本書系統(tǒng)闡述遷移學習的解決方法和典型應用。首先，論述了遷移學習的基本概念、方法分類及發(fā)展歷程，介紹了遷移學習的相關基礎知識。然后，探討了遷移學習的基本方法，包括基于樣本、基于特征、基于模型和基于關系的遷移學習方法，闡述了深度遷移學習的經典方法，包括神經網絡自適應遷移方法和神經網絡對抗遷移方法，介紹了更加實用的部分域適應
機器學習算法評估力求用科學的指標，對機器學習算法進行完整、可靠的評價。本書詳細介紹機器學習算法評估的理論、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的基礎理論和評估方法；第2部分包含第4章～第8章，介紹更復雜的模型（如深度學習模型和集成樹模型）的對比與評估，并
本書以漫畫形式講解機器學習的基本概念和關鍵知識點，盡可能通俗易懂地講解回歸、分類、結果評價、深度學習、集成學習、無監(jiān)督學習等的原理。本書內容基于大學一年級的數學知識，著眼于主人公們學習和工作中遇到的問題，探究機器學習解決方案。
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用的操作方法，并針對老年人的行為習慣及智能手機使用特點進行優(yōu)化解讀，在功能較復雜之處還配有相對應的提示
遷移學習作為機器學習和人工智能領域的重要方法，在計算機視覺、自然語言處理、語音識別等領域都得到了廣泛的應用。本書的編寫目的是幫助遷移學習及機器學習相關領域的初學者快速入門。全書主要分為背景與概念、方法與技術、擴展與探索及應用與展望四大部分。除此之外，本書還配有相關的代碼、數據和論文資料，最大限度地降低初學者的學習和使用
本書介紹了元學習方法的發(fā)展歷史、起源、思想、近來流行的元學習方法，以及這些方法的組織思路、改進方案、相互繼承、如何應用。本書共11章，分為兩部分：元學習方法思想的介紹和元學習應用場景中模型的介紹。這些內容介紹了如何在元學習框架下融入強化學習、模仿學習、在線學習、無監(jiān)督學習、遷移學習等，實現對實際應用中深度模型的改進，以
對從事人工智能算法研究與算法開發(fā)的人來說，模型的學習與使用必不可少。尤其是在目前如日中天的人工智能領域里，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實生活場景中解決的問題分類，并根據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
生成對抗神經網絡（GenerativeAdversarialNets，GAN）作為一種深度學習框架，發(fā)展十分迅猛。通過相互對抗的神經網絡模型，GAN能夠生成結構復雜且十分逼真的高維度數據。因此，被廣泛應用于學術研究和工程領域，包括圖像處理，如圖像生成、圖像轉換、視頻合成；序列數據生成，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知識與基礎理論，并通過大量的人工智能應用幫助讀者快速了解人工智能相關技術。本書共10章，分別為人工智能概述、人工智能基礎知識、機器學習、深度學習、計算機視覺、自然語言處理、知識圖譜、人工智能技術應用場景、智能機器人和人工智能的挑戰(zhàn)與未來。本書內容豐富，講解細致，注重技術發(fā)展變化。 本書既可作為
本書主要根據作者近年來的研究成果，對網絡嵌入表示學習技術進行梳理和總結，全書深入淺出地介紹了表示學習的基礎理論，及其在網絡對齊、地點推薦、電子健康記錄挖掘等應用方面的前沿技術。具體包括：單/多關系網絡表示理論與技術、基于單關系網絡表示的社交網絡對齊、基于多關系網絡表示學習的知識圖譜對齊、基于網絡表示的電子健康記錄挖掘、
本書以TensorFlow為平臺，從神經網絡到深度學習由淺入深進行介紹，書中每章都以理論引出，以TensorFlow應用鞏固結束，做到理論與實踐相結合，使讀者快速了解神經網絡、深度學習等內容，同時領略利用TensorFlow解決這些問題的簡單和快捷。本書共12章，主要內容包括TensorFlow軟件介紹、計算機視覺與深
數據孤島和隱私保護已經成為制約人工智能發(fā)展的關鍵因素。聯邦學習作為一種新型的隱私保護計算方案，在數據不出本地的前提下，能有效聯合各參與方聯合建模，從而實現“共同富裕”，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），訓練營內容涵蓋學術界與產業(yè)界領軍人物帶來的全新AI知識體系和來自產業(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，以及推進產學研深度結合。本書以近兩年DeeCamp訓練營培訓內容為基礎，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學理論，并通過Python實現相關案例，使抽象的理論具體化，從而加深讀者對數學的感性認識，提高讀者對數學理論的理解能力。本書首先介紹了人工智能所需的基礎數學理論，然后根據數學內容的邏輯順序，以微積分、線性代數、概率論、
本書由全球知名的3位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學習領域奠基性的經典教材。全書的內容包括3個部分：第1部分介紹基本的數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數據集及神經網絡、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
本書針對產業(yè)界在智能化過程中普遍面臨的數據不足問題，詳細地闡述了聯邦學習如何幫助企業(yè)引入更多數據、提升機器學習模型效果�；ヂ摼W數據一般分布在不同的位置，受隱私保護法規(guī)限制不能共享，形成了“數據孤島”。聯邦學習像“數據孤島”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
機器學習雖然對改進產品性能和推進研究有很大的潛力，但無法對它們的預測做出解釋，這是當前面臨的一大障礙�！犊山忉寵C器學習：黑盒模型可解釋性理解指南》書是一本關于使機器學習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
人工智能時代已經來臨，這項技術正在改變人類的認知和生活，也對社會各個領域產生了重大的影響。本書從理論基礎、商業(yè)落地、實戰(zhàn)場景、案例分析多個方面介紹人工智能，講述人工智能對農業(yè)、金融、娛樂、醫(yī)療、營銷、工業(yè)、教育等領域的影響。另外，為了迎合時代熱點，本書還分析了人工智能與5G、區(qū)塊鏈等前沿技術的融合及融合效果，使讀者了解
本書主要面向OpenCV領域的研究與開發(fā)人員，采用原理結合實戰(zhàn)的方式，介紹OpenCV4的機器學習算法模塊與深度神經網絡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的基礎知識、基本圖像操作和機器學習基礎知識；第4~8章，介紹K-means、KNN、決策樹、隨機森林、Boosting
書單推薦
