本书是《动手学深度学习》的重磅升级版本，选用PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出基础的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要

本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。

本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化

本书是近年来作者对混合智能系统研究成果及经验的总结。本书界定了混合智能系统的研究范围和研究层次，给出了混合智能系统的概念。以设计科学的思想为基础，以基于案例推理的混合智能系统技术选择为核心，依据“从定性到定量综合集成研讨厅”的基本思想，提出了基于案例推理的混合智能系统构造方法。在对串型混合智能系统、并型混合智能系统、反馈型混合智能系统、内嵌型混合智能系统、混联型混合智能系统的应用特点进行分析的基础上，对基于案例推理的混合智能系统构造方法进行了实证研究，并将混合智能系统引入商务智能的应用中。最后对

本书阐释了人工智能（AI）的独特之处，它可能导致哪些法律和道德问题，以及我们如
何解决这些问题。它认为 AI 与先前其他的任何技术都有不同，因为它能够独立且不可预测地做出决策。这引发了三个问题：责任——如果 AI 造成伤害，谁来负责；权利——赋予 AI 法律人格的道德争议和务实理由；以及围绕人工智能决策的伦理规范。该书建议，为了解决这些问题，我们需要跨行业和国际层面制定新的制度和法规。本书包含对复杂主题的清晰解释，将会吸引不同学科的受众，无论是对法律、政治和哲学感兴趣的人士，还是对计算机编

本书的编程语言以Python为主, 详细介绍了人工智能算法主流类别, 从常见的特征处理算法出发, 介绍了回归算法、基于实例的算法、树方法、神经网络、自然语言处理、社会网络、群粒子算法、推荐算法。本书针对每一个大类算法都介绍了该门类下的几个经典算法, 并运用常见算法库以代码实现为目的, 以商业分析、金融投资、科研辅助、工程优化等案例为对象, 逐步讲解每一个算法的实现和在案例分析中的运用, 涉及案例均可扫码实时观看。

在人工智能发展的漫长历程中，如何让机器学会创作一直被视为难以逾越的天堑，创造力也因此被视为人类与机器最本质的区别之一。然而，人类的创造力也终将赋予机器创造力，把世界送入智能创作的新时代。人工智能绘画作品的夺冠、超级聊天机器人ChatGPT的出现，无疑拉开了智能创作时代的序幕。从机器学习到智能创造，从PGC、UGC到AIGC，我们即将见证一场深刻的生产力变革，而这份变革也会影响到我们工作与生活的方方面面。本书将结合生动的比喻和有趣的案例，向所有关注未来科技的从业者、创业者、投资人、政府部门科

本书重点分析非线性时滞系统的迭代学习控制方案设计及其稳定性分析问题。内容包括：不确定时变参数化非线性时滞系统迭代学习控制、非参数化非线性时滞系统迭代学习控制、控制方向未知的非线性时滞系统迭代学习控制、基于观测器的非线性时滞系统迭代学习控制、机械臂系统自适应迭代学习控制等。

本书从图划分的视角系统介绍基于图论的机器学习方法，包括机器学习中的三类基本学习问题：无监督、半监督和监督学习问题，同时考虑协同正则化、多重正则化和路径传播对基于图论的学习方法进行了拓展。通过大量的实验验证，本书提供的方法合理有效，算法效率显著提高。

本书基于作者多年的研究成果，详细介绍了跨数据中心机器学习的训练系统设计和通信优化技术。本书面向多数据中心间的分布式机器学习系统，针对多数据中心间有限的传输带宽、动态异构资源，以及异构数据分布三重挑战，自底向上讨论梯度传输协议、流量传送调度、高效通信架构、压缩传输机制、同步优化算法、异构数据优化算法六个层次的优化技术，旨在提升分布式机器学习系统的训练效率和模型性能，突破跨数据中心机器学习的通信瓶颈和数据壁垒，实现多数据中心算力和数据资源的高效整合。本书可作为跨数据中心机器学习的参考资料，供人工智能

本书是《Scikit-learn机器学习详解》（潘风文编著）的进阶篇，讲解了Sklearn（Scikit-learn）机器学习框架的各种高级应用技术，包括数据集导入工具、集成学习、模型选择和交叉验证、异常检测、管道、 信号分解、模型持久化以及Sklearn系统高级配置。通过本书的学习，读者可快速掌握Sklearn框架的高级知识，迈入人工智能殿堂的大门。本书适合有志于从事机器学习、人工智能技术开发的人员或爱好者使用，也可作为相关专业的教材。