数学是机器学习绕不开的基础知识，传统教材的风格偏重理论定义和运算技巧，想以此高效地打下机器学习的数学基础，针对性和可读性并不佳。本书以机器学习涉及的线性代数核心知识为重点，进行新的尝试和突破：从坐标与变换、空间与映射、近似与拟合、相似与特征、降维与压缩这5个维度，环环相扣地展开线性代数与机器学习算法紧密结合的核心内容，

本书从TensorFlow基础讲起，逐步深入TensorFlow进阶实战，最后配合项目实战案例，重点介绍了实用TensorFlow库训练卷积神经网络模型并将模型移植到服务器端、Android端和iOS端的知识。读者不但可以系统地学习TensorFlow库的使用，还能加深对深度卷积神经网络的理解。本书分为4篇，共13章，

深度学习是机器学习的重要分支。本书系统地介绍了如何用Python和NumPy实现的算法一步一步地实现深度学习的基础模型，而无须借助TensorFlow、PyTorch等深度学习框架，从而能帮助读者更好地理解底层算法的脉络，进而进行模型的定制、优化和改进。全书内容设计可帮助读者零起点通关神经网络，由简到难地讲述感知机模型

本书以程序员所熟悉的代码方式带领程序员们进入深度学习的世界。所有的理论都有对应的可运行的代码进行说明。程序员可以通过修改和调试代码在熟悉的世界里完成向深度学习的转型。 本书兼顾了Tensorflow和PyTorch这两大流行的深度学习框架，使读者同时掌握静态计算图和动态计算图这两大流派，方便读者跟随新技术形势。同时还介

本书旨在讨论人工智能领域未来的发展方向，即通用人工智能和奇点现象。本书涵盖了奇点理论提出以来该领域取得的一系列研究进展，剖析了实现通用人工智能所面临的问题并分析了各种实现途径。作者不仅展开了天马行空的想象，思考未来技术，比如意识上传、飞米技术等如何为通用人工智能提供可行性，还将现有的通用人工智能技术落地，在生物学领域进

本书是一本针对高校学生的绝佳TensorFlow学习教材。作者结合众多高质量的代码，生动讲解了TensorFlow的底层原理，并从实际应用问题入手，从实践的角度出发，通过具体的TensorFlow案例程序介绍常见的模型和应用解决办法。同时，在教材中还介绍了模型部署和编程过程中所用到的诸多开发技巧。是学习和掌握人工智能这

本书系统介绍基于新闻语料的俄语连续语音识别方法。全书共分以下几个部分：基于Kaldi设计实现俄语连续语音识别原型系统，使之具备在线识别和离线识别功能，以验证声学模型和语言模型优化算法的有效性，进而为面向特定领域的俄语语音识别实用系统研发提供理论方法、实验数据和关键技术支撑。为了实现上述目标，需要进行如下环环紧扣的操作步

本书涵盖了经典控制、现代控制和非线性控制理论的基本内容。从控制理论的基础知识入手，较深入地介绍了控制系统的传递函数、方框图、信号流图以及状态空间模型；详细阐述了用于控制系统稳定性、瞬态性能、稳态性能分析时域法、根轨迹法、频域法和状态空间法，以及相应的系统设计方法；讨论了离散控制系统的模型、性能分析和校正方法；并对非线性

智能科学研究智能的本质和实现技术,是由脑科学、认知科学、人工智能等创建的前沿交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质；认知科学是研究人类感知、学习、记忆、思维、意识等人脑与心智活动过程的科学；人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科

机器学习是计算机智能围棋博弈系统、无人驾驶汽车和工业界人工智能助理等新兴技术的灵魂，特别是深度学习理论更是诸多高精尖人工智能技术的核心。掌握机器学习理论与实践技术是学习现代人工智能科学最重要的一步。本书既讲述机器学习算法的理论分析，也结合具体应用介绍它们在Python中的实现及使用方法。本书的第2到第9章主要介绍监督式