配套视频+PPT+全部数据及源代码 获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：Keras 这是一本理论与实践兼顾的深度学习著作，它通过精心的内容组织和丰富的案例讲解，能让读者零基础入门，并迅速晋级为有一定理论基础和项目实战能力的高手。 基础方面，不仅介绍了Keras等各种深度学习框架的使用和开发环境的搭建，还对深度学习的基础知识做了全面讲解； 理论方面，详细讲解了全连接神经网络、卷积神经网络、循环神经网络、自编码器和生成式对抗网络等核心神经网络的原理和应用； 应用层面，不仅讲解了如何用Keras开发各种深度学习模型，而且还讲解了深度学习在图像处理和文本处理两大核心场景的应用； 实战方面，每个深度学习模型原理的背后都有精心设计的Keras实现代码，每章都有多个综合性案例，读者可以在调试和执行代码的过程中掌握深度学习模型设计与开发的各种方法和技巧。 本书内容结构合理，重点突出；写作方式循序渐进，易于读者理解；行文风格幽默风趣，读起来不枯燥。

《人工智能：探昔论今（英文版）》涵盖了人工智能的广泛领域。首先，《人工智能：探昔论今（英文版）》系统全面地介绍了人工智能的核心知识，包括传统人工智能的基本理论和技术，计算智能的基本原理和方法。其次，该书侧重于发展迅速、应用广泛的人工智能新技术，对神经网络和深度学习及其应用进行了较为全面的介绍。再次，该书理论与实践高度融合，第8章至第12章列举了人工智能的应用实例，如专家系统、智能规划、智能感知、自然语言处理等，有助于读者对人工智能的全面理解。《人工智能：探昔论今（英文版）》可作为高等院校相关专业本科生和研究生的人工智能课程教材，也可供从事人工智能研究与应用的科技工作者和技术人员学习参考。

本书以《写给新手的深度学习》这本书的内容为基础，对深度学习的内容进一步深入探讨。从简单的RNN到作为其发展形式的LSTM和GRU，甚至在生成模型中对VAEGAN进行处理。本书也和上一本一样不使用框架，而是将各种各样的深度学习的发展形式，数学公式和代码无缝连接，这样既能很好地理解内部的实现，也能在发生问题的时候轻松地想到解决问题的办法。本书虽然是上一本书的延续，但是内容体系是完整的，并在前三章对第一册内容进行了简单回顾，所以即使没有读过上一本书，也不影响本书的学习。

“2049年的中国：科技与社会愿景展望”项目是由中国科协学会服务中心负责组织实施的，得到全国学会的积极响应。该项目组织完成了多项报告，这些报告科学描绘了绿色制造、现代农业、新能源、生物医药、智慧城市以及智慧生活等领域科学技术发展的Z新趋势，深刻分析了这些领域Z具代表性、可能给人类生产生活带来根本性变化的重大科学技术突破，展望了这样一些科技新突破可能给人类经济社会生活带来的重大影响，并在此基础上提出了推动相关技术发展的政策建议。本书为其中的《机器人及其未来发展》分册，阐述了机器人与人类社会、面向2049的机器人技术、未来机器人技术发展预测、机器人与未来社会、机器人时代带来的挑战与影响、推动机器人发展的实施策略与思考等内容，对机器人及其未来发展具有很好的指导作用，具有重要的时代意义。

本书包含六个章节，详细分析了面向儿童群体的人工智能发展现状、与儿童相关的人工智能原则政策和法律，以及面向儿童群体的人工智能应用，并编选国内39个人工智能应用典型案例，尽可能反映涉及儿童群体的人工智能应用类型，如课堂教辅、在线教育、智能陪伴、儿童安全、儿童健康及公益/弱势群体等，具有一定实际参考价值。

多媒体安全与人工智能安全是近年来迅速发展的研究领域。本书采用“极简综述”的形式，围绕多媒体隐写、多媒体水印、多媒体取证与评价、神经网络安全四部分内容，涉及图像、视频、音频、文本、神经网络等研究对象，汇集了该领域新研究成果。本书各章在内容上相互独立，简明扼要介绍了其中某个方向要解决的主要问题与核心方法，旨在帮助读者用较短时间从整体上迅速掌握该方向重要的信息。本书既可为对此领域有兴趣的读者提供便捷的指引，也可作为多媒体与人工智能安全方向研究生的入门教材。

本书以人工智能发展为时代背景，通过20个机器学习模型和算法案例，为读者提供较为详细的实战方案，以便进行深度学习。在编排方式上，全书侧重对创新项目的过程进行介绍，分别从整体设计、系统流程和实现模块等角度论述数据处理、模型训练和模型应用等过程，并剖析模块的功能、使用及程序代码。为便于读者高效学习，快速掌握人工智能程序开发方法，本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题及解决方法等资料，可供读者举一反三，二次开发。本书语言简洁，深入浅出，通俗易懂，不仅适合对Python编程有兴趣的爱好者，而且可作为高等院校相关专业的参考教材，还可作为从事智能应用创新开发专业人员的技术参考书。

本书集合了基于应用领域的高级深度学习的模型、方法和实现。本书分为四部分。第1部分介绍了深度学习的构建和神经网络背后的数学知识。第二部分讨论深度学习在计算机视觉领域的应用。第三部分阐述了自然语言和序列处理。讲解了使用神经网络提取复杂的单词向量表示。讨论了各种类型的循环网络，如长短期记忆网络和门控循环单元网络。第四部分介绍一些虽然还没有被广泛采用但有前途的深度学习技术，包括如何在自动驾驶上应用深度学习。学完本书，读者将掌握与深度学习相关的关键概念，学会如何使用TensorFlow和PyTorch实现相应的AI解决方案。

本书讲解了如何基于不同业务场景的智能风控方法来构建一个从数据到计算再到决策的通用智能风控平台，该平台既能应用于业务的全流程，又能承载互联网业务中的大部分风险控制方案。全书从智能风控的原理、智能风控平台的架构、智能风控平台的产品设计与实现3个维度展开：第1部分（第1~3章）从智能风控的定义、演进以及智能风控如何与业务结合等方面介绍了智能风控的基础知识和原理；第二部分（第4~5章）详细讲解了智能风控平台的业务架构、功能架构和技术架构，为智能风控平台的设计与实现打下基础；第三部分（第6~7章）从产品设计与实现的角度讲解了智能风控平台的核心系统，如决策引擎系统、指标管理系统、接口管理系统、风险管理系统，以及次核心系统，如贷中监控系统、贷后管理系统、平台管理系统等。

本书涵盖了经典和现代的深度学习模型。章节分为三类：第1部分为神经网络的基础。许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章的重点是理解传统机器学习和神经网络之间的关系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统都是神经网络的特例。本书将这些方法与特征工程方法如word2vec一起进行了研究。第2部分是神经网络的基本原理。训练和正则化的详细讨论在第3章和第4章提供。第5章和第6章介绍了径向基函数（RBF）网络和受限的玻尔兹曼机。第3部分是神经网络的高级主题：第7章和第8章讨论了循环神经网络和卷积神经网络。第9章和第10章介绍了几个高级主题，如深度强化学习、神经图像机、Kohonen自组织映射和生成对抗网络。这本书是为研究生、研究人员和实践者编写的。大量的练习和一个解决方案手册，以帮助在课堂教学。在可能的情况下，突出显示以应用程序为中心的视图，以便提供对每一类技术的实际用途的理解。