本书主要介绍主流的人工智能理论、算法以及Python实现方法，目的是使学生学会人工智能理论及推导过程，并且掌握调用Python人工智能库和自定义编码的方法。全书共分10章，分别为人工智能与Python概述、Python基础、线性回归及其Python实现、逻辑斯蒂分类及其Python实现、最大熵模型及其Python实现、K-近邻分类与K-均值聚类及其Python实现、朴素贝叶斯分类及其Python实现、决策树及其Python实现、神经网络及其Python实现、图像识别领域的应用案例。 本书可作为计

随着人工智能技术的高速发展和广泛应用，人工智能安全问题引发了人们的高度关注。本书介绍了人工智能安全的概念和范畴，并从理论技术、技术标准、产业生态、伦理、法律等不同的角度分析了人工智能所涉及的安全问题及其治理策略和解决方法。除概述外，本书介绍了采用可信计算技术解决人工智能安全问题的方法，以及无人系统安全、基于类脑计算的强人工智能及其安全、智能制造和智能城市中的人工智能应用安全、网络安全、人工智能安全可控的产业生态建设、人工智能安全标准与风险评估预警、人工智能法律伦理。总体来说，本书既概要

本书首先对智能经济的反馈路径以及发展脉络进行了总结梳理，借助价值创造理论进行分析，总结出智能企业运算智能、感知智能、认知智能三个阶段，并据此分析了人工智能技术应用在智能经济中发挥的关键作用。其次，本书根据商业模式理论比较了互联网时代和智能时代的商业逻辑，指出互联网时代以流量变现的逻辑为主，而数据增值则是智能经济时代价值创造的全新方式，因此各行各业都应建立完整的数据增值模式，形成以数据为核心的价值创造流程闭环，数据生成智能，智能又带来更多数据，充分发挥数据要素对智能经济发展的价值。再次，

本书基于中国工程院重大咨询研究项目人工智能2.0子课题自主式高级无人系统编写，将针对智能无人系统共性基础理论与关键技术，以及无人机、无人车、轨道交通自动驾驶、服务机器人、空间机器人、海洋/极地机器人、无人船、离散制造业无人车间 /智能工厂、流程工业无人车间/ 智能工厂、高端智能装备等智能无人系统的智能技术以及自主无人操作系统，重点介绍国内外研究现状、主要研究问题以及未来发展趋势。为我国人工智能发展提供咨询参考。

《MediaPipe机器学习跨平台框架实战》以实际项目为线索，带领读者探索MediaPipe在不同场景中的应用，使读者既能了解理论知识，又能通过实践掌握技能。全书共9章，第1章介绍MediaPipe基础；第2章重点探讨MediaPipe的控制流、同步机制以及GPU的使用；第3章介绍MediaPipe中的Facemesh，探讨其在增强现实、AR滤镜和视频会议软件中的应用；第4章将MediaPipe与游戏控制相结合，介绍如何在体感游戏中应用MediaPipe技术；第5章以AR激光剑效果、火箭发射小游

深度学习是计算机科学的一个重要分支，是一种以人工神经网络为架构，对数据进行表征学习的算法的总称。深度学习是传统机器学习算法的发展和衍生，相关内容涉及代数、统计学、优化理论、矩阵计算等多个领域。《深度学习理论与实践》是深度学习的基础入门级教材，在内容上尽可能覆盖深度学习算法相关基础知识。全书共11章，大致可分为三大部分：第一部分(第1～3章)主要介绍机器学习的基础知识和一些传统算法；第二部分(第4～8章)主要介绍人工神经网络等的相关理论、优化算法和各类经典神经网络模型；第三部分(第9～11章)为进

《机器学习及其应用2023》邀请MLA 2021-2022的部分专家以综述的形式介绍机器学习领域的研究进展，内容涉及到监督学习、深度学习、因果学习、迁移学习、表示学习、演化学习的基本理论和方法，以及ChatGPT浅析，同时介绍了机器学习在计算机视觉、自然语言处理、并行计算中的应用，代表了国内机器学习最新的研究进展。

本书是基于Python以及飞桨（PaddlePaddle）深度学习框架的实践性机器学习入门教程，内容涵盖Python基础语法、机器学习常用算法以及在计算机视觉和自然语言处理等经典领域的详细案例解析。

本书语言简洁易懂，注重实践与理论相结合，旨在帮助读者掌握机器学习的核心概念和技能。通过阅读本书，读者可以快速了解机器学习各种算法的应用场景，并掌握使用PaddlePaddle来解决机器学习问题的方法。对于想要入门机器学习的人来说，本书是一本实用性较强的参考书。

本书聚焦深度学习算法的基础理论和核心算法，全面系统地论述深度学习的基础理论，兼顾人工智能数学基础知识与领域**原创基础理论，构建脉络清晰的人工智能理论体系。本书首先介绍了深度学习的相关数学基础，主要包括线性代数、概率论、信息论三部分；紧接着系统地介绍了深度学习的重点内容，主要分为五方面，即深度学习的逼近理论，深度学习的表征理论，深度学习的学习理论，深度学习的优化理论，深度学习的核心算法。

深度学习技术作为人工智能领域的一门新兴技术，已成为人工智能科研领域、企业应用领域中常用的一门技术。本教材由神经网络基本训练规则、感知器、BP网络作为基础，讲述神经网络基础训练方法。并通过自编码器网络，将浅层网络过度到深度神经网络部分，详细讲解卷积神经网络原理及训练方法、卷积神经网络的发展以及基于卷积神经网络的目标检测算法等。而后，对序列信息处理神经网络—循环神经网络进行讲解。本教程采用由浅入深的方式，对深度学习相关理论进行讲解，满足教学过程中的需要。