本书针对推荐系统中的二部图、社交网络和知识图谱的图结构模式，研究基于图表示学习的深度推荐系统。通过挖掘图信息中的隐性关系和高阶关系，使用图学习的方式探索用户和产品的潜在关联，弥补相关推荐系统研究在挖掘用户之间或者产品之间隐性关系方面的不足，形成一系列合理而且有效的推荐技术。增加推荐系统输入的多样性，运用社交网络和知识图谱等辅助信息，缓解推荐系统目前面临的“数据稀疏”、“冷启动”等问题，提高推荐系统的准确性和多样性，为推荐系统技术的发展提供可参考的方向。

全书共8章，第1章对现有常见的基于深度学习剩余寿命预测技术研究现状进行深入分析，第2章给出了一种充分融合深度学习和随机过程优势的退化系统剩余寿命预测方法，第3章与第4章重点围绕全寿命周期情形所开展的剩余寿命预测方法研究，第3章得到的点估计预测结果，第4章是在Bayesian深度学习框架下确定的是概率分布预测结果，第5章与第6章针对零寿命标签情形所开展的剩余寿命预测方法研究，第5章提出了一种基于网络模型平均的退化系统剩余寿命点估计预测方法，第6章研究了基于Bayesian深度学习的退化系

深度学习是人工智能领域无法避开的课题之一，也是比较强大的方法之一。很多从事算法工作或相关工作的人，或多或少都在应用深度学习方法解决相关领域的问题。本书针对深度学习知识做进阶性探讨。通过11章内容，对卷积网络、新型结构、注意力机制、模型压缩、自监督学习、目标检测中的高级技巧、无监督学习、Transformer高级篇，以及图神经网络和元学习进行了深入的探讨，最后对深度学习的未来发展进行了展望。

本书详细介绍了强化学习的理论推导、算法细节。全书共12章，包括强化学习概述、马尔可夫决策过程、退化的强化学习问题、环境已知的强化学习问题、基于价值的强化学习算法、基于策略的强化学习算法、AC型算法、基于模型的强化学习算法等相关知识。本书系统性强、概念清晰，内容简明通俗。除了侧重于理论推导，本书还提供了许多便于读者理解的例子，以及大量被实践证明有效的算法技巧，旨在帮助读者进一步了解强化学习领域的相关知识，提升其现实中的工程能力。本书可作为高等院校数学、计算机、人工智能等相关专业的强化学习教材，但需

本书介绍了深度学习的基本理论、工程实践及其在产业界的部署和应用。在深度学习框架的介绍中，书中结合代码详细讲解了经典的卷积神经网络、循环神经网络和基于自注意力机制的Transformer网络及其变体。还介绍了这些模型在图像分类、目标检测、语义分割、欺诈检测和语音识别等领域的应用。此外，书中还涵盖了深度强化学习和生成对抗网络的前沿进展。在系统工程和产业实践方面，书中解释了如何使用分布式系统训练和部署模型以处理大规模数据。本书系统介绍了构建深度学习推理系统的过程，并结合代码讲解了分布式深度学习推理系统

主要内容
● 用进化计算解决复杂的设计和分析问题
● 调整深度学习超参数
● 将Q-Learning应用于深度学习，从而进行深度强化学习
● 优化无监督自编码器的损失函数和网络架构
● 创建一个能够参与OpenAI Gym游戏的进化智能体

XGBoost是一种经过行业验证的开源软件库，为快速高效地处理数十亿数据点提供了梯度提升框架。首先，本书在介绍机器学习和XGBoost在scikit-learn中的应用后，逐步深入梯度提升背后的理论知识。读者将学习决策树，并分析在机器学习环境中的装袋技术，同时学习拓展到XGBoost的超参数；并将从零开始构建梯度提升模型，将梯度提升扩展到大数据领域，同时通过计时器的使用了解速度限制。接着，本书重点探讨XGBoost的细节，着重于速度提升和通过数学推导导出参数。通过详细案例研究，读者将练习使用sc

这本书将把人工智能、大数据、云、机器人和智能设备作为背景。揭示了人工智能如何帮助企业实现商业价值指数级增长。本书涵盖了我们为什么需要人工智能，如何开始，以及成功实施所需的框架和重要元素的全部内容。作者展示了其AI可视化版图，概述了计划和衡量一个成功的战略(包括潜在的权衡)所需的构建模块，涉及了人工智能、机器学习或预测分析，这个模块目的是指导一项人工智能和大数据不可忽视战略。人工智能和大数据正在影响着人类工作和生活的方方面面。这本书旨在向企业领导者、创业者、商务人士阐释如何理解、适应和利

本书以深入浅出的方式介绍近年来人工智能领域最热门的技术——多模态大模型的技术方法、开源平台和应用场景，并详细阐述因果推理、世界模型及多智能体与具身智能等前沿技术领域，有助于读者全面了解多模态大模型的特点及发展方向，对新一代人工智能技术范式和通用人工智能的发展起到重要推动作用。全书共5章，第1章深入探讨最具代表性的大模型结构，第2章深度剖析多模态大模型的核心技术，第3章介绍多个具有代表性的多模态大模型，第4章深入分析视觉问答、AIGC 和具身智能这3个典型应用，第5章探讨实现通用人工智能的可行思路

本书详细介绍边缘计算和人工智能技术，主要内容包括边缘计算与人工智能概述、边缘计算与人工智能基本开发方法、边缘计算与人工智能模型开发、边缘计算与人工智能基础应用开发、边缘计算与人工智能综合应用开发。全书采用项目式开发的学习方法，通过贴近日常生活的开发实例，由浅入深地介绍边缘计算与人工智能的相关知识。本书中的每个案例均有完整的开发过程，并给出了开发代码，读者可在这些案例的基础上快速地进行二次开发。