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(xiàn)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

生成對抗神經(jīng)網(wǎng)絡(luò)（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(jīng)網(wǎng)絡(luò)模型，GAN能夠生成結(jié)構(gòu)復雜且十分逼真的高維度數(shù)據(jù)。因此，被廣泛應用于學術(shù)研究和工程領(lǐng)域，包括圖像處理，如圖像生成、圖像轉(zhuǎn)換、視頻合成；序列數(shù)據(jù)生成，如語音生成、音樂生成等；以及其他眾

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(nèi)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(xiàn)對實際應用中深度模型的改進，以

本書以漫畫形式講解機器學習的基本概念和關(guān)鍵知識點，盡可能通俗易懂地講解回歸、分類、結(jié)果評價、深度學習、集成學習、無監(jiān)督學習等的原理。本書內(nèi)容基于大學一年級的數(shù)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(guān)基礎(chǔ)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(guān)系的遷移學習方法，闡述了深度遷移學習的經(jīng)典方法，包括神經(jīng)網(wǎng)絡(luò)自適應遷移方法和神經(jīng)網(wǎng)絡(luò)對抗遷移方法，介紹了更加實用的部分域適應

本書主要講述人工智能的基礎(chǔ)知識與基礎(chǔ)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(guān)技術(shù)。本書共10章，分別為人工智能概述、人工智能基礎(chǔ)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(shù)應用場景、智能機器人和人工智能的挑戰(zhàn)與未來。本書內(nèi)容豐富，講解細致，注重技術(shù)發(fā)展變化。 本書既可作為

本書涵蓋人工智能概述、Python編程基礎(chǔ)、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(luò)、TensorFlow高級框架、OpenCV開發(fā)與應用等基礎(chǔ)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

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(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)學理論，并通過Python實現(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(chǔ)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、

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(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(jié)合。本書以近兩年DeeCamp訓練營培訓內(nèi)容為基礎(chǔ)，精選部分導師的授課

本書由全球知名的3位專家IanGoodfellow、YoshuaBengio和AaronCourville撰寫，是深度學習領(lǐng)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(shù)；第3部分討論某些具有前瞻性的