本书向你展示了如何使用机器学习模型从图像中提取信息。ML工程师和数据科学家将学习成熟的ML技术来解决各种图像问题，包括分类、物体检测、自动编码器、图像生成、计数和字幕。本书很好地介绍了端到端的深度学习：创建数据集、数据预处理、模型设计、模型训练、评估、部署和可解释性。Google工程师Valliappa Lakshmanan、Martin G？rner、Ryan Gillard为你展示了如何开发精准且可解释的计算机视觉ML模型，并使用强大的ML架构以灵活且可维护的方式将其投入大规模生产。 你将学习如何使用TensorFlow和Keras编写的模型进行设计、训练、评估和预测。

《基于人工智能的故障诊断方法》结合轴承振动信号的固有特性，弥补传统智能诊断方法的不足，以深度学习、迁移学习、流形学习等人工智能技术为核心，面向海量轴承振动监测信号，提出一种新的智能诊断研究框架，主要围绕“监测信号标注困难”“工况交替多变”和“噪声干扰”等的不同应用需求，着重从深度聚类框架设计、跨域故障诊断模型构建、目标函数构造、度量函数设计、中心判别损失正则项设计，以及相关对齐时目标熵最小性质证明等几个方面展开研究，探索很大程度避免人工参与且具有较强领域自适应能力的智能诊断解决方案。《基于人工智能的故障诊断方法》适合制造业的研究人员和工程技术人员参考阅读，也适合作为高等学校计算机、人工智能、智能制造等专业的研究生教学用书。

深度学习是基于多层神经网络的机器学习的一个子集，可以解决自然语言处理和图像分类等领域中特别困难和大规模的问题。《Apache Spark深度学习实战》解析了技术和分析部分的复杂性，以及在Apache Spark上实施深度学习解决方案的速度。书中首先介绍了Apache Spark和深度学习的基础知识，包括为深度学习设置Spark，学习分布式建模的原理，了解不同类型的神经网络，深度学习中数据的提取、转换和加载，数据流的应用；然后介绍了在Spark上实现CNN、RNN和LSTM等深度学习模型，使用Spark训练神经网络，监控与调试神经网络的训练，神经网络的评估，在分布式系统上部署深度学习应用，自然语言处理基础，文本分析和深度学习，卷积和图像分类；最后对深度学习未来的发展作了一个简要概括。另外，书中还使用DL4J（大部分）、Keras和TensorFlow等流行的深度学习框架实现和训练分布式模型。学完本书，读者可获得理解和处理复杂数据集所需的实践经验。本书适合Scala开发人员、数据科学家或数据分析师学习，也适合所有想使用Spark实现高效深度学习模型的人工智能相关专业的学生和开发人员。

本书是一本体系完整、综合全面介绍中小学人工智能相关内容的书籍。本书涉及人工智能的历史与发展，中小学人工智能战略定位、课程体系建设、计算思维，编程、机器人、知识工程、搜索算法、机器学习、深度学习、人工智能+X、人工智能对教育赋能、人工智能道德伦理与法律以及人工智能未来发展的展望等相关内容。本书可以作为中小学教师教授人工智能课程的辅助书籍，也适合对中小学人工智能教育感兴趣的广大读者阅读使用，还可以作为广大读者系统了解人工智能相关知识的参考用书。

本书从人工智能技术的演进和发展\人工智能技术体系人工智能技术角度，阐述在机电产品、研发设计、经营管理、生产制造、客户服务、经营决策中的应用，制造业企业实施人工智能的策略等。为人工智能技术在制造业中的应用落地给出一些方向和建议

本书着重介绍可以有效预测结果的两类核心算法，包括惩罚线性回归方法和集成方法，然后通过一系列的示例细节来展示针对不同的问题如何使用这些方法。全书分为7章，主要讲述算法的选择、构建预测模型时的要点等内容，并且结合Spark和Python技术，引入岩石与水雷、鲍鱼年龄问题、红酒口感、玻璃分类等经典数据集，将机器学习应用到数据预测分析中，帮助读者全面系统地掌握利用机器学习进行预测分析的基本过程，并将其应用到实际项目中。

本书是一本Python初级入门教程，主要为初学者介绍当前人工智能发展中使用最为广泛的计算机编程语言———Python语言的基础知识。 本书分Python语言基础篇和Python语言应用篇，介绍了Python的发展历史和Python语言的编写规范，同时还介绍了人工智能领域相关功能库的安装和使用方法，并提供了一些配套的实战练习。本书与《人工智能基础与进阶》共同形成一套适合人工智能初学者的参考教材，帮助读者快速尝试实践，体会“人工智能”的魅力。

随着语音算法技术的不断发展与完善，如何进行工程落地成为语音商业应用中普遍面临的问题。工程落地不仅要考虑模型效果，还要考虑资源占用、模块联调且整个架构要具有可靠性、可扩展性和可维护性。 本书围绕如何从零构建一个完整的语音识别系统，深入浅出地介绍了语音识别前端算法、语音识别算法及说话人日志算法原理；基于Kaldi的模型训练；语音识别工程落地和服务搭建。 本书适合作为语音技术研究人员及对语音技术感兴趣的开发人员的参考用书。

人工智能从狭义来说，是人类智能的人工实现；而从广义来理解，可以认为是智能体的人工实现。因此，它包含两层意思，一是有智能的学习，二是有人的参与和实现。进入21 世纪，尤其是2012年以后，人工智能研究有了突破性进展，即人工智能形成了大量具有优异性能的应用级产品，在产业界备受关注，且渗透到了较以往更为广泛的其他领域中，其中起主导作用的是神经网络研究的再次兴起。在一波人工智能热潮中，智能博弈、无人驾驶汽车、人工智能助理、语音识别、自然语言理解等都取得了飞速发展，对工业界产生了巨大影响。同时，脑科学、神经科学、认知科学的研就也不同程度的与人工智能学科研究形成交叉融合。人工智能研究已经成为持续热点，得到了学术界、工业界和资本界的广泛关注。为了对人工智能学科的发展方向作出比较准确的预见和把握，助力人工智能学科的发展，中国人工智能学科会组织学界专家对本学科的现状和趋势进行了科学严谨地研究，撰写了这部《人工智能学科路线图》。

本书作为海洋大学核心通识课配套的教材建设项目，主要包括经典的人工神经网络和目前热门的深度学习网络，分为理论篇与实践篇。理论篇包括BP神经网络、径向基网络、自组织网络、反馈网络、不确定方法、深度卷积神经网络、深度学习循环网络等10章内容。实践篇主要是对理论篇介绍的各种网络的设计和应用。本书强调网络模型的理论基础，从数学的角度介绍网络的算法、分析网络的性能以及优化网络的应用。教材的读者主要是各高校相关课程的选课学生和教师，以及对神经网络和深度学习领域感兴趣的人员。