许多部门和行业都渴望将AI和数据驱动技术整合到自己的系统和运营中。但要构建真正成功的AI系统，你需要牢固掌握底层的数学知识。这本综合指南弥补了AI所展现出的无限潜力和应用与相关数学基础之间的存在的现实差距。作者HalaNelson并没有讨论高深的学术理论，而是以现实世界的应用和最先进的模型为重点，介绍了在人工智能领域发展所需的数学知识。你将在专门的AI背景下探索回归、神经网络、卷积、优化、概率、马尔可夫过程、微分方程等主题。

本书以“未来小镇”的规划建设及智能生活为主题，分为“探秘人工智能王国”“未来小镇初建设”“未来小镇新生活”三章，共17 个项目。书中设计了“灰灰”（人工智能初学者）和“大大”（人工智能专家）两个人物角色，通过他们的对话衔接每个项目和环节的主题，让学生更容易融入角色，切身体验项目设计的思路，主动完成项目内容的探究学习。每个项目包含“激趣引导”“探索分析”“创意设计”“拓展提升”“总结巩固”五个环节，按照项目思维结构图设计、编程实践、拓展优化的设计思路，充分激发学生对人工智能自主探究的学习兴趣，促进

本书探讨了AI领域的AI Agent（智能体）和生成式AI的前沿进展，以及这些技术如何重塑我们的生活和工作方式。本书首先回顾了AI技术的演变历程，并强调了智能体的定义及其在客户服务、医疗健康和制造业等领域的广泛应用。本书也对智能体与传统软件进行了对比，分析了智能体的自主性、适应性和协作能力。生成式AI的崛起也被特别提及，其在艺术创作、数据增强等领域的应用被广泛讨论。本书还探讨了智能体在多智能体系统中的协同作用和具身智能的概念，分析了智能体的商业应用，包括企业级应用与任务规划、流程优化等，同时也指

《四元数神经网络稳定性理论及应用》旨在介绍四元数神经网络稳定性理论及应用的研究现状、典型模型、常用研究方法. 具体内容包括四元数神经网络渐近稳定性、四元数神经网络鲁棒稳定性、四元数神经网络μ-稳定性及均方稳定性、四元数神经网络Mittag-Leffler稳定性、四元数神经网络Lagrange 稳定性及H-U稳定性、四元数神经网络多稳定性、四元数神经网络无源性及状态估计、四元数神经网络在联想记忆中的应用, 并通过大量的数值示例演示理论结果的有效性.

可解释AI(Interpretable AI)将教会你识别模型所学习的模式及其产生结果的原因。通过阅读《可解释AI实战（PyTorch版）》，你将掌握一些用于解释白盒模型(如线性回归和广义可加模型)的方法，以及一些用于解释复杂深度学习模型的方法。可解释AI是一个快速发展的领域，本书将该领域的前沿研究简化为你可以在Python中实现的实际方法。
主要内容
● 解释AI模型的技术
● 最大限度地减少错误、偏见、数据泄露和概念漂移
●

《机器学习实战：视频教学版》基于Python语言详细讲解机器学习算法及其应用，用于读者快速入门机器学习。本书配套示例源代码、PPT课件、教学视频、教学大纲、习题与答案、作者微信答疑。
《机器学习实战：视频教学版》共分12章，内容包括机器学习概述、Python数据处理基础、Python常用机器学习库、线性回归及应用、分类算法及应用、数据降维及应用、聚类算法及应用、关联规则挖掘算法及应用、协同过滤算法及应用，最后通过3个综合实战项目（包括新闻内容分类实战、泰坦尼克号获救预测实战、中药数据分析项

《PyTorch深度学习与企业级项目实战》立足于具体的企业级项目开发实践，以通俗易懂的方式详细介绍PyTorch深度学习的基础理论以及相关的必要知识，同时以实际动手操作的方式来引导读者入门人工智能深度学习。本书配套示例项目源代码、数据集、PPT课件与作者微信群答疑服务。
《PyTorch深度学习与企业级项目实战》共分18章，内容主要包括人工智能、机器学习和深度学习之间的关系，深度学习框架PyTorch 2.0的环境搭建，Python数据科学库，深度学习基本原理，PyTorch 2.0入门，

本书共分为三部分，内容包括：概述、基于舆情现象识别视角的网络舆情预测、政府媒体在网络舆情演化中的传播力与影响力研究。具体内容包括：绪论；相关理论与技术概述；面向非均衡事件子集的舆情反转预测；网络暴力类舆情事件演化及预测等。

本书主要介绍了梯度下降和PyTorch的Autograd；训练循环、数据加载器、小批量和优化器；二元分类器、交叉熵损失和不平衡数据集；决策边界、评估指标和数据可分离性等内容。

本书系统介绍了基于强化学习的多智能体协同技术，涉及进化算法、纳什均衡等相关主题，讨论了基于强化学习的多智能体协同理论、一致性学习算法、基于协同Q学习算法的多智能体规划技术等，研究了ICFA方法的优越性，将计算时间和结果准确性作为指标进行考核，在多机器人实时携杆问题中验证了算法的有效性。并给出了针对多机器人协同问题的应用实例。本书不仅包含多智能体强化学习协同研究的最新进展，而且提供了一种相对于传统方法更加高效的技术路线，并根据未来的研究趋势分析本书的应用前景。