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(shí)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、

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(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

本書以知識表示與處理所涉及的相關(guān)知識，如知識獲取、知識表示、知識推理、知識遷移等內(nèi)容為主體，完整呈現(xiàn)了知識表示與處理的知識體系。本書首先，介紹了知識表示與處理的發(fā)展、相關(guān)概念、流程等；其次，介紹了知識獲取的內(nèi)容；再次，重點(diǎn)介紹了知識表示的各種方法，如邏輯謂詞、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、本體、知識圖譜等，以及知識推理所涉及的

人工智能時(shí)代已經(jīng)來臨，這項(xiàng)技術(shù)正在改變?nèi)祟惖恼J(rèn)知和生活，也對社會各個(gè)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(shí)戰(zhàn)場景、案例分析多個(gè)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(shí)代熱點(diǎn)，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

本書主要介紹構(gòu)建和訓(xùn)練生成對抗網(wǎng)絡(luò)（GAN）的方法。全書共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)簡單的對抗系統(tǒng)。 本書給出了大量的示例，教讀者學(xué)習(xí)針對不同的場景訓(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

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(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)。全書共10章，第1~3章，介紹OpenCV4的基礎(chǔ)知識、基本圖像操作和機(jī)器學(xué)習(xí)基礎(chǔ)知識；第4~8章，介紹K-means、KNN、決策樹、隨機(jī)森林、Boosting

機(jī)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。《可解釋機(jī)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(jī)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(diǎn)介紹了解釋黑盒模型的、與模型無關(guān)

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(jī)器學(xué)習(xí)模型效果。互聯(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(shí)變量，既能實(shí)現(xiàn)模型效果提升，又能確保隱私信息的安全。本書介紹了

周志華老師的《機(jī)器學(xué)習(xí)》（俗稱“西瓜書”）是機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典入門教材之一。本書（俗稱“南瓜書”）基于Datawhale成員自學(xué)“西瓜書”時(shí)記下的筆記編著而成，旨在對“西瓜書”中重難點(diǎn)公式加以解析，以及對部分公式補(bǔ)充具體的推導(dǎo)細(xì)節(jié)。 全書共16章，與“西瓜書”章節(jié)、公式對應(yīng)，每個(gè)公式的推導(dǎo)和解析都以本科數(shù)學(xué)基礎(chǔ)的視角

演化學(xué)習(xí)作為機(jī)器學(xué)習(xí)中解決復(fù)雜優(yōu)化問題的重要方法，此前一直因?yàn)槔碚撝�撐不足未得到�?yīng)有重視。本書將介紹作者團(tuán)隊(duì)近幾年在演化學(xué)習(xí)理論和算法方面取得的重要進(jìn)展，彌補(bǔ)上述缺憾。本書內(nèi)容主要分四部分，第一部分簡要介紹演化學(xué)習(xí)基礎(chǔ)知識；第二部分講述演化算法中用于分析運(yùn)行時(shí)和近似性能的通用理論工具；第三部分講解關(guān)于演化優(yōu)化中主要因素