机器学习虽然在改进产品性能、产品流程和推进研究方面有很大的潜力，但仍面临一大障碍——计算机无法解释其预测结果。因此，本书旨在阐明如何使机器学习模型及其决策具有可解释性。本书探索了可解释性的概念，介绍了许多简单的可解释模型，包括决策树、决策规则和线性回归等。本书的重点是模型不可知方法，用于解释黑盒模型（如特征重要性和累积局部效应），以及用Shapley 值和局部代理模型解释单个实例预测。此外，本书介绍了深度神经网络的可解释性方法。本书深入解释并批判性地讨论所有的可解释方法，如它们在黑盒下的运作机制

在人工智能飞速发展的今天，大众对于这一前沿技术仍感神秘且难以窥探其深。为此，本书针对人工智能的核心问题进行了深入剖析，旨在帮助读者揭开其神秘面纱。
　　本书的主要内容围绕以下问题展开：什么是人工智能？人工智能能否解释其决策？它能否承担法律责任？它是否具有代理权？人类应该保留对这类系统的何种控制权，是否取决于所做决策的类型？如今数据共享比10年前更容易也更普遍，我们是否需要对隐私法进行根本性的反思？我们如何应对通过针对性政治广告进行操纵的潜在可能？政府在使用决策工具方面与产业界是否有所不同？

本书介绍了解贝叶斯神经网络的基本原理, 了解不同的关键BNN实现/近似之间的权衡, 了解概率DNN在生产背景下的优势, 指导如何实现各种BDL方法, 以及如何将这些方法应用于现实世界中的问题, 了解如何评估BDL方法并为特定任务选择最佳方法。通过本书, 读者将了解预测任务中不确定性估计的重要性, 并将了解各种用于产生原则性不确定性估计的贝叶斯深度学习方法。读者将在这些方法的实施过程中得到指导, 并将学习如何选择和在现实世界中应用贝叶斯深度学习方法。在本书结束时, 读者将对贝叶斯深度学习

人工智能和机器学习受数据驱动的趋势日益明显。仿真技术不仅强大，而且魅力无穷，有望释放两者的全部潜能。本书的主要内容有：用Unity引擎和仿真技术，解决机器学习和人工智能问题。用游戏引擎合成图像训模。创建仿真环境，训练强化学习和模仿学习模型。采用PPO等高效通用算法解决基于仿真的机器学习问题。用不同方法训练多种机器学习模型。用PyTorch、Unity ML-Agents和Perception工具集，打通机器学习工具和业界标准游戏开发工具。

本书在介绍机器学习和通信辐射源个体识别的基本概念与研究现状的基础上，用机器学习领域最新的理论成果去解决通信辐射源个体识别存在的具体问题，系统阐述了流形学习、稀疏表示、深度学习、浅层学习等机器学习方法在通信辐射源个体识别中应用的最新研究成果。

通过“特征工程”技术, 可优化训练数据, 提升机器学习流程的输出效果! “特征工程”基于现有数据设计相关的输入变量, 由此简化训练过程, 增强模型性能。调整超参数或模型的效果都不如特征工程; 特征工程通过改变数据管道, 大幅提升了性能。本书列举6个实用项目, 引导你利用特征工程优化训练数据。每章探讨一个代码驱动的新案例研究, 涉及金融、医疗等行业。你将学会清洗和转换数据, 学会减少偏见。本书呈现各种性能提升技巧, 涵盖从自然语言处理到时间序列分析等所有主要机器学习子领域。

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高等级内容。此外，还介绍了机器学习的热门应用领域技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，每章后都有习题和参考文献，便于巩固学习，适用于高等院校本科生、研究生机器学习、数据分析、数据挖掘

本书系统地讲解各种模型在端侧平台(含嵌入式设备、移动端设备)中的工程化实践，重点讨论模型优化、模型轻量化设计、高性能计算、Neon编程、ARM处理器OpenCV编程、基于TFLite的端侧模型部署和性能优化、NPU和GPU推理加速等。通过本书的阅读，读者可以理解端侧AI模型部署内容，包括算法及算子优化和对模型的精度、性能的评估和调优，能够帮助读者朋友找到正确的学习和研究方向，以及正确的工程方法。

本书剖析了图像复原技术的最新进展，并探索了深度学习技术在图像复原过程中的关键作用。内容包括：基于传统机器学习的图像复原方法、基于卷积神经网络的图像复原方法基础、基于双路径卷积神经网络的图像去噪方法、基于注意力引导去噪卷积神经网络的图像去噪方法、基于级联卷积神经网络的图像超分辨率方法等。

本书首先阐述了人工智能素养的内涵。人工智能素养代表的是一种公民适应智能社会的基本能力，包括：能力论，即人工智能素养代表的是一种公民适应智能社会的基本能力,即个体适应人工智能时代工作、学习和生活所需的能力；综合素质论，即人工智能素养象征着一种综合素质,不仅包括人工智能相关的知识和能力,还包括与人工智能技术使用相关的态度和伦理等。其次，建立了人工智能素养的评估体系，推进武汉大学学生在人工智能素养方面的学习情况及教师运用情况。