本书由全球知名的3位专家IanGoodfellow、YoshuaBengio和AaronCourville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的

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、

数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”，成为当下人工智能领域备受关注的热点。本书以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。全书由五部分共19章构成。第一部分简

本书主要根据作者近年来的研究成果，对网络嵌入表示学习技术进行梳理和总结，全书深入浅出地介绍了表示学习的基础理论，及其在网络对齐、地点推荐、电子健康记录挖掘等应用方面的前沿技术。具体包括：单/多关系网络表示理论与技术、基于单关系网络表示的社交网络对齐、基于多关系网络表示学习的知识图谱对齐、基于网络表示的电子健康记录挖掘、

本书主要介绍构建和训练生成对抗网络（GAN）的方法。全书共12章，先介绍生成模型以及GAN的工作原理，并概述它们的潜在用途，然后探索GAN的基础结构（生成器和鉴别器），引导读者搭建一个简单的对抗系统。 本书给出了大量的示例，教读者学习针对不同的场景训练不同的GAN，进而完成生成高分辨率图像、实现图像到图像的转换、生成对

本书主要面向OpenCV领域的研究与开发人员，采用原理结合实战的方式，介绍OpenCV4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10章，第1~3章，介绍OpenCV4的基础知识、基本图像操作和机器学习基础知识；第4~8章，介绍K-means、KNN、决策树、随机森林、Boosting

机器学习虽然对改进产品性能和推进研究有很大的潜力，但无法对它们的预测做出解释，这是当前面临的一大障碍。《可解释机器学习：黑盒模型可解释性理解指南》书是一本关于使机器学习模型及其决策具有可解释性的书。本书探索了可解释性的概念，介绍了简单的、可解释的模型，例如决策树、决策规则和线性回归，重点介绍了解释黑盒模型的、与模型无关

本书针对产业界在智能化过程中普遍面临的数据不足问题，详细地阐述了联邦学习如何帮助企业引入更多数据、提升机器学习模型效果。互联网数据一般分布在不同的位置，受隐私保护法规限制不能共享，形成了“数据孤岛”。联邦学习像“数据孤岛”之间的特殊桥梁，通过传输变换后的临时变量，既能实现模型效果提升，又能确保隐私信息的安全。本书介绍了

周志华老师的《机器学习》（俗称“西瓜书”）是机器学习领域的经典入门教材之一。本书（俗称“南瓜书”）基于Datawhale成员自学“西瓜书”时记下的笔记编著而成，旨在对“西瓜书”中重难点公式加以解析，以及对部分公式补充具体的推导细节。 全书共16章，与“西瓜书”章节、公式对应，每个公式的推导和解析都以本科数学基础的视角

本书以知识表示与处理所涉及的相关知识，如知识获取、知识表示、知识推理、知识迁移等内容为主体，完整呈现了知识表示与处理的知识体系。本书首先，介绍了知识表示与处理的发展、相关概念、流程等；其次，介绍了知识获取的内容；再次，重点介绍了知识表示的各种方法，如逻辑谓词、产生式规则、语义网络、本体、知识图谱等，以及知识推理所涉及的