本書系統(tǒng)闡述遷移學(xué)習(xí)的解決方法和典型應(yīng)用。首先，論述了遷移學(xué)習(xí)的基本概念、方法分類及發(fā)展歷程，介紹了遷移學(xué)習(xí)的相關(guān)基礎(chǔ)知識。然后，探討了遷移學(xué)習(xí)的基本方法，包括基于樣本、基于特征、基于模型和基于關(guān)系的遷移學(xué)習(xí)方法，闡述了深度遷移學(xué)習(xí)的經(jīng)典方法，包括神經(jīng)網(wǎng)絡(luò)自適應(yīng)遷移方法和神經(jīng)網(wǎng)絡(luò)對抗遷移方法，介紹了更加實用的部分域適應(yīng)

機器學(xué)習(xí)算法評估力求用科學(xué)的指標(biāo)，對機器學(xué)習(xí)算法進(jìn)行完整、可靠的評價。本書詳細(xì)介紹機器學(xué)習(xí)算法評估的理論、方法和實踐。全書分為3個部分。第1部分包含第1章～第3章，針對分類算法、回歸算法和聚類算法分別介紹對應(yīng)的基礎(chǔ)理論和評估方法；第2部分包含第4章～第8章，介紹更復(fù)雜的模型（如深度學(xué)習(xí)模型和集成樹模型）的對比與評估，并

本書以漫畫形式講解機器學(xué)習(xí)的基本概念和關(guān)鍵知識點，盡可能通俗易懂地講解回歸、分類、結(jié)果評價、深度學(xué)習(xí)、集成學(xué)習(xí)、無監(jiān)督學(xué)習(xí)等的原理。本書內(nèi)容基于大學(xué)一年級的數(shù)學(xué)知識，著眼于主人公們學(xué)習(xí)和工作中遇到的問題，探究機器學(xué)習(xí)解決方案。

本書旨在幫助老年朋友快捷、充分地使用智能手機，幫助老年人實現(xiàn)老有所樂、老有所為的美好愿望。本書以手機使用較為廣泛的支付寶、微信等應(yīng)用為例，從真實的操作環(huán)境出發(fā)，以圖文并茂的方式講解手機軟件安裝、注冊、登錄及手機多功能應(yīng)用的操作方法，并針對老年人的行為習(xí)慣及智能手機使用特點進(jìn)行優(yōu)化解讀，在功能較復(fù)雜之處還配有相對應(yīng)的提示

遷移學(xué)習(xí)作為機器學(xué)習(xí)和人工智能領(lǐng)域的重要方法，在計算機視覺、自然語言處理、語音識別等領(lǐng)域都得到了廣泛的應(yīng)用。本書的編寫目的是幫助遷移學(xué)習(xí)及機器學(xué)習(xí)相關(guān)領(lǐng)域的初學(xué)者快速入門。全書主要分為背景與概念、方法與技術(shù)、擴(kuò)展與探索及應(yīng)用與展望四大部分。除此之外，本書還配有相關(guān)的代碼、數(shù)據(jù)和論文資料，最大限度地降低初學(xué)者的學(xué)習(xí)和使用

本書介紹了元學(xué)習(xí)方法的發(fā)展歷史、起源、思想、近來流行的元學(xué)習(xí)方法，以及這些方法的組織思路、改進(jìn)方案、相互繼承、如何應(yīng)用。本書共11章，分為兩部分：元學(xué)習(xí)方法思想的介紹和元學(xué)習(xí)應(yīng)用場景中模型的介紹。這些內(nèi)容介紹了如何在元學(xué)習(xí)框架下融入強化學(xué)習(xí)、模仿學(xué)習(xí)、在線學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)等，實現(xiàn)對實際應(yīng)用中深度模型的改進(jìn)，以

對從事人工智能算法研究與算法開發(fā)的人來說，模型的學(xué)習(xí)與使用必不可少。尤其是在目前如日中天的人工智能領(lǐng)域里，人人談模型，模型也是層出不窮，讓人眼花繚亂。本書將人工智能在現(xiàn)實生活場景中解決的問題分類，并根據(jù)這個分類來介紹各種人工智能模型。書中將人工智能問題分為權(quán)重問題、狀態(tài)問題、序列問題、表示問題、相似問題和分類問題六大類

生成對抗神經(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。通過相互對抗的神經(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，如語音生成、音樂生成等；以及其他眾

本書主要講述人工智能的基礎(chǔ)知識與基礎(chǔ)理論，并通過大量的人工智能應(yīng)用幫助讀者快速了解人工智能相關(guān)技術(shù)。本書共10章，分別為人工智能概述、人工智能基礎(chǔ)知識、機器學(xué)習(xí)、深度學(xué)習(xí)、計算機視覺、自然語言處理、知識圖譜、人工智能技術(shù)應(yīng)用場景、智能機器人和人工智能的挑戰(zhàn)與未來。本書內(nèi)容豐富，講解細(xì)致，注重技術(shù)發(fā)展變化。 本書既可作為

本書主要根據(jù)作者近年來的研究成果，對網(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)對齊、地點推薦、電子健康記錄挖掘等應(yīng)用方面的前沿技術(shù)。具體包括：單/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)對齊、基于多關(guān)系網(wǎng)絡(luò)表示學(xué)習(xí)的知識圖譜對齊、基于網(wǎng)絡(luò)表示的電子健康記錄挖掘、

