本書先從背景出發(fā)，闡述黑盒模型存在的問題以及不解決黑盒問題模型可能帶來的后果，引出可解釋機器學習的重要性；隨后，我們從可解釋機器學習的研究方向，分為內在可解釋模型算法和模型事后解析方法兩部分進行介紹，闡述不同模型的原理、應用及其可解釋性。z后通過三個不同的應用場景，介紹在銀行實戰(zhàn)中的數(shù)據(jù)挖掘方法，由問題、處理方法出發(fā)，

本書通過深度學習實例，從可解釋性角度出發(fā)，闡述深度學習的原理，并將圖神經網絡與深度學習結合，介紹圖神經網絡的實現(xiàn)技術。本書分為6章，主要內容包括：圖片分類模型、機器視覺的高級應用、自然語言處理的相關應用、神經網絡的可解釋性、識別未知分類的方法——零次學習、異構圖神經網絡。本書中的實例是在PyTorch框架上完成的，具有

本書從基礎知識開始，介紹深度學習與圖神經網絡相關的一系列技術與實現(xiàn)方法，主要內容包括PyTorch的使用、神經網絡的原理、神經網絡的基礎模型、圖神經網絡的基礎模型。書中側重講述與深度學習基礎相關的網絡模型和算法思想，以及圖神經網絡的原理，且針對這些知識點給出在PyTorch框架上的實現(xiàn)代碼。 本書適合想學習圖神經網絡

全書分三部分，第1部分（1~3章）介紹了人工智能·機器學習·深度學習的基礎知識，Pthon編程及其常用庫的使用方法；第2部分（4~5章）通過16個實操案例帶領讀者玩轉機器學習，其中涉及TensorFlow，Keras，PTorch，Chainer和scikit-learn等具有代表性的開發(fā)框架，讀者可以學習到這些框架的

本書的編寫立足于高職教育人才培養(yǎng)目標和教學改革的實際需求,嚴格遵循“實用為主、夠用為度、應用為目的”的基本原則。選材內容既符合高職學生的特點,又能夠突出人工智能的通識性、前瞻性、和實用性。全書共分九個單元,包含人工智能基本概念、發(fā)展歷史、核心技術、主要產品、常見產品說明書、發(fā)展趨勢及其在相關行業(yè)的應用等內容,涉及智慧生

大前研一和業(yè)界的精英們講述AI與FinTech的*新情況，向讀者分享抓住商機的方法。從始于18世紀60年代的工業(yè)革命和20世紀60年代的信息技術革命中可以看出，新技術的誕生徹底改變了人們迄今為止的生活方式和商業(yè)模式。而現(xiàn)在正掀起了由AI和FinTech掀起的革命，給世界帶來了巨大的沖擊。通過本書不僅可以了解日本在AI和

AI真的會代替人類嗎?今天的所謂AI其實根本沒有像人類智慧一樣的高級智慧，它不過就是一個高速算法而已，它能做到的事情非常有限。但隨著大數(shù)據(jù)時代越來越盛行，又真的沒有一點危險性嗎？這就需要通過我們的閱讀和知識的積累來平衡他們之間的關系。 全書分為四大部分：了解身邊的AI以及新科技；AI的進化以及改變的生活；進步的科技以及

人工智能的發(fā)展需要對所解決問題的深入數(shù)學理解，矩陣代數(shù)正是一種的基本數(shù)學工具，在人工智能學科的研究中具有根本性的意義。本書的目的正是為人工智能的研究和實踐提供堅實的矩陣代數(shù)理論基礎。全書共9章，分矩陣代數(shù)導論、應用兩部分講述矩陣代數(shù)方法在人工智能中的應用。第一部分《矩陣代數(shù)導論》包括第1–5章，提供矩陣代數(shù)的基礎理論；

本教材書主要介紹和講解目前人工智能三個主要流派所包含的基礎理論和研究方法，并通過實例來詳細了解這些技術的特點及應用，帶領讀者走進人工智能的世界。本書以人工智能技術的發(fā)展為線索，內容共分5章，包括知識的表示、搜索技術、機器學習、深度學習等內容，在結構上便于裁剪，適應于不同學時的高校教學需求；在內容上將對數(shù)學原理和算法的講

本書介紹了人工智能領域常用的方法，包括搜索、統(tǒng)計學習、深度學習和自動機器學習等內容。各章節(jié)涉及的問題均根據(jù)歷史典故或現(xiàn)實生活引出，并使用通俗易懂的方式提出問題及其解決方法。因此，讀者在閱讀本書時不會感到枯燥無味，也不需要具備人工智能相關的知識背景。書中包含很多代碼示例，每個示例均有詳細的解釋，有助于讀者進一步理解相應的