本书是一部论述机器学习原理与算法的立体化教材（含纸质图书、教学课件和部分视频教程），本书兼顾机器学习基础、经典方法和深度学习方法。对组成机器学习的基础知识和基本算法做了比较细致的介绍，对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等算法都给出了深入的分析，并讨论了无监督学习的基本方法。用5章的篇幅对深度学习和深度强化学习做了相当全面的叙述，不仅深入地讨论了反向传播算法、多层感知机、CNN网络、RNN网络和LSTM结构等深度神经网络的核心知识和结构，对于一些发展

本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

本书较为全面地介绍了深度学习应用场景下的人工智能技术服务、深度学习数据应用、深度学习基础应用等技术。全书共10个实训项目, 包括人工智能需求分析、人工智能产品设计、人工智能平台应用、数据采集工程应用、数据处理工程应用、数据标注工程应用、机器学习模型训练、深度学习框架应用开发、深度学习框架基础功能应用、深度学习线性回归模型应用等。本书以企业用人需求为导向, 以岗位技能和综合素质为核心, 通过理论与实战相结合的方式, 培养能够根据深度学习项目需求, 完成数据的采集、标注、处理等工作以及机器

本书较为全面地介绍了深度学习模型训练、计算机视觉模型应用、自然语言处理模型应用等技术。全书共9个实训项目, 包括深度学习全连接神经网络应用、深度学习卷积神经网络应用、深度学习循环神经网络应用、计算机视觉模型数据准备、计算机视觉模型训练与应用、计算机视觉模型部署、自然语言处理预训练模型数据准备、自然语言处理预训练模型训练与应用、自然语言处理模型部署等。本书以企业用人需求为导向, 以岗位技能和综合素质为核心, 通过理论与实战相结合的方式, 培养能够根据深度学习项目需求, 完成模型训练、模型

　《事件驱动神经形态系统》系统地描述了神经形态工程领域的新技术，包括构建完整的神经形态芯片和解决制造多芯片可扩展系统面临的技术问题。
　　《事件驱动神经形态系统》主要内容分为两部分。分（第2-6章）描述了所构建的AER通信体系结构、AER传感器和电子神经模型，其中，第2-5章用树状图描述了将架构和电路关联起来的历史，并引导读者阅读大量文献；第6章描述了关于事件驱动系统学习的大部分理论知识。第二部分（第7-16章）面向神经形态电子系统构建方向的读者，提供了用于构建传感器和计算单元建模神经

本书以人工智能技术为背景，介绍了人工智能领域内的相关算法，包括机器学习算法和深度学习算法，详细介绍了各个算法的概述，原理以及应用案例。全书分为四大部分：AI基础知识、监督式学习算法、无监督式学习算法、深度学习算法。全书共17章，第1章介绍人工智能的定义、关键技术、实际应用等相关背景；第2章介绍人工智能算法的实验环境，包括环境安装，可视化库，TensorFlow框架搭建；第3章介绍线性回归算法，包括算法概述、原理以及应用案例实现；第4章介绍逻辑回归算法，包括算法概述、原理以及应用案例实现；第5章介

本书较为全面地介绍了深度学习应用场景下的数据采集、数据处理、数据标注等技术。全书共12个实训项目, 包括数据采集概述、网络数据采集、端侧数据采集、数据存储与加载、数据处理概述、图像类数据处理、文本类数据处理、数据标注概述、图像数据标注、文本数据标注、深度学习图像分类应用实战、深度学习情感分析应用实战等。本书以企业用人需求为导向, 以岗位技能和综合素质为核心, 通过理论与实战相结合的方式, 培养能够根据项目需求, 完成数据的采集、标注、处理等工作的人才。

本书以高校和企业合作的人工智能大数据标注基地的实际运作经验为基础, 将自己在AI大数据标注工厂中所领悟到的管理方法和所使用的技术平台进行详细阐述, 并结合实际案例进行讲解, 在兼顾初学者的同时, 更偏重于如何以数据标注工厂的层面从管理方法和技术手段上提高AI大数据标注生产能力的探讨。

本书从四个角度对人工智能伦理与安全的相关议题进行了深入探讨: ①研究人工智能伦理与安全的必要性和紧迫性，涉及我国人工智能发展战略解读、人工智能伦理准则，以及安全法规的产生背景与发展脉络； ②业界在人工智能伦理与安全领域的研究思路与理论成果，包含安全可信人工智能、人工智能时代的隐私与监控、人工智能与信息安全等内容； ③人工智能技术对各行各业产生的社会性影响与相应的应对之策，涵盖人工智能与就业机会、人工智能系统的偏见、无人驾驶的法律责任、人工智能造假与欺骗，以及人工智能武器化等角度； ④人类与强人工

本书主要阐述人工智能的基本原理、方法和应用技术。全书共13章，除第1章讨论人工智能的基本概念、第13章讨论人工智能的争论与展望外，其余11章均按照“基本智能+典型应用+计算智能”三个模块编写。第一个模块为人工智能经典的三大技术，分别为知识表示技术、搜索技术和推理技术，主要包括知识表示、搜索策略、确定性推理和不确定性推理； 第二个模块为人工智能的典型应用领域，包括机器学习、支持向量机和专家系统； 第三个模块为计算智能与群智能，包括神经计算、进化计算、模糊计算和群智能。
本书力求科学性、模块化