生成对抗神经网络（GenerativeAdversarialNets，GAN）作为一种深度学习框架，发展十分迅猛。通过相互对抗的神经网络模型，GAN能够生成结构复杂且十分逼真的高维度数据。因此，被广泛应用于学术研究和工程领域，包括图像处理，如图像生成、图像转换、视频合成；序列数据生成，如语音生成、音乐生成等；以及其他众

本书共分11章，分别介绍了人工智能导引、Python基础、机器学习初步、自然语言处理、语音识别、计算机视觉、神经网络、增强学习与深度学习、人工智能与区块链、人工智能相关算法、人工智能的载体——机器人。本书包含丰富的Python项目实践，并配有500分钟教学视频。

本书以scikit-learn和Keras框架作为实战平台，讲解了传统机器学习的主流技术和最新深度学习的研究成果。其中，"第一篇传统机器学习”包括第1～10章，介绍了机器学习概念、监督学习算法（回归分析、Logistic回归、k近邻、决策树、朴素贝叶斯、支持向量机）、无监督学习算法（神经网络、聚类、降维）；"第二篇深度

本书主要讲述人工智能的基础知识与基础理论，并通过大量的人工智能应用帮助读者快速了解人工智能相关技术。本书共10章，分别为人工智能概述、人工智能基础知识、机器学习、深度学习、计算机视觉、自然语言处理、知识图谱、人工智能技术应用场景、智能机器人和人工智能的挑战与未来。本书内容丰富，讲解细致，注重技术发展变化。 本书既可作为

"人工智能导论"是人工智能方业的入门课程。本书是继2019年首版后修订再版的。本版编写的原则是∶坚持教材的现代性，即新的技术路线与新的体系，并形成新一代人工智能技术;坚持教材的应用性，即将人工智能与其他学科，领域进行融合，将其应用到多个行业中去;坚持教材的引导性，即体现教材的基础性、入门性作用。本书由4篇（共17章）组

本书较为系统地介绍了人工智能的发展历史、经典算法和前沿技术，并对算法背后的思维方式进行了哲学思辨。内容既包括经典算法（如k近邻、贝叶斯、决策树和神经网络等），又涵盖前沿技术（如深度学习、自然语言处理等）。本书所有算法均配备对应的实战项目（包括Excel版本和/或Python版本），以帮助读者在实践中理解原理。本书适合高

本书着重叙述人工智能技术的基础知识、工作原理和发展概况，并通过对各种人工智能算法的介绍，讲解人工智能技术在工程领域中的各种实际应用。本书共分为9章，主要内容包括人工智能概述、人工智能算法基础知识、遗传算法、粒子群算法、蚁群算法、人工鱼群算法、神经网络算法、模糊系统、专家系统等。本书不仅涵盖基本的理论知识，还通过相应的实

深度学习往往被视为数学博士和大型科技公司的专属领域。但正如这本实践指南所展示的那样，熟练使用Python的程序员只需很少的数学背景、少量的数据和最少的代码，就可以在深度学习方面取得令人印象深刻的成果。怎么样才能做到？使用fastai，这是**为最常用的深度学习应用提供一致接口的库。本书作者JeremyHoward和Sy

本书是面向高级人工智能人才培养的高等学校人工智能相关专业规划教材中的一本，通过梳理人工智能涉及的相关数学理论，并通过Python实现相关案例，使抽象的理论具体化，从而加深读者对数学的感性认识，提高读者对数学理论的理解能力。本书首先介绍了人工智能所需的基础数学理论，然后根据数学内容的逻辑顺序，以微积分、线性代数、概率论、

本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与