这是一本讲解银行如何利用AI技术提升业务效能和用户体验的著作，也是一本指导银行如何通过AI技术实现数字化和智能化转型的著作。作者在银行业从事技术工作20余年，本书的经验和案例全部来自成功的、真实的业务实践。作者从实际业务场景出发，聚焦智能营销、智能风控、智能运营3大类业务，用11个项目案例为11种高频业务提供了被验证的AI技术解决方案。每个项目案例包括方案设计、技术理论、算法框架、代码实现、效果展示等模块，手把手教读者实现案例的全过程。同时，每个案例还提供数据模型和示例数据，读者可以直接在自己的业务中复用。每个案例均使用不同类型的AI技术来实现，涉及数据挖掘、计算机视觉、计算机听觉、自然语言处理等10余种技术，能给读者带来的具体业务价值如下：？用自动机器学习技术实现月活客户挖掘；？用图神经网络实现高价值客户识别；？用推荐系统技术实现业务的精准推荐；？用强化学习技术评估营销推文的价值；？用因果推断技术实现关联还款二元因果效应模型；？用智能语音问答技术实现方言电话催收机器人；？用多项机器学习技术实现电信欺诈洗钱账户的识别；？用图像理解技术实现重要业务或产品的视觉监控；？用贝叶斯网络技术实现个人贷款逾期预测；？用自动控制技术实现私域流量客户的冷启动；？用计算机视觉技术实现数据中心智能巡检机器人。

本书主要围绕着智能科学与技术的内涵展开，强调学科基础知识、主要研究方法、核心研究领域、若干热点问题以及前沿应用技术等，内容涉及智能哲学、智能科学、智能技术等诸多方面。整部教材主要包括学科基础、科学研究和技术应用三大部分。学科基础部分涉及学科概述、机器系统、算法运作等方面的内容。科学研究部分涉及环境感知、语言理解、意识整合、艺术创造、行为表现等方面的内容。技术应用部分则涉及人机交互、系统构建和智能社会等方面的内容。本书覆盖了智能科学与技术专业入门课程所必须掌握的核心知识，基础性、思想性和前沿性并重，起到读者进入这一新兴学科的启蒙作用。 \n本书可作为高等院校智能科学与技术专业本科生入门课程的教材，或者作为人工智能相关专业研究生课程的教材，也可以供相关技术人员学习参考。目前社会已经进入智能时代，凡希望了解智能社会*为基本的科学技术内容的读者，都可以读一读这部教材，定将受益匪浅。 \n

Angular有着广泛的应用。本书由浅入深、循序渐进地介绍Angular（不是Angular．js或称为AngularJS）的应用开发。 全书共包括16章，第1章Angular应用开发基础，第2章模板，第3章指令，第4章组件，第5章组件的组合、分解及其应用，第6章路由及其应用，第7章表单及其应用，第8章HTTP客户端服务及其应用，第9章国际化及其应用，第10章动画及其应用，第11章PWA、Service Worker、Web Worker，第12章测试及其应用，第13章高阶技术，第14章**实践，第15章综合案例，第16章整合开发。 本书适合作为Angular、Web前端、TypeScript的开发者和学习者（特别是在校学生）阅读和学习的参考书，也可以作为高等学校教材。

暂缺简介...

本书主要介绍了基于深度学习的人工智能算法。全书共3篇：第1篇机器阅读理解，共4章：机器阅读理解绪论、机器阅读理解技术、对话式机器阅读理解研究和多文档机器阅读理解研究。第2篇知识图谱，共6章：知识图谱绪论、知识图谱相关技术、数控机床故障领域的命名实体识别、数控机床故障领域的实体关系抽取、数控机床故障知识图谱的构建与应用和基于知识图谱的数控机床故障问答系统研究。第3篇图像识别，共7章：图像识别绪论、相关理论和算法介绍、基于机器视觉传统算法的指针式水表读数识别方法、基于深度学习算法的指针式水表读数识别方法、基于深度学习算法的指针式水表读数识别方法实验、水表读数识别系统的设计与实现和水表读数识别系统App的设计与实现。本书适合作为面向计算机专业高年级和非计算机专业研究生的人工智能课程的参考书，也可作为人工智能的科技人员参考用书。

2017年， 印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，“机器学习”作为人工智能技术的内核，走人我国广大中小学生的课堂是科技发展的必然选择。本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框架和经常被使用的技巧。本书介绍了这些技巧是如何被巧妙地封装成一种通用方法，并在适当的时候被反复使用。从框架到思路，再到解决问题的技巧，以及技巧的封装和重用，这些都是塑造良好计算思维的必经之路。本书适合高等师范院校现代教育技术专业研究生及开设“人工智能”课程的大、中、小学的教师阅读参考。

本书是《动手学深度学习》的重磅升级版本，选用PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出基础的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和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编程知识及预备知识中描述的线性代数、微分和概率等基础知识。

本书从人工智能数学建模入手，全面介绍人工智能应用中涉及的数学基础知识，主要包括微积分学初步、线性代数、概率论与数理统计、最优化理论、随机过程、插值与回归，重点介绍基本概念、基本原理及计算，其中涉及的计算大部分由Python实现。同时，本书理论与实践相结合，结合具体案例，介绍如何运用这些数学基础知识来实现人工智能应用中的建模及求解。本书既可作为人工智能类专业教材，又可供其他专业学习数学基础知识，同时可作为广大科技工程人员进一步了解数学知识的参考教材。

本书将人工智能的基础知识进行了系统化的介绍，从传统的机器学习的基础知识、经典算法到深度学习的网络模型、应用领域都进行了相应的介绍。 本书共分10个项目。项目1～项目7主要内容有认识人工智能、Python基础、机器学习基础、特征工程及应用、经典算法的实现、神经网络的构建和训练、手写数字识别；项目8～项目10主要内容是综合案例的实施，包括人脸识别、商品情感分析、车牌识别。本书将知识点进行拆解细化，用可视化的形式帮助读者理解抽象的知识点，并配有丰富的代码，在反复实践中理解、升华，理论与实践相结合，助力读者锻炼编程思维和提升编程能力。

暂缺简介...