這是一本從基礎、原理、實戰(zhàn)、拓展4個維度系統(tǒng)講解聯(lián)邦學習的著作。作者是人工智能領域的資深專家，現(xiàn)任某大型金融集團科技公司聯(lián)邦學習團隊負責人，這本書不僅得到了中外院士的聯(lián)合推薦，而且得到了來自清華大學、華中科技大學、百度、螞蟻集團、同盾科技等學術界和企業(yè)界的專家的一致推薦。全書共9章，分為4個部分。第1部分基礎（第1~2

用Keras、TensorFlow、CoreML，以及TensorFlowLite訓練、微調并發(fā)布計算機視覺模型。為不同設備開發(fā)AI應用，包括RaspberryPi、JetsonNano，以及GoogleCoral。探索有趣的項目，從硅谷“熱狗識別”應用程序到谷歌規(guī)模的圖像搜索，以及40多個案例研究和行業(yè)實例。在電子游

·學習如何通過變分自動編碼器改變圖像中人物的面部表情。·學習如何構建GAN模型，包括風格遷移模型CycleGAN以及音樂生成模型MuseGAN。·學習如何通過循環(huán)生成模型來生成文本，以及如何利用注意力機制改善模型。·學習如何利用生成模型幫助智能體在強化學習環(huán)境中完

本書著重敘述人工智能技術的基礎知識、工作原理和發(fā)展概況，并通過對各種人工智能算法的介紹，講解人工智能技術在工程領域中的各種實際應用。本書共分為9章，主要內容包括人工智能概述、人工智能算法基礎知識、遺傳算法、粒子群算法、蟻群算法、人工魚群算法、神經網絡算法、模糊系統(tǒng)、專家系統(tǒng)等。本書不僅涵蓋基本的理論知識，還通過相應的實

深度學習往往被視為數(shù)學博士和大型科技公司的專屬領域。但正如這本實踐指南所展示的那樣，熟練使用Python的程序員只需很少的數(shù)學背景、少量的數(shù)據(jù)和最少的代碼，就可以在深度學習方面取得令人印象深刻的成果。怎么樣才能做到？使用fastai，這是**為最常用的深度學習應用提供一致接口的庫。本書作者JeremyHoward和Sy

數(shù)據(jù)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(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�！�，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(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，書中通過大量程序實例，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)

圖神經網絡（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)學基礎和神經網絡以及圖神經網絡的基本概念，接著介紹不同種類的GNN，包括卷積圖神經網絡、循環(huán)圖神經網絡、圖注意力網絡、圖殘差網絡，以及幾個通用框架。此外，本書還介紹了GNN