材使用。

《人工智能编程基础教程（套装共2册）》对在一线从事编程教育、创客教育的老师开展硬件编程教学非常有帮助。面对人工智能教育资源匮乏的现状，专家型教师余凡沥心血、苦积累、著学术，为一线教师躬先表率，实为典范！《人工智能编程基础教程（套装共2册）》从青少年的认知特点出发，从未来科技发展的需求出发，为我们做出了有效的探索和示范。

介绍深度学习领域最先进的技术 以及深度学习在主要的自然语言处理任务中的成功应用 对深度学习时代自然语言处理领域的不同研究前沿进行了概括与分析 列举了深度学习与自然语言处理领域中交叉的技术性术语以及常用的首字母缩略词。

本书以理论和技术综述为主，主要介绍人工智能技术在船舶与海洋工程领域的应用，在船舶设计、性能优化、水下机器人技术、智能船技术以及水下机器视觉领域进行了详细阐述。

波浪驱动水面机器人技术作为一个前沿研究热点，其出现不过十五年，而国内研究起步于 2012 年。《波浪驱动水面机器人》系统、深入地总结了作者近年来在波浪驱动水面机器人技术领域的主要研究成果与工程实践经验，凝练并深入探讨了波浪驱动水面机器人基础技术问题。《波浪驱动水面机器人》共 6 章，内容主要包括波浪驱动水面机器人的推进机理分析、总体设计、运动建模与预报、运动控制以及应用分析。

《Python机器学习》面向机器学习新手，主要内容如下： ● Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib库 ● 常见的机器学习算法，包括回归、聚类、分类和异常检测 ● 使用Python和Scikit-learn库进行机器学习 ● 将机器学习模型部署为Web服务 ● 使用Microsoft Azure Machine Learning Studio进行机器学习 ● 演习机器学习模型构建方案的实例

刘禹魏庆来编著清华大学出版社北京注意： 经管的书不加“课件下载”理工的书不加“课件下载”内 容 简 介人工智能技术在20世纪50年代诞生，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门综合性技术科学。人工智能技术的发展经历过数次起伏，在螺旋式上升中不断取得新的突破。人机博弈是人工智能领域的一个重要分支。近20年来，出现了多次可以称之为里程碑式的“人机大战”。本书从人机博弈几次里程碑式的事件切入，对技术发展进程中的重要人物、节点和技术突破进行详细介绍，从中梳理出人工智能研究方法论的演进，并对人工智能技术未来发展方向提出展望。 \n本书内容新颖、丰富、翔实、全面，兼具知识性、系统性、可读性与实用性，适合广大青少年、人工智能专业的师生，以及行业技术人员阅读。 \n

随着数字音乐内容的迅速增长以及人们对音乐鉴赏需求的日益提升，音乐信息的分类检索及个性化推荐受到广大网民和有关从业人员越来越广泛的关注，并成为研究及应用的新热点。 本书系统地阐述了机器学习中的常用分类与推荐方法，介绍了网络音乐自动分类与推荐的理论基础，重点探讨了ＳＶＭ 和ＫＮＮ 分类算法的改进，以及协同过滤推荐算法和基于马尔可夫模型推荐算法的改进，并对改进后的算法应用到音乐自动分类和个性化推荐领域进行了探索性研究。本书展现了机器学习常用算法的原理、改进及应用案例，适合机器学习、数据挖掘及大数据等领域的专业人员阅读。

《视听觉信息的认知计算/中国基础研究报告》从人类的视听觉认知与神经机理出发，围绕认知过程的“表达”与“计算”的基本科学问题，重点开展“感知的基本特征、表达与整合”“感知数据的机器学习与理解”“多模态信息协同计算”等三个核心科学问题的研究，发展和构建新的计算模型与算法，为提高计算机对非结构化感知信息和海量异构信息的理解能力及计算效率提供科学支撑。