本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

《人工智能十万个为什么：热AI 冷知识》是由智能相对论创始人曾响铃联合旗下几位资深分析师深入一线企业调研后，并结合行业发展现状及未来发展趋势预测完成的一本人工智能冷知识普及书籍。　《人工智能十万个为什么：热AI 冷知识》全面、详尽地介绍了人工智能*先落地的几个热门领域：智能机器人、医疗服务业、教育、娱乐、健康等，覆盖了人们接触人工智能的各种场景，并对其背后的人工智能技术进行深入浅出地解释，是一本有趣的人工智能行业科普读物。

本书是一本学术著作，本书的前面几章是深度学习神经网络与大数据智能处理的理论方法部分；接下来几章是深度学习神经网络与大数据智能处理的应用实践部分。本书原创性在于提出、研究并给出了十四种深度学习神经网络与大数据智能处理新理论新方法和新应用。本书适用于高等院校、科研院所及企事业单位的科研及教学用书。

本书基于南京大学人工智能学院的主要学术带头人在人工智能人才培养方面的教学改革项目，对人工智能本科人才培养体系进行了梳理，汇集了南京大学人工智能学院对创办一流大学人工智能教育的思考，提出了完整的人工智能本科专业教育培养体系。 本培养方案根据人工智能学科领域自身特点来建立全面系统的专业人才培养体系，侧重于人工智能领域源头创新能力、为企事业单位解决关键技术难题能力的培养，是南京大学在 AI 本科专业人才培养方面的初步探索成果，希望能够抛砖引玉，与兄弟院校共同探讨人工智能人才培养，推动我国人工智能教育事业的发展。

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。 全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

本书全面介绍了深度学习在图像处理领域中的核心技术与应用。书中不但重视基础理论的讲解，而且从第4章开始的每章都提供了一到两个不同难度的案例供读者实践，读者可以在已有代码的基础上进行修改和改进，从而加深对所学知识的理解。 本书共10章，首先从深度学习的基础概念开始，介绍了神经网络的基础知识和深度学习中的优化技术；然后系统地介绍了深度学习中与数据相关的知识，包括经典数据集的设计、数据集的增强以及数据的获取与整理；接着重点针对图像开发领域，用3章内容系统地介绍了深度学习在图像分类、图像分割和目标检测3个领域的核心技术与应用，这些内容的讲解均结合实战案例展开；另外，还对深度学习中损失函数的发展、数据和模型的可视化以及模型的压缩和优化进行了详细介绍，为读者设计和训练更加实用的模型提供了指导；最后以微信小程序平台为依托，介绍了微信小程序前后端开发技术，完成了深度学习的模型部署，让本书的内容形成了一个完整的闭环。 本书理论与实践结合，深度与广度兼具，特别适合深度学习领域的相关技术人员与爱好者阅读，尤其适合基于深度学习的图像从业人员阅读，以全方位了解深度学习在图像领域中的技术全貌。另外，本书还适合作为相关培训机构的深度学习教材使用。

本书自成一体，如果你既想了解CNN的原理，又想获得将CNN应用于计算机视觉的一手经验，那么本书将非常适合阅读。书中对CNN进行了全面介绍，首先是神经网络的基本概念：训练、正则化和优化。然后讨论了各种各样的损失函数、网络层和流行的CNN架构，回顾了评价CNN的不同技术，并介绍了一些常用的CNN工具和库。此外，本书还分析了CNN在计算机视觉中的应用案例，包括图像分类、对象检测、语义分割、场景理解和图像生成。

深度学习并没有那么可怕。直到最近，这项机器学习方法还要经过数年的学习才能掌握，但是有了如Keras和TensorFlow这样的框架后，没有机器学习背景的软件工程师也可以快速进入这个领域。通过本书中的技巧，你将学会解决深度学习在生成和分类文本、图像和音乐方面的问题。 本书每章包括完成独立项目所需的几个技巧，如训练一个音乐推荐系统。如果你陷入了困境，作者还在第2章提供了6个技巧来帮助你。本书中的例子用Python语言编写，代码在GitHub上以Python notebook集合的方式提供。 通过本书，你将学会： ■ 创建为真实用户服务的应用 ■ 使用词嵌入计算文本的相似性 ■ 基于维基百科链接建立电影推荐系统 ■ 通过可视化的内部状态了解AI看待世界的原理 ■ 建立一个为文本片段推荐表情符号的模型 ■ 重用预训练的神经网络构建反向图像搜索服务 ■ 比较GAN、自动编码器和LSTM如何生成图标 ■ 检测音乐的风格并检索歌曲集

我们正在进入语音科技时代，我们的衣食住行都将发生巨变，对着智能音箱说，我想买一件T恤，它就会为你推荐甚至帮你下单；在餐厅，服务员已经变成了机器人助手，想约一顿火锅直接打电话给它就行；在家里，电视、音箱等声控中心可以听懂你的指令，在你起床之前为你打开窗帘，煮上一杯咖啡……　你我生活常见的，用键盘或在面板上写信息、在网上搜寻资料、用遥控器换台……这些都已成为历史。未来是语音操控的时代，所有的科技大腕如谷歌、 苹果、脸书、微软、科大讯飞等都已经初步展示这一新科技平台。未来的连结不再是空间，而是语音！本书诉说这一重大改变的过去与未来。　《智能语音时代：商业竞争、技术创新与虚拟永生》分四个部分来讲述：第一部分“竞争”，讲述智能语音时代的竞争之战和范式转换，解密苹果、谷歌、脸书、微软等科技巨头的智能语音布局与商业角逐；第二部分“创新”，讲述智能语音的技术探索和创新之路，探索了语音人工智能的技术突破、个性设计和交谈能力；第三部分“革命”，讲述智能语音的革命之路，探索了语音人工智能的情感陪伴、超级智能、隐私风险和虚拟永生。第四部分“zui后的计算机”，预测了智能语音的未来，并探讨了它将如何最终改变世界。在本书中，你会了解到 ：　科幻电影中出现的场景，贝佐斯和扎克伯格等科技大佬们如何把它们变成现实的？　乔布斯为什么要收购Siri公司？乔布斯为何从来没有这样执着地每天都给某个人打电话？　贝佐斯是个科幻迷，亚马*布局智能语音领域竟然与《星际迷航》有关？　贝佐斯团队是如何秘密研发虚拟语音助理的？　Siri之父是何许人也？作为智能语音领域的“吃螃蟹者”，Siri是如何进行商业化的？　人工智能可以让人们跟逝者“对话”？　为什么说电子商务可能是在智能语音领域*佳的盈利模式？　机器计算、神经网络技术、深度学习技术等*新技术的突破口在哪里？　智能语音行业的商业模式是怎样的？　语音助理的个性是如何设计的？　智能语音的核心技术是什么？　智能语音行业的未来盈利模式是怎样的？　智能语音将如何改变世界和未来？　……

本书构建了一个完整的深度强化学习理论和实践体系：从马尔可夫决策过程开始，根据价值函数、策略函数求解贝尔曼方程，到利用深度学习模拟价值网络和策略网络。书中详细介绍了深度强化学习相关算法，如Rainbow、Ape-X算法等，并阐述了相关算法的具体实现方式和代表性应用（如AlphaGo）。此外，本书还深度剖析了强化学习各算法之间的联系，有助于读者举一反三。本书分为四篇：初探强化学习、求解强化学习、求解强化学习进阶和深度强化学习。涉及基础理论到深度强化学习算法框架的各方面内容，反映了深度强化学习领域过去的发展历程和研究进展，有助于读者发现该领域中新的研究问题和方向。