本書以TensorFlow為平臺，從神經(jīng)網(wǎng)絡(luò)到深度學(xué)習(xí)由淺入深進(jìn)行介紹，書中每章都以理論引出，以TensorFlow應(yīng)用鞏固結(jié)束，做到理論與實踐相結(jié)合，使讀者快速了解神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等內(nèi)容，同時領(lǐng)略利用TensorFlow解決這些問題的簡單和快捷。本書共12章，主要內(nèi)容包括TensorFlow軟件介紹、計算機視覺與深

數(shù)據(jù)孤島和隱私保護(hù)已經(jīng)成為制約人工智能發(fā)展的關(guān)鍵因素。聯(lián)邦學(xué)習(xí)作為一種新型的隱私保護(hù)計算方案，在數(shù)據(jù)不出本地的前提下，能有效聯(lián)合各參與方聯(lián)合建模，從而實現(xiàn)“共同富�！�，成為當(dāng)下人工智能領(lǐng)域備受關(guān)注的熱點。本書以實戰(zhàn)為主（包括對應(yīng)用案例的深入講解和代碼分析），兼顧對理論知識的系統(tǒng)總結(jié)。全書由五部分共19章構(gòu)成。第一部分簡

創(chuàng)新工場于2017年發(fā)起了面向高校在校生的DeeCamp人工智能訓(xùn)練營（簡稱DeeCamp訓(xùn)練營），訓(xùn)練營內(nèi)容涵蓋學(xué)術(shù)界與產(chǎn)業(yè)界領(lǐng)軍人物帶來的全新AI知識體系和來自產(chǎn)業(yè)界的真實實踐課題，旨在提升高校AI人才在行業(yè)應(yīng)用中的實踐能力，以及推進(jìn)產(chǎn)學(xué)研深度結(jié)合。本書以近兩年DeeCamp訓(xùn)練營培訓(xùn)內(nèi)容為基礎(chǔ)，精選部分導(dǎo)師的授課

本書是面向高級人工智能人才培養(yǎng)的高等學(xué)校人工智能相關(guān)專業(yè)規(guī)劃教材中的一本，通過梳理人工智能涉及的相關(guān)數(shù)學(xué)理論，并通過Python實現(xiàn)相關(guān)案例，使抽象的理論具體化，從而加深讀者對數(shù)學(xué)的感性認(rèn)識，提高讀者對數(shù)學(xué)理論的理解能力。本書首先介紹了人工智能所需的基礎(chǔ)數(shù)學(xué)理論，然后根據(jù)數(shù)學(xué)內(nèi)容的邏輯順序，以微積分、線性代數(shù)、概率論、

本書由全球知名的3位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學(xué)習(xí)領(lǐng)域奠基性的經(jīng)典教材。全書的內(nèi)容包括3個部分：第1部分介紹基本的數(shù)學(xué)工具和機器學(xué)習(xí)的概念，它們是深度學(xué)習(xí)的預(yù)備知識；第2部分系統(tǒng)深入地講解現(xiàn)今已成熟的深度學(xué)習(xí)方法和技術(shù)；第3部分討論某些具有前瞻性的

本書涵蓋人工智能概述、Python編程基礎(chǔ)、TensorFlow機器學(xué)習(xí)框架、機器學(xué)習(xí)算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)、TensorFlow高級框架、OpenCV開發(fā)與應(yīng)用等基礎(chǔ)知識，并介紹且搭建了計算機視覺中的手寫數(shù)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

本書針對產(chǎn)業(yè)界在智能化過程中普遍面臨的數(shù)據(jù)不足問題，詳細(xì)地闡述了聯(lián)邦學(xué)習(xí)如何幫助企業(yè)引入更多數(shù)據(jù)、提升機器學(xué)習(xí)模型效果�；ヂ�(lián)網(wǎng)數(shù)據(jù)一般分布在不同的位置，受隱私保護(hù)法規(guī)限制不能共享，形成了“數(shù)據(jù)孤島”。聯(lián)邦學(xué)習(xí)像“數(shù)據(jù)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(xiàn)模型效果提升，又能確保隱私信息的安全。本書介紹了

機器學(xué)習(xí)雖然對改進(jìn)產(chǎn)品性能和推進(jìn)研究有很大的潛力，但無法對它們的預(yù)測做出解釋，這是當(dāng)前面臨的一大障礙�！犊山忉寵C器學(xué)習(xí)：黑盒模型可解釋性理解指南》書是一本關(guān)于使機器學(xué)習(xí)模型及其決策具有可解釋性的書。本書探索了可解釋性的概念，介紹了簡單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點介紹了解釋黑盒模型的、與模型無關(guān)

人工智能時代已經(jīng)來臨，這項技術(shù)正在改變?nèi)祟惖恼J(rèn)知和生活，也對社會各個領(lǐng)域產(chǎn)生了重大的影響。本書從理論基礎(chǔ)、商業(yè)落地、實戰(zhàn)場景、案例分析多個方面介紹人工智能，講述人工智能對農(nóng)業(yè)、金融、娛樂、醫(yī)療、營銷、工業(yè)、教育等領(lǐng)域的影響。另外，為了迎合時代熱點，本書還分析了人工智能與5G、區(qū)塊鏈等前沿技術(shù)的融合及融合效果，使讀者了解

本書主要面向OpenCV領(lǐng)域的研究與開發(fā)人員，采用原理結(jié)合實戰(zhàn)的方式，介紹OpenCV4的機器學(xué)習(xí)算法模塊與深度神經(jīng)網(wǎng)絡(luò)模塊中的核心算法原理與C++編程實戰(zhàn)。全書共10章，第1~3章，介紹OpenCV4的基礎(chǔ)知識、基本圖像操作和機器學(xué)習(xí)基礎(chǔ)知識；第4~8章，介紹K-means、KNN、決策樹、隨機森林、Boosting