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)利用精美的插圖和有趣的類(lèi)比，對(duì)深度學(xué)習(xí)的主流技術(shù)和背后的原理進(jìn)行了深入淺出的講解，解釋了什么是深度學(xué)習(xí)，深度學(xué)習(xí)流行的原因，以及深度學(xué)習(xí)與其他機(jī)器學(xué)習(xí)方法的關(guān)系。閱讀本書(shū)，讀者可以掌握卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)和深度強(qiáng)化學(xué)習(xí)等熱門(mén)技術(shù)，學(xué)習(xí)TensorFlow、Keras和PyTorch等熱門(mén)工具的

近年，人工智能熱潮席卷而來(lái)。本書(shū)以圖解的方式網(wǎng)羅了人工智能開(kāi)發(fā)必備的基礎(chǔ)知識(shí)，內(nèi)容涉及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、圖像和語(yǔ)音的模式識(shí)別、自然語(yǔ)言處理、分布式計(jì)算等熱門(mén)技術(shù)。全書(shū)以圖配文，深入淺出，是一本兼顧理論和技術(shù)的人工智能入門(mén)教材。旨在幫助讀者建立對(duì)人工智能技術(shù)的整體印象，為今后深入探索該領(lǐng)域打下基礎(chǔ)。另外，書(shū)中

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

隨著近幾十年來(lái)技術(shù)的飛速發(fā)展，人機(jī)交互技術(shù)的地位越來(lái)越重要。本書(shū)目的是建立以信息流（包括輸入、處理、輸出過(guò)程）交互為基礎(chǔ)的人機(jī)交互設(shè)計(jì)與評(píng)價(jià)思想體系，主要內(nèi)容包括：人的感覺(jué)特性，人的情境認(rèn)知特性，人的控制特性，人的行為信息分析，以及設(shè)計(jì)及評(píng)價(jià)方法、專題研究。

本書(shū)在內(nèi)容安排上十分精良，為便于數(shù)學(xué)基礎(chǔ)較薄弱的讀者學(xué)習(xí)，引入了深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)；再由淺入深地以實(shí)戰(zhàn)案例講解的方式，對(duì)于誤差反向傳播法、卷積運(yùn)算等進(jìn)行詳細(xì)剖析，使讀者在實(shí)現(xiàn)層面上理解；此外還加入了前沿技術(shù)，如BatchNormalization等內(nèi)容。本書(shū)提供了8個(gè)完整的項(xiàng)目案例、完整的構(gòu)建過(guò)程、詳細(xì)的視頻講解以及相應(yīng)

本書(shū)是《數(shù)據(jù)庫(kù)及其應(yīng)用（Access+Python）》（第4版）配套的學(xué)習(xí)與實(shí)驗(yàn)的指導(dǎo)教程。全書(shū)分為12章，每章包括主教程對(duì)應(yīng)章節(jié)的主要知識(shí)點(diǎn)歸納以及習(xí)題。各章知識(shí)點(diǎn)歸納精煉、完整，習(xí)題包括選擇題、填空題、簡(jiǎn)答題和設(shè)計(jì)操作題等多種題型，涵蓋了本章主要內(nèi)容，并融匯了對(duì)于相關(guān)知識(shí)的整體理解和應(yīng)用的要求。所有習(xí)題都有參考答案

本書(shū)內(nèi)容涉及到了一些機(jī)器學(xué)習(xí)算法的并行化，使得大規(guī)模分布式機(jī)器學(xué)習(xí)算法成為可能，內(nèi)容分為四個(gè)大部分：大規(guī)模機(jī)器學(xué)習(xí)的框架、監(jiān)督和非監(jiān)督學(xué)習(xí)算法、其它的學(xué)習(xí)算法和相關(guān)應(yīng)用部分。

近年來(lái)，演化計(jì)算作為計(jì)算智能中傳統(tǒng)的優(yōu)化技術(shù)，已經(jīng)廣泛應(yīng)用于求解各種數(shù)據(jù)挖掘問(wèn)題，形成了一種基于遺傳的機(jī)器學(xué)習(xí)新范式學(xué)習(xí)分類(lèi)器。一方面，在真實(shí)場(chǎng)景中采集的原始數(shù)據(jù)不可避免地包含著冗余乃至噪聲屬性的信息，這些不相關(guān)的特征將對(duì)學(xué)習(xí)分類(lèi)器算法的學(xué)習(xí)性能與計(jì)算效率造成負(fù)面影響。另一方面，學(xué)習(xí)分類(lèi)器以顯式規(guī)則表示目標(biāo)概念，在監(jiān)督

本書(shū)針對(duì)產(chǎn)業(yè)界在智能化過(guò)程中普遍面臨的數(shù)據(jù)不足問(wèn)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�；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(guò)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(shū)介紹了