本书系统梳理了深度强化学习的核心理论、关键算法及其在智能控制、机器人技术和多智能体系统中的应用。全书涵盖强化学习的基本概念、深度强化学习的主要框架，以及多智能体强化学习的协同决策、任务分解与优化控制等前沿问题，并结合大量实验案例，深入探讨强化学习在飞行器控制、移动机器人导航与避障等领域的实践应用。

本书是畅销书深度学习入门&进阶系列第五本书，主要围绕生成模型进行讲解。生成模型是一种非常重要的技术，对于人工智能的发展有着重要的作用。本书延续了作者通俗易懂的行文风格，以深入浅出的方式介绍正态分布到扩散模型所涉及的技术，并最终完成一个类似于StableDiffusion的图像生成人工智能。读者可在创建这个图像生成人工智

本书基于图神经网络研究网络表示学习，具体内容包括:改进了高阶图卷积神经网络、图注意力网络、自编码架构和图的小波神经网络等模型，构建网络表示学习模型，并在图基础任务(如链路预测和节点分类)上取得了有效的性能。此外，本书采用前沿的图对比学习架构，通过增强图数据表示有效缓解数据稀疏问题，并在知识图谱的基础任务上显著提升性能。

本书提出了以下推荐方法：基于“字符－短语”注意力机制和因子分解机的混合推荐方法和基于“局部－整体”注意力和文本匹配机制的推荐方法，旨在通过获取更多信息和提升模型特征提取能力，来实现更精准的个性化推荐；基于层次注意力和增强经验优先回放机制的深度强化学习推荐方法和基于自适应元模仿学习的推荐环境模拟器，旨在突破深度强化学习在

本书的主要内容有：为机器学习系统编写自动化测试，容器化开发环境，并重构有问题的代码库。运用MLOps和CI/CD实践，加速实验周期并提升机器学习解决方案的可靠性。运用精益交付和产品实践，提高构建符合用户需求的正确产品的成功率。确定适合的团队结构及团队内外的协作方式，以促进快速工作流、减少认知负担，并在组织内推广机器学习

本书的主要内容有：设计现代化和安全的云原生或混合式数据分析和机器学习平台。整合数据到妥善治理、可扩展和有弹性的数据平台，以数据加速创新。实现企业数据访问的民主化，治理业务团队抽取洞察力的方式，并构建AI/ML能力。赋予业务团队用流处理流水线实时决策的能力。构建MLOps平台，采用预测分析和规范性分析方法。

本书共6章，内容包括：控制系统的数学模型、控制系统的时域分析法、控制系统的根轨迹分析法、控制系统的频域分析法等。

本书系统地阐述了自动控制的基本理论与应用。全书共9章，第1章自动控制的基本概念；第2章连续系统的数学模型；第3章时域分析法；第4章根轨迹法；第5章频率法；第6章线性系统的校正方法；第7章离散系统控制理论；第8章非线性控制系统分析；第9章控制系统的状态空间法。本书将MATLAB辅助分析与设计控制系统方法贯穿在相关章节中，

本书系统阐述了自然语言处理、机器学习与AI大语言模型的原理及其在管理领域中的典型应用，包括自然语言处理基础(第1-3章)、智能管理研究方法与实战(第4-5章)和AI大语言模型(第6-7章)三个篇章。本书在详细阐述智能管理研究基本理论和方法的基础上，重点介绍智能管理研究中的数据分析思维，并通过丰富的实战案例、翔实的代码解

本书从技术价值、存在风险、伦理治理的维度介绍相关内容，旨在使读者全面地理解、掌握人工智能伦理方法，通过案例分析使读者能够运用这些方法解决现实世界中的问题。本书较为全面地介绍了人工智能伦理概念及人工智能应用伦理等方面的知识，分为基础篇、理论篇、应用篇三部分，共16章。本书适用于所有理工科、社会科学专业学生作为人工智能通识