清图出版

本书将详细介绍开创性深度学习模型的设计模式，并且将这些组件组合在一起， 以帮助读者深入理解深度学习模式。作为近几年人工智能领域的主要研究方向之一，深度学习主要通过构建深度卷积神经网络和采用大量样本数据作为输入，最终得到-一个具有强大分析能力和识别能力的模型。深度学习可以是有监督的、半监督的或无监督的。深度学习架构(例如深度神经网络、深度信念网络、递归神经网络和卷积神经网络)已应用于计算机视觉、语音识别、自然语言处理、机器翻译等领域并取得初步成效。希望本书的出版能为更多深度学习领域的从业者提供参考和借鉴。

根据我们的经验，对概率深度学习潜力的深刻理解既需要掌握概率深度学习方法的基本思想和基本原理，又需要具备一定的实践经验。为此，本书试图在两者之间找到平衡。

《R数据科学实战》(第2版)是一本针对数据科学的实践指南，重点介绍了使用R语言和统计程序包处理结构化或表格数据的相关技术,也着重介绍了机器学习的技术。但它的独特之处在于专门讨论了数据科学家在项目中的角色、所管理的交付结果，甚至设计演示文稿等主题。本书不仅研究了如何编写模型，还讨论了如何与不同的团队协作，如何将业务目标转化为度量值，以及如何组织工作和编写报告等。如果你想学习如何使用R语言来从事数据科学家的工作，那么建议你阅读本书。 我们认识Nina Zume...

作为Grokking Deep Learning 《深度学习图解》的译者,当清华大学出版社编辑诚邀我来翻译这本有关人工智能的图书时，对于要不要接手，我其实犹豫了良久一虽然深度学习如此火爆，但这本注重于传统人工智能算法的图书是否也能得到读者的青睐?它能给读者带来足够的价值吗? 由此，本序尝试给出传统智能算法与深度学习的关系，比较两者所擅长解决的问题，并介绍本书的基础内容及其面向的读者群体，希望能帮助你发现最适合自己(任务)的智能实践。人工智能、深度学习与机器...

无论是在帮助人们理解大自然还是帮助组织更好地管理他们的资源方面，机器学习都可以助力。但机器学习也有可能造成巨大伤害。例如，2017年发表的一项研究表明，机器学习模型仅仅通过一个人的面部图像就可以预测这个人的性取向，并且准确性惊人。虽然开发人员没有恶意，但这项研究引起人们对机器学习可能被滥用的担忧。 关于机器学习研究的另一个道德问题是安全性和可信性。虽然机器学习看起来像是源自科幻电影中的技术，但对于机器学习的研究现在已经达到相当先进的程度。机器学习模型可以仅仅根据一个人的面部图像来...

两种最常用的数据科学语言R和Python之间存在着某种竞争。 刚接触机器学习的人都会选择其中一种语言来学习。人们的决定通常以他们可以访问的学习资源为指导，比如哪些资源在他们的工作领域中更常用，以及哪些是他们的同事正在使用的。尽管一些更先进的深度学习方法更容易通过使用Python来编写实现(它们倾向于先用Python编写，再用R语言实现)，但是机器学习任务不可能只适用于一种或另一种语言。虽然非常适合数据科学，但Python是一种更通用的编程语言，而R语言专门针对数学和统计学...

近年来，人工智能强势崛起。机器学习是从数据通往智能的技术途径，也是数据科学的核心，更是现代人工智能的本质。经过二十多年的发展，目前机器学习的应用十分广泛，遍及人工智能的各个分支。了解机器学习算法，是对很多研究人员和互联网从业人员的基本要求，所以人们对机器学习相关知识的需求巨大，关于机器学习的书籍也越来越多。 作为信息与通信工程专业的一名教师，我的主要研究领域为精确目标识别技术、人工智能和深度学习。我在攻读博士学位期间就对机器学习产生了浓厚兴趣，为了较系统地学习机器学习,我阅读了大...

一个人工智能应用程序帮谷歌削减了40%的能源开支！帮亚马逊提高了35%的销售额！帮Pinterest提高了30%的用户参与度！帮Netflix每年节省10多亿美元！帮Square在24小时内提供小企业贷款！本书将解密他们是如何做到的。...

大家应该都听说过，在2016年，Google DeepMind 的AlphaGo 与韩国围棋大师李世石九段进行了著名的人机大战，并且取得完胜。媒体描述AlphaGo的胜利时，都提到了人工智能(Artificial Intelligence，AI)、机器学习(Machine Learning)和深度学习(Deep Learning)。这三者既有联系，又有区别，它们在AlphaGo击败李世石的过程中都起到了作用。实际上，近些年，这三者充斥着现实世界，机器人、无人驾驶汽车、无人机等，无不是这些知识...

