无论你是一名渴望进入人工智能世界的软件工程师，一名经验丰富的数据科学家，还是一名怀揣创造下一个人工智能爆款应用伟大梦想的业余爱好者，你可能都想知道从哪里开始深度学习。这本循序渐进的指导书会教你如何通过实际动手操作的方式为云计算、移动端、浏览器和边缘设备构建实用的深度学习应用程序。

《智慧空间》首先回顾了互联网的诞生、以及从 PC互联到移动互联的发展历程;然后结合区块链、人工智能、增强现实/虚拟现实、物联网、5G等多种技术的z新成果，揭示在这些先进技术的支撑下，下一代互联网将走向空间化的必然趋势;之后，深入地分析了现有的万维网因其存在的结构性缺陷，将无法承载未来发展，进而详细阐述如何将多种技术融合为一，搭建一个完整的智能空间网络的构思。本书还就如何将这一全新的网络架构应用于城市管理、建筑/工业设计、仓储物流管理、广告及电子商务提出了具体设想。

在你的iOS， macOS， tvOS和watchOS的Swift应用中创建和实现基于人工智能和机器学习的功能。有了这本实用的指导书，各种背景德程序员都将找到一个Swift一站式人工智能和机器学习解决方案。你将学习如何通过强大的人工智能软件来实现识别图像、进行预测、生成内容、提出建议等功能。

本书首先从Python 基本语法开始讨论，逐步介绍必备的数学知识与神经网络的基本知识，并利用讨论的内容编写一个深度学习框架TensorPy，有了这些知识作为铺垫后，就开始讨论生成对抗网络（GAN）相关的内容。然后，本书使用比较简单的语言来描述GAN 涉及的思想、模型与数学原理，接着便通过TensorFlow实现传统的GAN，并讨论为何一定需要生成器或判别器。接下来，重点介绍GAN 各种常见的变体，包括卷积生成对抗网络、条件对抗生成网络、循环一致性、改进生成对抗网络、渐近增强式生成对抗网络等内容。 本书从模型与数学的角度来理解GAN 变体，希望通过数学符号表达出不同GAN 变体的核心思想，适合人工智能、机器学习、计算机视觉相关专业的人员学习使用。

内容简介 这是一部讲解如何将AI技术创造性地应用到自动化测试领域的前沿性著作。由腾讯互动娱乐事业群TuringLab实验室撰写，从技术原理、平台构建、工程实践3个维度全面讲解AI技术在中的应用，融合了团队先进的理论研究成果和丰富的工程实践经验。 全书一共14章，分为三个部分： 第壹部分 技术原理（第1-5章） 首先，从宏观角度介绍了自动化测试和AI技术的发展，以及二者的相互结合；然后，讲解了图像识别算法、强化学习、模仿学习等用于自动化测试的AI技术的原理；*后，介绍了Android设备的调试原理和技术。 第二部分 平台搭建（第6-11章） 以TuringLab实验室开源的Game AI SDK为例，不仅讲解了AI自动化测试平台的架构设计、开发流程、环境搭建和二次开发等内容，而且还讲解了AI SDK Tool工具的使用，以及如何以图像类方式和数据类方式接入Game AI SDK。 第三部分 工程实践（第12-14章） 主要讲了TuringLab团队在游戏AI自动化测试领域的*佳实践，包括手机游戏兼容性测试、自动化Bug检测、自动机器学习等内容。 提供大量简洁的代码实例，助你零基础实现AI自动化测试。 扫码关注“华章计算机”官方微信，回复“”获取配套资源

计算智能是人工智能领域较为前沿的研究方向，它是受“大自然智慧”启发而被设计出的一类算法的统称。计算智能所具有的全局搜索、高效并行等优点为解决复杂优化问题提供了新思路和新手段，引起了国内外学者的广泛重视并掀起了研究热潮。目前，计算智能的相关技术已成功应用于信息处理、调度优化、工程控制、经济管理等众多领域。本书在归纳近年来计算智能研究成果的基础上，系统且详细地介绍了计算智能中较为典型的9种算法——人工神经网络、遗传算法、蚁群算法、人工免疫算法、粒子群优化算法、人工蜂群算法、生物地理学优化算法、多目标优化算法以及约束优化算法，并给出了各个算法基于MATLAB软件的仿真实现过程和在信号与通信领域的应用实例，这使本书知识点的讲解通俗易懂、直观生动，易于读者快速掌握。本书可作为高等学校信号与信息处理、计算机应用技术、人工智能、模式识别与智能系统、自动化等专业本科生和研究生的教材，也可供计算智能相关领域的研究人员学习参考。

