强化学习
排序：
深入浅出强化学习：原理入门
电子工业出版社 · 2018
本书是面向初学者的强化学习入门读物，由郭宪与方勇纯编著，2018年1月由电子工业出版社出版。全书以「先讲原理、再给代码」的方式展开：开篇绪论先说明强化学习能解决什么问题、算法如何分类、整体发展趋势如何，并带读者用 gym 搭建第一个仿真环境；随后进入马尔科夫决策过程与基于模型的动态规划方法，系统梳理…
TensorFlow深度学习实战（微课视频版）
清华大学出版社 · 2022
本书是清华大学出版社“大数据与人工智能技术丛书”中的一本，由北京航空航天大学吕云翔等人主编，面向零基础或初级读者系统讲解 TensorFlow 框架下的深度学习原理与项目实践。全书分基础篇与实战篇两部分：基础篇从计算机视觉、自然语言处理、强化学习三大应用方向讲起，横向比较 Caffe、TensorF…
TensorFlow实战
电子工业出版社 · 2017
本书基于TensorFlow 1.0版本的API撰写，面向希望快速把深度学习想法落地为可运行模型的开发者与研究者。全书先从TensorFlow的计算图、会话、变量等基础原理讲起，并对比TensorFlow与其他主流深度学习框架的异同，帮助读者理解这套框架的设计思路与适用边界。在实践部分，作者用完整代…
强化学习：原理与Python实现
机械工业出版社 · 2019
本书是清华大学工学博士肖智清撰写的强化学习入门与实战教程，由机械工业出版社作为“智能系统与技术丛书”之一出版。全书共12章，按“基础认知—理论算法—综合案例”三段式展开。第1章介绍强化学习的关键元素、智能体/环境接口、算法分类与学习路线，并以Gym库的小车上山任务给出第一个完整编程实例。第2至9章以…
白话强化学习与PyTorch
电子工业出版社 · 2019
《白话强化学习与PyTorch》由高扬、叶振斌编著，万娟绘制插画，2019 年 9 月由电子工业出版社出版，属于博文视点AI系列丛书。全书约 59 万字、384 页，以“平民”起点、从零讲起，试图将强化学习的学习曲线拉平，让没有系统学过高等数学的程序员也能读懂、学会。 全书在结构上分为三部分：第一部…
TensorFlow从零开始学
电子工业出版社 · 2020
本书是一本基于 TensorFlow 2.0 的深度学习入门书，面向机器学习与深度学习理论基础较为薄弱、希望快速动手实践的初学者。全书按“必需最小知识量”原则组织内容：第 1 章交代机器学习的基本概念与流程，包括数据预处理、特征工程、模型评估与选择，并简要回顾深度学习的发展历程与应用；第 2 章介绍…
具身智能
中信出版社 · 2025
本书是清华大学教授刘云浩面向大众读者撰写的一部人工智能思想通识读物，以当下热门的“具身智能”话题为切入点，回溯人工智能的过去、现在与未来。全书分为上下两篇。上篇“机器可以思考吗”以学派视角展开：从图灵的童年与“机器能否思考”之问讲起，梳理符号主义、联结主义、行为主义三大纲领的兴衰与论争，再延伸到大模…
分布式人工智能
电子工业出版社 · 2022
本书是围绕分布式人工智能这一交叉方向的中文学术著作，全书大致分为五个部分，系统梳理该领域的知识框架与研究进展。开篇介绍分布式人工智能的基本概念、发展脉络与核心问题，说明它与分布式系统、多智能体系统的关系；随后进入分布式规划与优化，讨论多智能体环境下的决策建模、任务分配与求解方法；在博弈部分，介绍多智…
决策算法
机械工业出版社 · 2025
本书源于斯坦福大学的相关课程，主要介绍不确定状态下的决策算法，涵盖基本的数学问题和求解算法。本书共分为五个部分：首先解决在单个时间点上简单决策的不确定性和目标的推理问题；然后介绍随机环境中的序列决策问题；接着讨论模型不确定性，包括基于模型的方法和无模型的方法；之后讨论状态不确定性，包括jing确信念…
Easy RL：强化学习教程
人民邮电出版社 · 2022
强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。 本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方…
元学习：基础与应用
电子工业出版社 · 2021
本书介绍了元学习方法的发展历史、起源、思想、近来流行的元学习方法，以及这些方法的组织思路、改进方案、相互继承、如何应用。本书共11章，分为两部分：元学习方法思想的介绍和元学习应用场景中模型的介绍。这些内容介绍了如何在元学习框架下融入强化学习、模仿学习、在线学习、无监督学习、迁移学习等，实现对实际应用…
深入浅出强化学习：编程实战
电子工业出版社 · 2020
本书是《深入浅出强化学习：原理入门》的姊妹篇，写作的初衷是通过编程实例帮助那些想要学习强化学习算法的读者更深入、更清楚地理解算法。本书首先介绍马尔可夫决策过程的理论框架，然后介绍基于动态规划的策略迭代算法和值迭代算法，在此基础上分3篇介绍了目前强化学习算法中很基本的算法。篇讲解基于值函数的强化学习算…
机器学习
人民邮电出版社 · 2019
机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高等级内容。此外，…
强化学习精要：核心算法与TensorFlow实现
电子工业出版社 · 2018
《强化学习精要：核心算法与TensorFlow 实现》用通俗幽默的语言深入浅出地介绍了强化学习的基本算法与代码实现，为读者构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。从基本的马尔可夫决策过程，到各种复杂的强化学习算法，读者都可以从本书中学习到。本书除了介绍这些算法的原理，还深…
深度学习算法实践
电子工业出版社 · 2025
本书以一位软件工程师的转型故事为线索，讲述算法思维的建立及实践。第1章主要讲解如何从传统的工程思维转入算法思维，第2-5章分别阐述文本处理、视觉识别、Bot机器人、强化学习方向的算法实践，第6章案例阐述预测与推荐的应用。