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(xùn)練營（簡稱DeeCamp訓(xùn)練營），訓(xùn)練營內(nèi)容涵蓋學(xué)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(yīng)用中的實踐能力，以及推進(jìn)產(chǎn)學(xué)研深度結(jié)合。本書以近兩年DeeCamp訓(xùn)練營培訓(xùn)內(nèi)容為基礎(chǔ)，精選部分導(dǎo)師的授課

本書是面向高級人工智能人才培養(yǎng)的高等學(xué)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(xué)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(xué)的感性認(rèn)識，提高讀者對數(shù)學(xué)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(xué)理論，然后根據(jù)數(shù)學(xué)內(nèi)容的邏輯順序，以微積分、線性代數(shù)、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(xué)習(xí)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(xué)工具和機器學(xué)習(xí)的概念，它們是深度學(xué)習(xí)的預(yù)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(xué)習(xí)方法和技術(shù)；第3部分討論某些具有前瞻性的

本書涵蓋人工智能概述、Python編程基礎(chǔ)、TensorFlow機器學(xué)習(xí)框架、機器學(xué)習(xí)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(yīng)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

本書針對產(chǎn)業(yè)界在智能化過程中普遍面臨的數(shù)據(jù)不足問題，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，通過傳輸變換后的臨時變量，既能實現(xiàn)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(xué)習(xí)雖然對改進(jìn)產(chǎn)品性能和推進(jìn)研究有很大的潛力，但無法對它們的預(yù)測做出解釋，這是當(dāng)前面臨的一大障礙�！犊山忉寵C器學(xué)習(xí)：黑盒模型可解釋性理解指南》書是一本關(guān)于使機器學(xué)習(xí)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(guān)

本書是高等院校非自動化類、工科或農(nóng)科相關(guān)專業(yè)的專業(yè)基礎(chǔ)課教材。共分七章，主要介紹了自動控制系統(tǒng)的基本概念，控制系統(tǒng)在時域和復(fù)頻域中的數(shù)學(xué)模型及其動態(tài)結(jié)構(gòu)圖的建立與化簡的過程和方法；闡述了線性定�？刂葡到y(tǒng)的時域分析法、根軌跡分析法和頻域分析法以及控制系統(tǒng)設(shè)計和校正的基本方法；給出了非線性控制系統(tǒng)中常見的非線性特性對系統(tǒng)性

人工智能時代已經(jīng)來臨，這項技術(shù)正在改變?nèi)祟惖恼J(rèn)知和生活，也對社會各個領(lǐng)域產(chǎn)生了重大的影響。本書從理論基礎(chǔ)、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(nóng)業(yè)、金融、娛樂、醫(yī)療、營銷、工業(yè)、教育等領(lǐng)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(shù)的融合及融合效果，使讀者了解

本書主要面向OpenCV領(lǐng)域的研究與開發(fā)人員，采用原理結(jié)合實戰(zhàn)的方式，介紹OpenCV4的機器學(xué)習(xí)算法模塊與深度神經(jīng)網(wǎng)絡(luò)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(chǔ)知識、基本圖像操作和機器學(xué)習(xí)基礎(chǔ)知識；第4~8章，介紹K-means、KNN、決策樹、隨機森林、Boosting

本書以知識表示與處理所涉及的相關(guān)知識，如知識獲取、知識表示、知識推理、知識遷移等內(nèi)容為主體，完整呈現(xiàn)了知識表示與處理的知識體系。本書首先，介紹了知識表示與處理的發(fā)展、相關(guān)概念、流程等；其次，介紹了知識獲取的內(nèi)容；再次，重點介紹了知識表示的各種方法，如邏輯謂詞、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、本體、知識圖譜等，以及知識推理所涉及的

本書系統(tǒng)性地介紹了深度學(xué)習(xí)的原理、關(guān)鍵技術(shù)及相關(guān)應(yīng)用，首先從基本概念、必備的線性代數(shù)、微積分、概率統(tǒng)計等數(shù)學(xué)知識等入手，這些預(yù)備知識可幫助讀者更好地理解深度學(xué)習(xí)技術(shù)。接著對深度學(xué)習(xí)方法和技術(shù)進(jìn)行了詳細(xì)介紹，包括卷積神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)等，針對每個技術(shù)都力圖用簡單易懂的語言、詳盡的公式推導(dǎo)說

