如何在保证本地训练数据不公开的前提下，实现多个数据拥有者协同训练一个共享的机器学习模型？传统的机器学习方法需要将所有的数据集中到一个地方（例如，数据中心），然后进行机器学习模型的训练。但这种基于集中数据的做法无疑会严重侵害用户隐私和数据安全。如今，世界上越来越多的人开始强烈要求科技公司必须根据用户隐私法律法规妥善地处理

本书由资深树莓派玩家精心写作，由浅入深地介绍树莓派在人工智能中的热点应用，具有很好的前瞻性，主要内容包括：树莓派的DebianLinux操作系统及其命令行的常见操作；语音传感器的使用（以ReSpeaker和GoogleVoice语音套件为例），即语音唤醒、语音识别、语音转文字、语音控制设备等硬件的原理及使用等；智能图像

《人工智能（AI）应用从入门到精通》是一本人工智能应用入门级读物，全书分基础篇和应用篇两个部分。基础篇包括人工智能的基本认知、人工智能的关键技术、人工智能的基本要素、人工智能的产业应用和人工智能的伦理安全五部分内容；应用篇包括人工智能+教育、人工智能+医疗、人工智能+金融、人工智能+交通、人工智能+安防、人工智能+零售

本书梳理出机器学习理论中的七个重要概念或理论工具,即:可学习性,(假设空间)复杂度,泛化界,稳定性,一致性,收敛率,遗憾界。每章聚焦其一,除介绍基本概念外,还给出若干分析实例,如显示出不同理论工具如何应用于支持向量机这种常见机器学习技术。读者今后对具体机器学习问题或技术作分析时,可根据条件选择适用的工具。

《文本机器学习》系统性地介绍了多个经典的和前沿的机器学习技术及其在文本域中的应用。首先，详细介绍了面向文本数据的预处理技术和经典的机器学习技术（如矩阵分解与主题建模、聚类与分类/回归等），并深入探讨了模型的原理和内在联系以及相应的性能评估；其次，详细介绍了结合异构数据的文本学习技术（如知识共享与迁移学习等），以及面向信

务实地解决AI问题需要更多地关注结果而不仅是技术。归根结底，花费数月时间为一些永远无法投入生产的任务选择*佳的机器学习算法只是徒劳无功和浪费金钱。将更多的机器学习技术投入到生产过程的一种方式就是停止辛勤工作，使用云提供商提供的现成解决方案是避免这种辛勤工作的强大技术。从英雄驱动式开发转向鼓励业务连续性和交付解决方案的组

《TensorFlow深度学习从入门到进阶》以TensorFlow为主线进行讲解，书中每章节都以理论引出，以TensorFlow应用巩固结束，理论与实践相结合，让读者快速掌握TensorFlow机器学习。《TensorFlow深度学习从入门到进阶》共11章，主要包括TensorFlow与深度网络、TensorFlow编

《Keras高级深度学习》是高级深度学习技术的综合指南，内容包括自编码器、生成对抗网络（GAN）、变分自编码器（VAE）和深度强化学习（DRL），在这些技术的推动下，AI于近期取得了令人瞩目的成就。《Keras高级深度学习》首先对多层感知器（MLP）、卷积神经网络（CNN）和循环神经网络（RNN）进行了概述，这些是本书

本书内容主要涉及人工智能经典及实用的关键技术，以及人工智能近年来*新发展的技术，具体包括人脑认知、经典人工智能、经典人工神经网络、优化与智能计算、统计学习方法、深度学习、强化学习、自然语言处理、智能机器人。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例；主要章后均附有习题。本书结合了编者多年来从事人工智能科

强化学习是一类重要的机器学习方法,在很多领域得到了成功的应用,*近几年与深度学习结合起来,进一步推动了人工智能的发展?本书首先介绍了强化学习的基本原理,然后介绍典型的强化学习算法,包括时序差分?SARSA?Q-Learning?DeepQ-network?DoubleDQN?竞争网络结构?Rainbow?Actor-C