本书内容共10章。1章为绪论，包括机器视觉的相关概念，机器视觉的发展、基本任务、应用领域与困难，以及马尔视觉理论；2章为数字图像处理；3章为相机成像；4章为相机标定；5章为Shape from X；6章为双目立体视觉；7章为结构光三维视觉；8章为深度相机，介绍当前颇受欢迎的Kinect、Intel RealSense等深度相机的知识与相关应用；9章为机器学习基础；10章为机器学习在机器视觉领域的应用，包括机器学习在模式识别、图像分辨率重建、图像去噪、目标跟踪、三维重建等方面的应用。　本书除1章和9章，其他各章都配有应用案例，包括案例的分析过程、实验设置、实验数据、程序代码及运行结果。案例的编程实现采用了MATLAB、C++、Python程序设计语言，使用了OpenCV函数、MATLAB视觉与图形工具箱、Scikit-Learn机器学习工具包，以及MatConvNet、TensorFlow、Keras深度学习框架。通过讲解案例背景与原理、设计思路、实验步骤、开发环境与工具和实验结果，使读者能够根据案例理解相关内容，加强工程实际应用中理论和知识的学习。同时，本书对从事机器视觉与机器学习的科研人员和工程师也具有一定的参考作用。

本书系统地介绍了语音识别的原理和应用，全书共分 15 章，原理部分涵盖声学特征、隐马尔可夫模型（HMM）、高斯混合模型（GMM）、深度神经网络（DNN）、语言模型和加权有限状态转换器（WFST），重点描述了 GMM-HMM、DNN-HMM 和端到端（E2E）三种语音识别框架。本书应用部分包含 Kaldi、Espnet、工业应用实践介绍，内容主要来自工程经验，极具实用性。 本书可以作为普通高等学校人工智能、计算机科学与技术、电子信息工程、自动化等专业的本科生及研究生教材，也适合作为从事智能语音系统的科研和工程技术人员的参考用书。

深度剖析OpenCV DNN模块的架构、原理与加速策略等； 重点介绍了 CPU/GPU加速原理与实现，诸如Intel GPU架构与参考实现，Vukan与OpenCL的加速实现； 详细讲解可视化工具与主流OpenCV深度学习应用，如支付级别人脸识别、图像分类、目标检测等。

深度学习是目前学术界和工业界都非常火热的话题，在许多行业有着成功应用。本书由Hulu的近30位算法研究员和算法工程师共同编写完成，专门针对深度学习领域，是《百面机器学习：算法工程师带你去面试》的延伸。全书内容大致分为两个部分，第一部分介绍经典的深度学习算法和模型，包括卷积神经网络、循环神经网络、图神经网络、生成模型、生成式对抗网络、强化学习、元学习、自动化机器学习等；第二部分介绍深度学习在一些领域的应用，包括计算机视觉、自然语言处理、推荐系统、计算广告、视频处理、计算机听觉、自动驾驶等。本书仍然采用知识点问答的形式来组织内容，每个问题都给出了难度级和相关知识点，以督促读者进行自我检查和主动思考。书中每个章节精心筛选了对应领域的不同方面、不同层次上的问题，相互搭配，展示深度学习的“百面”精彩，让不同读者都能找到合适的内容。本书适合相关专业的在校学生检查和加强对所学知识点的掌握程度，求职者快速复习和补充相关的深度学习知识，以及算法工程师作为工具书随时参阅。此外，非相关专业、但对人工智能或深度学习感兴趣的研究人员，也可以通过本书大致了解一些热门的人工智能应用、深度学习模型背后的核心算法及其思想。