生成對(duì)抗神經(jīng)網(wǎng)絡(luò)（GenerativeAdversarialNets，GAN）作為一種深度學(xué)習(xí)框架，發(fā)展十分迅猛。通過(guò)相互對(duì)抗的神經(jīng)網(wǎng)絡(luò)模型，GAN能夠生成結(jié)構(gòu)復(fù)雜且十分逼真的高維度數(shù)據(jù)。因此，被廣泛應(yīng)用于學(xué)術(shù)研究和工程領(lǐng)域，包括圖像處理，如圖像生成、圖像轉(zhuǎn)換、視頻合成；序列數(shù)據(jù)生成，如語(yǔ)音生成、音樂(lè)生成等；以及其他眾

本書(shū)共分11章，分別介紹了人工智能導(dǎo)引、Python基礎(chǔ)、機(jī)器學(xué)習(xí)初步、自然語(yǔ)言處理、語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)、神經(jīng)網(wǎng)絡(luò)、增強(qiáng)學(xué)習(xí)與深度學(xué)習(xí)、人工智能與區(qū)塊鏈、人工智能相關(guān)算法、人工智能的載體——機(jī)器人。本書(shū)包含豐富的Python項(xiàng)目實(shí)踐，并配有500分鐘教學(xué)視頻。

這是一部從流程、理論、方法角度系統(tǒng)講解如何從0到1設(shè)計(jì)與研發(fā)智能硬件產(chǎn)品的著作。作者是智能硬件產(chǎn)品領(lǐng)域的資深專(zhuān)家，曾就職于字節(jié)跳動(dòng)和360等知名企業(yè)，主導(dǎo)和參與過(guò)的產(chǎn)品曾獲得過(guò)德國(guó)iF設(shè)計(jì)獎(jiǎng)、德國(guó)紅點(diǎn)獎(jiǎng)、美國(guó)IDEA獎(jiǎng)、金點(diǎn)設(shè)計(jì)獎(jiǎng)等設(shè)計(jì)大獎(jiǎng)。本書(shū)內(nèi)容涵蓋智能硬件產(chǎn)品的產(chǎn)品創(chuàng)意、市場(chǎng)分析、產(chǎn)品定位、用戶研究、需求分析、概

本書(shū)全面介紹了圖深度學(xué)習(xí)的理論基礎(chǔ)、模型方法及實(shí)際應(yīng)用。全書(shū)分為4篇，共15章。第1篇為基礎(chǔ)理論，重點(diǎn)介紹圖和深度學(xué)習(xí)的基礎(chǔ)知識(shí)，包括圖的關(guān)鍵概念和屬性、各種基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)模型、訓(xùn)練深度學(xué)習(xí)模型的關(guān)鍵方法以及防止訓(xùn)練過(guò)程中過(guò)度擬合的實(shí)用技術(shù)；第2篇為模型方法，涵蓋了從基本設(shè)置到高級(jí)設(shè)置的成熟的圖深度學(xué)習(xí)方法，包括圖嵌入

采用通俗易懂的語(yǔ)言，簡(jiǎn)明而全面地介紹對(duì)人工智能革命起到核心作用的深度學(xué)習(xí)技術(shù)。

本書(shū)基于近些年實(shí)驗(yàn)領(lǐng)域的研究成果和實(shí)踐經(jīng)驗(yàn)，對(duì)實(shí)驗(yàn)的方法和應(yīng)用做了很好的全景式描述，是一本兼顧系統(tǒng)性的方法論和基于實(shí)戰(zhàn)的經(jīng)驗(yàn)法則的書(shū)籍。根據(jù)微軟、亞馬遜、谷歌和領(lǐng)英每年運(yùn)行的兩萬(wàn)多個(gè)對(duì)照實(shí)驗(yàn)，作者以示例和建議的方式向?qū)W生和業(yè)內(nèi)人士分享了自己的實(shí)踐經(jīng)驗(yàn)，指出了需要避免的陷阱，并深入探討了一些進(jìn)階專(zhuān)題，可以為希望改善自身及

基于邊緣計(jì)算這一新型的計(jì)算模式，邊緣智能在更加靠近用戶和數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)訓(xùn)練和部署深度學(xué)習(xí)模型，從而改善應(yīng)用的性能、成本和隱私性。本書(shū)以深入淺出的方式，講解邊緣智能體系架構(gòu)和關(guān)鍵技術(shù)，從時(shí)代宏觀背景引領(lǐng)到關(guān)鍵支撐技術(shù)細(xì)節(jié)剖析，再到落地實(shí)戰(zhàn)應(yīng)用，理論與實(shí)踐并重，循序漸進(jìn)，博采而精取，分別向讀者清晰地展現(xiàn)了邊緣智能的“

本書(shū)以scikit-learn和Keras框架作為實(shí)戰(zhàn)平臺(tái)，講解了傳統(tǒng)機(jī)器學(xué)習(xí)的主流技術(shù)和最新深度學(xué)習(xí)的研究成果。其中，"第一篇傳統(tǒng)機(jī)器學(xué)習(xí)”包括第1～10章，介紹了機(jī)器學(xué)習(xí)概念、監(jiān)督學(xué)習(xí)算法（回歸分析、Logistic回歸、k近鄰、決策樹(shù)、樸素貝葉斯、支持向量機(jī)）、無(wú)監(jiān)督學(xué)習(xí)算法（神經(jīng)網(wǎng)絡(luò)、聚類(lèi)、降維）；"第二篇深度

本書(shū)主要講述人工智能的基礎(chǔ)知識(shí)與基礎(chǔ)理論，并通過(guò)大量的人工智能應(yīng)用幫助讀者快速了解人工智能相關(guān)技術(shù)。本書(shū)共10章，分別為人工智能概述、人工智能基礎(chǔ)知識(shí)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、知識(shí)圖譜、人工智能技術(shù)應(yīng)用場(chǎng)景、智能機(jī)器人和人工智能的挑戰(zhàn)與未來(lái)。本書(shū)內(nèi)容豐富，講解細(xì)致，注重技術(shù)發(fā)展變化。 本書(shū)既可作為

本書(shū)主要根據(jù)作者近年來(lái)的研究成果，對(duì)網(wǎng)絡(luò)嵌入表示學(xué)習(xí)技術(shù)進(jìn)行梳理和總結(jié)，全書(shū)深入淺出地介紹了表示學(xué)習(xí)的基礎(chǔ)理論，及其在網(wǎng)絡(luò)對(duì)齊、地點(diǎn)推薦、電子健康記錄挖掘等應(yīng)用方面的前沿技術(shù)。具體包括：?jiǎn)?多關(guān)系網(wǎng)絡(luò)表示理論與技術(shù)、基于單關(guān)系網(wǎng)絡(luò)表示的社交網(wǎng)絡(luò)對(duì)齊、基于多關(guān)系網(wǎng)絡(luò)表示學(xué)習(xí)的知識(shí)圖譜對(duì)齊、基于網(wǎng)絡(luò)表示的電子健康記錄挖掘、