这本书前后写了五年，终成稿付梓。过去五年是以机器学习，特别是深度学习为代表的人工智能技术爆炸性增长的一段关键时期。在本书写作期间，“深度学习三巨头”Yoshua Bengio、Geoffrey Hinton和Yann LeCun共同获得了图灵奖，更是把本轮人工智能浪潮推向了巅峰。可以说，我们大家都在见证，并将在未来几十年里持续见证人工智能的各种突破性研究成果，以及它们在产业界各个角落的落地开花。那么，本轮人工智能(不论以何种分支为载体)的兴起，真的可以如人类已经经历的几次工业革命一样，给整个社会带来

强化学习导论阅读过我以前的著作—— Introduction to Deep Learning Using R(Apress，2018)和Applied Natural Learning Using Python (Apress，2017)的读者，很荣幸你们能够再次成为我的读者。新读者，欢迎你们！在过去的几年里，深度学习软件包和相关技术持续不断地涌现和发展，推动了许多行业发生革命性的变化。毫无疑问，强化学习(Reinforcement Learning，RL)是该领域最引人注目的篇章之一。本质上，强化学

我们现在生活在数字革命时代，许多新兴的数字技术正以惊人的速度发展，比如物联网、 人工智能、区块链等。这些数字技术都将越来越深入地渗透到我们生活的各个方面，并从根本 上改变我们的生活方式、工作方式和社交方式。Java 作为一种现代的高级编程语言，是帮助我 们学习这些数字技术以及开发数字应用程序的出色工具。 Java 是一种高级的、面向对象的通用编程语言，具有面向对象、分布式、健壮性、安全性、 平台独立性与可移植性、多线程、动态性等特点。Java 最早作为浏览器插件出现于 199...

提到数据处理，很多人可能会想到大数据平台上的批处理和流式处理。为了使用 Hadoop生态， 应用开发者可能会在层出不穷的“大数据概念”中举步不前，在眼花缭乱的组件面前望而却步。假如 要处理的数据集不是那么“大”，处理也不是很复杂，那么对于 Java开发者而言，有没有简单易用的 框架和工具呢？Spring Batch就是可能的答案。对于数据工程师而言，Spring Batch未免有些鸡肋；但是 对于 Java应用开发者，尤其是有一定经验的 Java 应用开发者而言，Spring Batch未尝不...

如果你从西雅图驾车往东行，要不了多久就会看到风力发电机组。这些巨大的机器遍布在连绵起伏的丘陵和平原上，从刮过其间从不间断的风中生产电力。其中每一台风机都会生成海量的数据。这些数据被用于强化机器学习模型， 这些模型能让风机和风力电场更高效、更安全并且更少中断地运转。随着新版本模型的部署，将产生一组新数据，这些数据可用于评估和理解模型的表现情况，从而反过来促成开发更好的模型用于部署。数百年来，风车一直是人们利用风能的工具，如今，利用风能的工具每一天都在变得更高效、更安全，且更易于管理，因为我们有了机器学习。

人工智能(Artificial Intelligence，AI)是将人类思维嵌入计算机的一个领域。 换句话说，就是创建模仿生物大脑功能的人工大脑。现在，人们需要将使用智能可做的所有事情转移到机器中。第一代 AI 专注于人类可以规范描述的问题。 进行智能操作的步骤以机器必须遵循的指令形式来描述。机器遵循人类给出的步骤，而不做任何改变。这些是第一代 AI 的特征。人类可以完整描述一些简单问题，如井字游戏甚至是国际象棋，但无法描述更复杂的问题。在国际象棋中，将棋盘表示为 8×8 大小的矩阵可以简单地解 释问题

介绍深度学习，通过对“底层”和“高层”深度学习框架进行分析，引出Keras 主题；随后介绍Keras 的安装配置、实际操作、基于Keras 的深度神经网络开发与应用、深度神经网络的部署与调优等；最后讨论深度学习的最前沿应用与未来发展。

随着云计算、高性能计算、物联网技术以及大数据技术的成熟与发展，近十年人工智能的各单项技术取得重大突破，以深度学习为标志，人工智能已经进入迅速发展阶段，在教育、交通、工业、医疗等众多领域开始大量应用。 有学者提出，人工智能给教育系统带来了以下三个方面的挑战：第一，从教育政策规划的角度出发，如何发掘人工智能在优化教育供给、更新教育管理、赋能教师与教学、提高学习质量等方面的潜能，扩大教育普及率和确保学习质量；第二，从外部人才需求的角度出发，为应对人工智能和自动化梯级替代低技能...

1.1 什么是人工智能“人工智能”这一术语常常使人为之一振！这其中有个原因，就是我们对智能的迷恋。似乎正是这一点，让我们人类在所有生命形式中有了一个特殊的位置。那么，如下问题就随之而来！什么是智能？如何测量智能？人脑是如何工作的？这些问题对于理解什么是人工智能意义非凡！但是，对于工程师，特别是计算机科学家，中心问题则是智能机器如何能有人一样的行为？如何在行为中体现出智能？人工智能的人工属性可能会唤醒我们的各种联想。比如，它给我们带来对智能机器人的恐惧，它让我们回忆起科幻小说中的景象，它使我们思

自然语言处理(Natural Language Processing，NLP)旨在使计算机能够智能地处理人类语言，这是一门涵盖人工智能、计算科学、认知科学、信息处理和语言学的重要跨学科领域。由于长期关注计算机和人类语言之间的交互，NLP应用(例如，语音识别、对话系统、信息检索、问答和机器翻译)已经开始重塑人们识别、获取和利用信息的方式。NLP的发展历经三大浪潮：理性主义、经验主义和深度学习。在第一大浪潮中，理性主义主张设计人工规则，以便将知识纳入NLP系统，其基础假设是人类思维中的语言知识通过一般继承预

机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术进一步发展。 机器学习是人工智能的核心，是使计算机具有智能的根本途径...