本书针对深度学习及开源框架——PyTorch，采用简明的语言进行知识的讲解，注重实战。全书分为4篇，共19章。深度学习基础篇（第1章~第6章）包括PyTorch简介与安装、机器学习基础与线性回归、张量与数据类型、分类问题与多层感知器、多层感知器模型与模型训练、梯度下降法、反向传播算法与内置优化器。计算机视觉篇（第7章~第14章）包括计算机视觉与卷积神经网络、卷积入门实例、图像读取与模型保存、多分类问题与卷积模型的优化、迁移学习与数据增强、经典网络模型与特征提取、图像定位基础、图像语义分割。自然语

随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。 本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动推荐方法和基于协同过滤的活动推荐方法，并介绍了一种流程信息的可视化算法，实现了一个可视化原型系统。 本书结构清晰，文字流畅，图文并茂，适合从事流程管理系统研究的读者阅读，也适合作为

全书可分为五大部分，阐述了分布式人工智能的基础知识以及相关进展，包括分布式人工智能简介、分布式规划与优化、多智能体博弈、多智能体学习和分布式人工智能应用。除此之外，由于本领域尚处于蓬勃发展阶段，相关技术与应用层出不穷，因此书中还提供了研究者对于分布式人工智能发展的相关预测，主要集中在：第一，更复杂和更大规模的分布式人工智能问题的研究和解决；第二，分布式人工智能的安全性，鲁棒性和泛化性，这将极大地促进人们对于分布式人工智能问题的理解；第三，分布式人工智能的可解释性，这将使得人类能够理解算法的决策，

本书基于TensorFlow.NET框架，详细介绍了.NET平台下深度学习的基础原理和应用技术，不仅阐述了算法原理，还演示了实践代码和运行效果，其中完整示例主要采用的语言为C#和F#。全书分为3个部分：第一部分介绍了核心API的用法和基础示例，包括数据类型、张量、EagerMode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和AutoGraph机制，读者可以通过学习这一部分内容快速入门；第二部分重点演示了.NETKeras的用法，包括模型、网络层、常用API、模型搭建和模型训练，

本书是“高级人工智能人才培养丛书”中的一本，首先介绍了机器学习的相关概念和发展历史，并在此基础上提出了深度学习——它本质上是近几年来大数据技术催生的产物。本书共12章，其中，第1～7章为机器学习的内容，分别介绍了机器学习的简单模型、贝叶斯学习、决策树、支持向量机、集成学习和聚类；第8～12章为深度学习的内容，由感知机与神经网络开始，之后分别介绍了卷积神经网络、循环神经网络、生成对抗网络及强化学习。第2～12章均提供了相应的实验案例，不仅配有完整翔实的Python语言代码及相关注释，也给出了实验结

人工智能时代已经来临，这项技术正在改变人类的认知和行为习惯，也对很多领域和行业造成了影响。本书共3篇，认知篇介绍了人工智能的理论知识与发展现状，详细讲述人工智能与5G、物联网、区块链等技术的融合；价值篇主要讲述了人工智能的价值，分析其为生活、社会、商业、医疗带来的变革；场景篇从服务场景、工作场景、教育场景、营销场景入手介绍人工智能的应用，为读者提供应用指导。如今，人工智能已成为不可逆转的趋势。本书向读者阐述与之相关的知识，并且告诉读者应该如何跟上潮流。总之，本书是一本不可多得的实战书，不仅具备很

《AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(医疗、法律和金融等等)。虽然智能体的设计原则已被理解，但目前的大多数深度学习模型对人类理解而言是“不透明的”。《AI可解释性(Python语言版)》从理论和实践的角度填补了这个新兴主题文献方面的空白

本书采用“理论+实践”的方式，全面系统地讲授了深度学习的基本原理以及使用TensorFlow实现各类深度学习网络的方法。全书共10章，第1～3章主要介绍深度学习的基础知识，包括深度学习的概念和应用、深层神经网络的训练和优化、TensorFlow的内涵和特点等内容；第4～5章主要介绍TensorFlow的安装，以及计算模型、数据模型、运行模型等TensorFlow编程的基础知识；第6～10章主要围绕TensorFlow介绍各类深度学习网络，包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、

本书深入浅出地介绍了近年来AI领域中十分引人注目的新型人工神经网络——生成对抗网络（GAN）的基本原理、网络结构及其在图像处理领域中的应用；同时，分析了近年来在GAN训练、GAN质量评估及多种改进型GAN方面取得的进展；在实践方面，给出了基于Python的基本GAN编程实例。另外，本书还介绍了支撑GAN模型的基础理论和相关算法，以使读者更好地理解和掌握GAN技术。

作为机器学习领域应用比较成熟、广泛的业务，个性化推荐在电商、短视频等平台发挥着重要作用，其背后的推荐系统已成为当今越来越多应用程序的标配。关于推荐算法的论述有很多，而要将其很好地应用到实际场景中，则需要大量的实践经验。本书从实战的角度介绍推荐系统，主要包含三部分：召回算法、排序算法和工程实践。书中细致剖析了如何在工业中对海量数据应用算法，涵盖了从算法原理，到模型搭建、优化以及最佳实践等诸多内容。