本书主要为高等院校非计算机专业的人工智能导论课程设计编写，内容具有应用 理论的特色。针对高校学生的需求和人工智能发展的特点，本书分为引言篇、理论篇和应用篇三部分，可基于学习需求和进度，自主选择。引言篇包括绪论；理论篇包括人工智能之理论基础、人工智能之机器学习、人工智能之深度学习、人工智能之强化学习；应用篇包括人工智能开发平台和人工智能应用及展望。本书可用于普通高等学校各专业人工智能导论、医学人工智能导论等相关课程的教学，也可供对人工智能感兴趣的科研人员参考。

本书全面介绍了统计机器学习的主要算法，内容涉及多元线性回归、对数线性回归、逻辑斯蒂回归、岭回归、Lasso回归、判别分析和聚类分析等传统方法，也涉及支持向量机、深度神经网络以及集成学习等比较热门的算法，并给出相应算法的R语言实现。本书还给出了向量和矩阵函数求导以及拉格朗日对偶等数学基础，便于读者理解相关算法推导。 本书可以作为统计机器学习等相关专业的教材和参考书，也可供从事相关领域研究的人员参考。

人工智能驱动的组学挖掘是数据驱动的生物医学研究的支撑技术。组学测序技术逐步向多尺度、跨模态、有扰动等方向发展，但体现出的高维度、高噪声、多模态、标记稀缺等特点，成为制约其有效挖掘的瓶颈。本书面向生命组学数据特点，较为系统和深入地对组学机器学习的主要研究范式、适用场景、分析方法、理论思想进行介绍。结合相应组学挖掘的具体研究案例，向读者展示组学人工智能驱动的生命健康交叉研究的绚烂图景。

数据驱动的在线协作学习分析是提升协作学习效果的重要基础，是推动在线学习变革的重要力量。本书系统梳理了学习分析的研究现状，阐释了协作学习的理论基础与研究热点，构建了在线协作学习分析模型——KBS模型，设计了面向学习者和教师的群体感知工具，分别从学习者和教师视角分析了群体感知工具对学习者学习和教师教学的支持与指导，探讨了社会调节学习在协作学习中的发生机制，展望了在线协作学习交互分析的发展趋势，为研究者刻画了协作学习分析领域的最新理论模型与研究进展，具有较强的理论价值与应用价值。

本书兼顾深度学习的理论和应用，特别强调大规模训练应用案例，引导学生进人深度学习的前沿领域．主要内容有深度学习的核心理论问题：网络拓扑结构设计、网络参数初始化方法. 大规模网络训练的优化方法、正则化方法、激活函数的研究方法. 书中引人深度学习在计算机视觉中的大型经典和前沿应用案例，包括图像分类任务. 目标检测与跟踪任务、多源遥感图像融合任务、超分辨率任务. 图像隐写与图像信息安全任务等内容. 本书拥有丰富的数字化资源，扫描每章末二维码即可观看学习.

本套教材包括主教材《机器学习-工业大数据分析》，一套多媒体课件，一个工业大数据集，一套完整代码集。由授课教师在进行教学实践的基础上，适应当前国内教学改革的需要，结合清华大学《机器学习与大数据》的教学经验编写而成。本书以机器学习理论方法和工业大数据实践为两条并行主线贯穿整个课程。以经典机器学习、深度学习以及强化学习部分为理论主体，重点介绍方法原理、公式推导、算法设计和分析；以生产系统、交通系统、能源系统、电信系统、医疗系统为主体实践领域，重点介绍大数据与机器学习方法的联合应用以及评估。全书共分2篇

《Python机器学习实战：基于Scikit-learn与PyTorch的神经网络解决方案》基于作者多年的积累，通过概念及其解释、Python代码示例及其解释和代码输出，特别针对零基础读者精心设计了这本机器学习进阶指南。全书包含3部分16章的内容，在介绍完编程和数据处理基础之后，探讨了监督学习（如线性回归、逻辑回归及决策树、朴素贝叶斯和支持向量机）、集成学习以及无监督学习（如降维和聚类等）。值得一提的是，书的最后讲到了神经网络和深度学习的基本思想，探讨了人工神经网络、卷积神经网络和递归神经

本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化，以及深度学习实验项目。本书内容由浅入深、语言通俗易懂，从基本原理到案例应用、从基础算法到对复杂模型的剖析，让读者在循序渐进的学习中理解Keras。 本书可作为高等院校计

本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可以巩固所学的内容。
本书可以作为高校数据科学或人工智能相关专业的教材，也可作为深度学

本书以人与技术的关系为基点，既对人工智能技术发展进行梳理、对人工智能技术具体应用进行讨论，又对人工智能技术发展带来的社会前沿问题开展广义的哲学分析。一方面，及时跟进、关注人工智能技术发展现状与趋势，并以案例呈现人工智能技术发展的可能样态及应用。另一方面，关注人工智能技术发展在个人、社会、国家等多个方面产生的深刻影响，观察和审视从技术赋能到技术风险的可能传导层面，讨论促进技术发展、社会治理与人类共生之间良性互动的路径及方略。