不知不覺，人工智能已經(jīng)走入我們的生活，尤其是圖像識別、文本識別、語音識別、自然語言等技術。這些應用的核心技術就是深度學習，也正是本書的核心內(nèi)容。 本書以TensorFlow為核心，分為3篇，共計15章節(jié)。第1篇是基礎篇（第1~5章），主要介紹什么是深度學習、深度學習的本質(zhì)是什么、深度學習所使用的教材和方法，以及深度學習

本書內(nèi)容涵蓋了人工智能的起源、機器學習、神經(jīng)網(wǎng)絡、深度學習、專家系統(tǒng)、推薦系統(tǒng)、自然語言處理、智能圖像處理、智能機器人。本書可供從事人工智能研究領域的工程技術人員和科研人員閱讀。

數(shù)學是機器學習繞不開的基礎知識，傳統(tǒng)教材的風格偏重理論定義和運算技巧，想以此高效地打下機器學習的數(shù)學基礎，針對性和可讀性并不佳。本書以機器學習涉及的線性代數(shù)核心知識為重點，進行新的嘗試和突破：從坐標與變換、空間與映射、近似與擬合、相似與特征、降維與壓縮這5個維度，環(huán)環(huán)相扣地展開線性代數(shù)與機器學習算法緊密結(jié)合的核心內(nèi)容，

本書主要講述了深度學習中的重要概念和技術，并展示了如何使用TensorFlow實現(xiàn)高級機器學習算法和神經(jīng)網(wǎng)絡。本書首先介紹了數(shù)據(jù)科學和機器學習中的基本概念，然后講述如何使用TensorFlow訓練深度學習模型，以及如何通過訓練深度前饋神經(jīng)網(wǎng)絡對數(shù)字進行分類，如何通過深度學習架構解決計算機視覺、語言處理、語義分析等方面的

本書用淺顯易懂的語言，圖文并貌地講解了深度學習的基礎知識，從如何挑選硬件到神經(jīng)網(wǎng)絡的初步搭建，再到實現(xiàn)圖片識別、文本翻譯、強化學習、生成對抗網(wǎng)絡等多個目前*流行的深度學習應用。書中基于目前流行的PyTorch框架，運用Python語言實現(xiàn)了各種深度學習的應用程序，讓理論和實踐緊密結(jié)合。

隨著計算科學的快速發(fā)展，人工智能已為我們大家熟知。2017年國務院正式印發(fā)《新一代人工智能發(fā)展規(guī)劃》，明確了人工智能的國家戰(zhàn)略地位，關于人工智能的科普、技術普及讀物也已出現(xiàn)，但符合少年兒童認知的人工智能科普讀物卻一直是個空白。本書是面向少年兒童的人工智能科普讀物，用輕松有趣的筆觸和明確簡潔的形式介紹人工智能的歷史、現(xiàn)狀

本書旨在討論人工智能領域未來的發(fā)展方向，即通用人工智能和奇點現(xiàn)象。本書涵蓋了奇點理論提出以來該領域取得的一系列研究進展，剖析了實現(xiàn)通用人工智能所面臨的問題并分析了各種實現(xiàn)途徑。作者不僅展開了天馬行空的想象，思考未來技術，比如意識上傳、飛米技術等如何為通用人工智能提供可行性，還將現(xiàn)有的通用人工智能技術落地，在生物學領域進

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學

本書以程序員所熟悉的代碼方式帶領程序員們進入深度學習的世界。所有的理論都有對應的可運行的代碼進行說明。程序員可以通過修改和調(diào)試代碼在熟悉的世界里完成向深度學習的轉(zhuǎn)型。 本書兼顧了Tensorflow和PyTorch這兩大流行的深度學習框架，使讀者同時掌握靜態(tài)計算圖和動態(tài)計算圖這兩大流派，方便讀者跟隨新技術形勢。同時還介

深度學習是當前人工智能的引領技術，是引發(fā)新一輪人工智能熱潮的原動力。本書從模型、算法、原理等角度全面介紹深度學習技術，包括近兩年最新成果。全書由三大部分組成。第一部分是機器學習和神經(jīng)網(wǎng)絡基礎，包括機器學習問題、淺層機器學習、早期神經(jīng)網(wǎng)絡等；第二部分是深度學習模型及算法，包括深度生成模型、卷積網(wǎng)絡、循環(huán)和遞歸網(wǎng)絡、表示學