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。

本书全面介绍TensorFlow 2.x 框架及其在深度学习中的应用，内容包括TensorFlow 简介、Python 语 言基础、环境搭建与入门、TensorBoard 可视化、多层感知机实现、卷积神经网络实现、循环神经网络实 现、强化学习、迁移学习、生成对抗网络和GPU 并行计算等。

阅读本书犹如一次时空之旅。它不仅向你讲述了人工智能进步的故事，还能让你沿着那些人工智能先驱者的脚步，去感受他们的激情和执着，去了解他们如何用智慧之光，点亮通往未知世界的路标。希望这本书能让你感受到，人工智能原来并不遥远，人工智能原来很有趣，继而进一步地关注更多发生在人工智能世界里的奇妙故事，抑或愿意投身于这一全球瞩目的未来学科。

本书深度剖析人工智能领域的最新趋势及其对未来的潜在影响，特别是聚焦于欧盟在这一领域的政策动向、监管措施和立法进展。书中详细阐述欧盟对于算法的通用监管策略，展示其在构建伦理监管环境方面所取得的最新成就，并提供对欧盟道德法规与可信赖人工智能的宏观洞察。
　　内容不仅涵盖科学信息技术的基础概念阐释，还深入探讨欧盟机构层面的立法、监管以及政策制定活动。同时，对人工智能伦理框架进行全面分析，探讨不同的监管手段，并介绍独特的横向解决方案。此外，本书还系统地梳理了人工智能在重要社会经济领域所适用的部门法

本书详细阐述意图驱动自智网络的关键技术与应用实例。内容涵盖意图驱动自主智能网络的基础概念与背景，以及意图智能转译、意图闭环验证、自主策略生成、意图态势感知等意图环路技术。此外，探讨针对意图驱动智能运维、意图驱动网络负载均衡、意图驱动6G编排和意图驱动卫星网络管控等典型应用案例。

"随着深度学习相关技术的发展，特别是卷积神经网络技术的成熟，深度学习已经成为多种计算机视觉任务的常用工具。卷积神经网络模型由于其强大的表征能力，可以作为一种优秀主干模型，但往往以较大的参数量和计算量为代价。
本书从基本架构设计、新式通用组件、模型压缩方法三个方面着手，试图普遍地、一般地提升卷积神经网络的精度和效率。书中介绍的方法与深度学习实践联系紧密：现实生活中的视觉应用一般要求在一定的推理延迟、吞吐量、模型大小和功耗的约束下尽可能追求更高的精度，所以开发者既可以应用一种新的架构，可以用一

本书主要围绕AI系统的理论基础与技术基础知识展开，结合实例进行介绍，旨在让读者了解AI系统的来龙去脉，形成对AI系统的系统化与层次化的初步理解，掌握AI系统基本理论、技术、实际应用及研究方向，为后续从事具体的学习研究工作和项目开发工作奠定基础。
　　本书首先介绍AI的历史、现状与发展及AI系统的基本知识，后分为AI硬件与体系结构、AI编译与计算架构、AI推理系统与引擎、AI框架核心模块四篇进行详细介绍，涉及AI系统从底层原理到应用落地的全貌，反映了AI系统架构的前沿技术。