清图出版

根据我们的经验，对概率深度学习潜力的深刻理解既需要掌握概率深度学习方法的基本思想和基本原理，又需要具备一定的实践经验。为此，本书试图在两者之间找到平衡。

统计学领域已经存在了200 多年。到了20 世纪50 年代，统计学已发展成为一门颇受人们重视的基础学科。它的重要性在20 世纪90 年代随着新型巨量数据源的出现而迅速增加。在21 世纪的前十年，人们的注意力都被吸引到生物应用上，特别是由于人类基因组测序出现的基因数据。但最近十年来，人们发现在商业领域中可用的数据急剧增加，因而人们对统计学在商业领域中应用的兴趣也急剧提升。 十年前，当我的统计学选修课吸引攻读MBA 的全部同学时，我的同事感到十分震惊，因为那时我们学院正在为选修课...

强化学习导论阅读过我以前的著作—— Introduction to Deep Learning Using R(Apress，2018)和Applied Natural Learning Using Python (Apress，2017)的读者，很荣幸你们能够再次成为我的读者。新读者，欢迎你们！在过去的几年里，深度学习软件包和相关技术持续不断地涌现和发展，推动了许多行业发生革命性的变化。毫无疑问，强化学习(Reinforcement Learning，RL)是该领域最引人注目的篇章之一。本质上，强化学

Python是一种简洁的面向对象的计算机编程语言。简洁指的是代码风格。Python的设计哲学是优雅、明确和简单，最好只用一种方法做一件事，从而使代码具有更好的可读性。面向对象指的是 Python在设计时是以对象为核心的，其中的函数、模块、数字、字符串都是对象，这有益于增强源代码的复用性。 Python易于上手，通过执行一些简单的操作就能让代码运行。Python非常适合用来执行原型开发或其他特殊的编码任务，同时编程人员又不用为了维护代码而烦恼。 Python拥...

人工智能(Artificial Intelligence，AI)是将人类思维嵌入计算机的一个领域。 换句话说，就是创建模仿生物大脑功能的人工大脑。现在，人们需要将使用智能可做的所有事情转移到机器中。第一代 AI 专注于人类可以规范描述的问题。 进行智能操作的步骤以机器必须遵循的指令形式来描述。机器遵循人类给出的步骤，而不做任何改变。这些是第一代 AI 的特征。人类可以完整描述一些简单问题，如井字游戏甚至是国际象棋，但无法描述更复杂的问题。在国际象棋中，将棋盘表示为 8×8 大小的矩阵可以简单地解 释问题

进入21世纪以来，信息技术的发展突飞猛进，人类从信息时代步入数字时代，又马不停蹄地进入了数据时代。自2008年大数据被业界正式提出后，围绕大数据的科学研究和产业应用如火如荼，快速实现了从名词炒作到应用落地，数据采集、数据处理、数据建模、数据分析和数据可视化等大数据相关技术在越来越多的行业中得到了广泛研究和普遍应用。与此同时，我国政府高度重视大数据的理论研究和产业应用，并大力支持高校开设大数据科学与技术相关学科专业，以应对持续井喷的大数据人才需求。译者作为这一伟大时代的普通见证者和实践者，深深感到大数据技..

机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术进一步发展。 机器学习是人工智能的核心，是使计算机具有智能的根本途径...