本書(shū)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(shí)。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(duì)抗遷移方法，介紹了更加實(shí)用的部分域適應(yīng)

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)涵蓋人工智能概述、Python編程基礎(chǔ)、TensorFlow機(jī)器學(xué)習(xí)框架、機(jī)器學(xué)習(xí)算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡(luò)、TensorFlow高級(jí)框架、OpenCV開(kāi)發(fā)與應(yīng)用等基礎(chǔ)知識(shí)，并介紹且搭建了計(jì)算機(jī)視覺(jué)中的手寫(xiě)數(shù)字識(shí)別與人臉識(shí)別、自然語(yǔ)言處理中的語(yǔ)音識(shí)別與智能聊天機(jī)器人具體項(xiàng)目，還介紹并實(shí)踐了AI開(kāi)放平臺(tái)的接入與

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

本書(shū)由全球知名的3位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫(xiě)，是深度學(xué)習(xí)領(lǐng)域奠基性的經(jīng)典教材。全書(shū)的內(nèi)容包括3個(gè)部分：第1部分介紹基本的數(shù)學(xué)工具和機(jī)器學(xué)習(xí)的概念，它們是深度學(xué)習(xí)的預(yù)備知識(shí)；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(shū)是面向高級(jí)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(guò)梳理人工智能涉及的相關(guān)數(shù)學(xué)理論，并通過(guò)Python實(shí)現(xiàn)相關(guān)案例，使抽象的理論具體化，從而加深讀者對(duì)數(shù)學(xué)的感性認(rèn)識(shí)，提高讀者對(duì)數(shù)學(xué)理論的理解能力。本書(shū)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、

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(jì)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(shí)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(diǎn)。本書(shū)以實(shí)戰(zhàn)為主（包括對(duì)應(yīng)用案例的深入講解和代碼分析），兼顧對(duì)理論知識(shí)的系統(tǒng)總結(jié)。全書(shū)由五部分共19章構(gòu)成。第一部分簡(jiǎn)

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、

本書(shū)主要介紹構(gòu)建和訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)（GAN）的方法。全書(shū)共12章，先介紹生成模型以及GAN的工作原理，并概述它們的潛在用途，然后探索GAN的基礎(chǔ)結(jié)構(gòu)（生成器和鑒別器），引導(dǎo)讀者搭建一個(gè)簡(jiǎn)單的對(duì)抗系統(tǒng)。 本書(shū)給出了大量的示例，教讀者學(xué)習(xí)針對(duì)不同的場(chǎng)景訓(xùn)練不同的GAN，進(jìn)而完成生成高分辨率圖像、實(shí)現(xiàn)圖像到圖像的轉(zhuǎn)換、生成對(duì)

本書(shū)主要面向OpenCV領(lǐng)域的研究與開(kāi)發(fā)人員，采用原理結(jié)合實(shí)戰(zhàn)的方式，介紹OpenCV4的機(jī)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(shí)戰(zhàn)。全書(shū)共10章，第1~3章，介紹OpenCV4的基礎(chǔ)知識(shí)、基本圖像操作和機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)；第4~8章，介紹K-means、KNN、決策樹(shù)、隨機(jī)森林、Boosting