本書主要介紹構(gòu)建和訓(xùn)練生成對抗網(wǎng)絡(luò)（GAN）的方法。全書共12章，先介紹生成模型以及GAN的工作原理，并概述它們的潛在用途，然后探索GAN的基礎(chǔ)結(jié)構(gòu)（生成器和鑒別器），引導(dǎo)讀者搭建一個簡單的對抗系統(tǒng)。 本書給出了大量的示例，教讀者學(xué)習(xí)針對不同的場景訓(xùn)練不同的GAN，進(jìn)而完成生成高分辨率圖像、實現(xiàn)圖像到圖像的轉(zhuǎn)換、生成對

周志華老師的《機器學(xué)習(xí)》（俗稱“西瓜書”）是機器學(xué)習(xí)領(lǐng)域的經(jīng)典入門教材之一。本書（俗稱“南瓜書”）基于Datawhale成員自學(xué)“西瓜書”時記下的筆記編著而成，旨在對“西瓜書”中重難點公式加以解析，以及對部分公式補充具體的推導(dǎo)細(xì)節(jié)。 全書共16章，與“西瓜書”章節(jié)、公式對應(yīng)，每個公式的推導(dǎo)和解析都以本科數(shù)學(xué)基礎(chǔ)的視角

演化學(xué)習(xí)作為機器學(xué)習(xí)中解決復(fù)雜優(yōu)化問題的重要方法，此前一直因為理論支撐不足未得到應(yīng)有重視。本書將介紹作者團(tuán)隊近幾年在演化學(xué)習(xí)理論和算法方面取得的重要進(jìn)展，彌補上述缺憾。本書內(nèi)容主要分四部分，第一部分簡要介紹演化學(xué)習(xí)基礎(chǔ)知識；第二部分講述演化算法中用于分析運行時和近似性能的通用理論工具；第三部分講解關(guān)于演化優(yōu)化中主要因素

知識圖譜的發(fā)展歷史源遠(yuǎn)流長，從經(jīng)典人工智能的核心命題——知識工程，到互聯(lián)網(wǎng)時代的語義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級別的現(xiàn)代知識圖譜。知識圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識表示、表示學(xué)習(xí)、自然語言處理、圖數(shù)據(jù)庫和圖計算等多個領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融

本書以數(shù)據(jù)驅(qū)動的數(shù)學(xué)問題研究為核心，是一部由研究工作構(gòu)成的原創(chuàng)著作。全書共分7章，按三個模塊劃分：第一個模塊是研究背景和框架介紹，即第1章緒論，這是本書主題內(nèi)容的一個導(dǎo)論；第二個模塊是粒度空間的基礎(chǔ)理論及模型，由第2～5章組成，其中涉及粒度空間的基本理論，結(jié)構(gòu)聚類特征與融合，以及聚類結(jié)構(gòu)分析理論等研究；第三個模塊是粒度

本書為青少年人工智能編程水平測試C++4級官方指定教程,對應(yīng)青少年人工智能編程水平測試第4級的測試標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)主要用于測試青少年學(xué)習(xí)C++編程的初級水平。全書共有28課,主要圍繞測評大綱,用生動的案例來講解C++基礎(chǔ)知識,包括輸出、變量和常量、程序結(jié)構(gòu)、運算符、分支、循環(huán)、枚舉、函數(shù)、排序算法等。全書體系完整、結(jié)構(gòu)合理

本書以TensorFlow2深度學(xué)習(xí)的常用技術(shù)與真實案例相結(jié)合的方式,深入淺出介紹TensorFlow2深度學(xué)習(xí)的重要內(nèi)容。全書共7章,內(nèi)容包括深度學(xué)習(xí)入門、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡(luò)原理及實現(xiàn)、基于CNN的門牌號識別、基于LSTM的語音識別、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換等技術(shù),以及如何使用Ti

本書分八章，內(nèi)容包括：深度學(xué)習(xí)簡介、搭建深度學(xué)習(xí)開發(fā)環(huán)境、數(shù)字圖像處理技術(shù)、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、卷積神經(jīng)網(wǎng)絡(luò)、圖像合成等。

《數(shù)字媒體交互設(shè)計原理與方法》通過豐富的案例，系統(tǒng)地講解了數(shù)字媒體交互設(shè)計的基本原理和方法。本書共7章，主要講解了數(shù)字媒體交互設(shè)計的基礎(chǔ)知識、用戶體驗、用戶研究方法，以及設(shè)計流程、設(shè)計工具和設(shè)計法則，由淺入深地帶領(lǐng)讀者逐步加深對數(shù)字媒體交互設(shè)計的認(rèn)知，提升自身工作能力。本書每一章的章末都附有同步模擬題及作業(yè)，以幫助讀者