本書利用精美的插圖和有趣的類比，對深度學習的主流技術和背后的原理進行了深入淺出的講解，解釋了什么是深度學習，深度學習流行的原因，以及深度學習與其他機器學習方法的關系。閱讀本書，讀者可以掌握卷積神經網絡、循環(huán)神經網絡、生成式對抗網絡和深度強化學習等熱門技術，學習TensorFlow、Keras和PyTorch等熱門工具的

近年，人工智能熱潮席卷而來。本書以圖解的方式網羅了人工智能開發(fā)必備的基礎知識，內容涉及機器學習、深度學習、強化學習、圖像和語音的模式識別、自然語言處理、分布式計算等熱門技術。全書以圖配文，深入淺出，是一本兼顧理論和技術的人工智能入門教材。旨在幫助讀者建立對人工智能技術的整體印象，為今后深入探索該領域打下基礎。另外，書中

本書涵蓋人工智能概述、Python編程基礎、TensorFlow機器學習框架、機器學習算法、MNIST數據集及神經網絡、TensorFlow高級框架、OpenCV開發(fā)與應用等基礎知識，并介紹且搭建了計算機視覺中的手寫數字識別與人臉識別、自然語言處理中的語音識別與智能聊天機器人具體項目，還介紹并實踐了AI開放平臺的接入與

隨著近幾十年來技術的飛速發(fā)展，人機交互技術的地位越來越重要。本書目的是建立以信息流（包括輸入、處理、輸出過程）交互為基礎的人機交互設計與評價思想體系，主要內容包括：人的感覺特性，人的情境認知特性，人的控制特性，人的行為信息分析，以及設計及評價方法、專題研究。

本書在內容安排上十分精良，為便于數學基礎較薄弱的讀者學習，引入了深度學習數學基礎；再由淺入深地以實戰(zhàn)案例講解的方式，對于誤差反向傳播法、卷積運算等進行詳細剖析，使讀者在實現層面上理解；此外還加入了前沿技術，如BatchNormalization等內容。本書提供了8個完整的項目案例、完整的構建過程、詳細的視頻講解以及相應

本書是《數據庫及其應用（Access+Python）》（第4版）配套的學習與實驗的指導教程。全書分為12章，每章包括主教程對應章節(jié)的主要知識點歸納以及習題。各章知識點歸納精煉、完整，習題包括選擇題、填空題、簡答題和設計操作題等多種題型，涵蓋了本章主要內容，并融匯了對于相關知識的整體理解和應用的要求。所有習題都有參考答案

本書內容涉及到了一些機器學習算法的并行化，使得大規(guī)模分布式機器學習算法成為可能，內容分為四個大部分：大規(guī)模機器學習的框架、監(jiān)督和非監(jiān)督學習算法、其它的學習算法和相關應用部分。

近年來，演化計算作為計算智能中傳統的優(yōu)化技術，已經廣泛應用于求解各種數據挖掘問題，形成了一種基于遺傳的機器學習新范式學習分類器。一方面，在真實場景中采集的原始數據不可避免地包含著冗余乃至噪聲屬性的信息，這些不相關的特征將對學習分類器算法的學習性能與計算效率造成負面影響。另一方面，學習分類器以顯式規(guī)則表示目標概念，在監(jiān)督

本書針對產業(yè)界在智能化過程中普遍面臨的數據不足問題，詳細地闡述了聯邦學習如何幫助企業(yè)引入更多數據、提升機器學習模型效果�；ヂ摼W數據一般分布在不同的位置，受隱私保護法規(guī)限制不能共享，形成了“數據孤島”。聯邦學習像“數據孤島”之間的特殊橋梁，通過傳輸變換后的臨時變量，既能實現模型效果提升，又能確保隱私信息的安全。本書介紹了

針對現有人工智能（AI）教材大多重視技術、淡化商業(yè)應用的問題，本教材力圖“透過技術的堅硬外殼，探索AI的商業(yè)潛力和社會影響”。作為一本“面向商學院學生的人工智能教材”，本教材的主要內容有新一代人工智能基本技術原理、特點，人工智能技術的發(fā)展歷史，新一代人工智能發(fā)展的驅動因素、特征和發(fā)展方向，人工智能應用層技術的特點、能力