數(shù)據(jù)孤島和隱私保護已經(jīng)成為制約人工智能發(fā)展的關鍵因素。聯(lián)邦學習作為一種新型的隱私保護計算方案，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�！保�成為當下人工智能領域備受關注的熱點。本書以實戰(zhàn)為主（包括對應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。全書由五部分共19章構成。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人工智能訓練營（簡稱DeeCamp訓練營），訓練營內(nèi)容涵蓋學術界與產(chǎn)業(yè)界領軍人物帶來的全新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)應用中的實踐能力，以及推進產(chǎn)學研深度結合。本書以近兩年DeeCamp訓練營培訓內(nèi)容為基礎，精選部分導師的授課

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

這是一本具有高中數(shù)學知識就能讀懂的機器學習圖書，書中通過大量程序?qū)嵗�，將復雜的公式重新拆解，詳細、清晰地解讀了機器學習中常用的數(shù)學知識，一步步帶領讀者進入機器學習的領域。本書共22章，主要講解了數(shù)據(jù)可視化、math模塊、sympy模塊、numpy模塊、方程式、函數(shù)、最小平方法、集合、概率、貝葉斯定理、指數(shù)、對數(shù)、歐拉數(shù)

圖神經(jīng)網(wǎng)絡（GNN）是基于深度學習的圖數(shù)據(jù)處理方法，因其卓越的性能而受到廣泛關注。本書全面介紹了GNN的基本概念、具體模型和實際應用。書中首先概述數(shù)學基礎和神經(jīng)網(wǎng)絡以及圖神經(jīng)網(wǎng)絡的基本概念，接著介紹不同種類的GNN，包括卷積圖神經(jīng)網(wǎng)絡、循環(huán)圖神經(jīng)網(wǎng)絡、圖注意力網(wǎng)絡、圖殘差網(wǎng)絡，以及幾個通用框架。此外，本書還介紹了GNN

本書由全球知名的3位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學習領域奠基性的經(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)學工具和機器學習的概念，它們是深度學習的預備知識；第2部分系統(tǒng)深入地講解現(xiàn)今已成熟的深度學習方法和技術；第3部分討論某些具有前瞻性的

本書利用精美的插圖和有趣的類比，對深度學習的主流技術和背后的原理進行了深入淺出的講解，解釋了什么是深度學習，深度學習流行的原因，以及深度學習與其他機器學習方法的關系。閱讀本書，讀者可以掌握卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、生成式對抗網(wǎng)絡和深度強化學習等熱門技術，學習TensorFlow、Keras和PyTorch等熱門工具的

近年，人工智能熱潮席卷而來。本書以圖解的方式網(wǎng)羅了人工智能開發(fā)必備的基礎知識，內(nèi)容涉及機器學習、深度學習、強化學習、圖像和語音的模式識別、自然語言處理、分布式計算等熱門技術。全書以圖配文，深入淺出，是一本兼顧理論和技術的人工智能入門教材。旨在幫助讀者建立對人工智能技術的整體印象，為今后深入探索該領域打下基礎。另外，書中

本書涵蓋人工智能概述、Python編程基礎、TensorFlow機器學習框架、機器學習算法、MNIST數(shù)據(jù)集及神經(jīng)網(wǎng)絡、TensorFlow高級框架、OpenCV開發(fā)與應用等基礎知識，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

隨著近幾十年來技術的飛速發(fā)展，人機交互技術的地位越來越重要。本書目的是建立以信息流（包括輸入、處理、輸出過程）交互為基礎的人機交互設計與評價思想體系，主要內(nèi)容包括：人的感覺特性，人的情境認知特性，人的控制特性，人的行為信息分析，以及設計及評價方法、專題研究。