人工智能是近年來全球最為火熱的研究領(lǐng)域之一，隨著機器學(xué)習(xí)、深度學(xué)習(xí)和強化學(xué)習(xí)研究的突破，人工智能技術(shù)已被應(yīng)用到圖像識別、機器翻譯、語音助手和自動駕駛等方面。為了使讀者能夠深刻理解人工智能的技術(shù)，本書基于Python的Scikit Learn庫介紹了機器學(xué)習(xí)的基礎(chǔ)知識，如分類、回歸、反向傳播算法和梯度下降算法，以及基于TensorFlow基礎(chǔ)框架的深度學(xué)習(xí)和強化學(xué)習(xí)等相關(guān)知識。本書在內(nèi)容上盡可能涵蓋機器學(xué)習(xí)、深度學(xué)習(xí)和強化學(xué)習(xí)的經(jīng)典算法(如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)等)并清晰地闡釋它們的原理，本書還對多個常見的經(jīng)典數(shù)據(jù)集進行了算法模型的實踐，如基于MNIST手寫體圖片和Iris Flowers Dataset鳶尾花數(shù)據(jù)集的識別、基于NLP數(shù)據(jù)集的文本分析以及基于OpenAIGym環(huán)境的AGV多智能體路徑優(yōu)化等。

本書可作為高等院校計算機科學(xué)與技術(shù)、信息管理與信息系統(tǒng)等專業(yè)的本科生與研究生教材，也適合對機器學(xué)習(xí)知識感興趣的學(xué)者、研究人員和從業(yè)人員使用。