【免费获取】配套代码 数据 共读实战营 作者答疑群告别拖延症，14天掌握Embedding（社区领读10天 5个作业 4天实战）获取方式：1、微信关注“华章计算机”2、在后台回复关键词：Embedding 这是一本系统、全面、理论与实践相结合的Embedding技术指南，由资深的AI技术专家和高级数据科学家撰写，得到了黄铁军、韦青、张峥、周明等中国人工智能领域的领军人物的一致好评和推荐。在内容方面，本书理论与实操兼顾，一方面系统讲解了Embedding的基础、技术、原理、方法和性能优化，一方面详细列举和分析了Embedding在机器学习性能提升、中英文翻译、推荐系统等6个重要场景的应用实践；在写作方式上，秉承复杂问题简单化的原则，尽量避免复杂的数学公式，尽量采用可视化的表达方式，旨在降低本书的学习门槛，让读者能看得完、学得会。 全书一共16章，分为两个部分：第1部分（第1~9章）Embedding理论知识主要讲解Embedding的基础知识、原理以及如何让Embedding落地的相关技术，如TensorFlow和PyTorch中的Embedding层、CNN算法、RNN算法、迁移学习方法等，重点介绍了Transformer和基于它的GPT、BERT预训练模型及BERT的多种改进版本等。第二部分（第10 ~16章）Embedding应用实例通过6个实例介绍了Embedding及相关技术的实际应用，包括如何使用Embedding提升传统机器学习性，如何把Embedding技术应用到推荐系统中，如何使用Embedding技术提升NLP模型的性能等。

无人机算机器人吗？世界上很贵的机器人值多少钱？机器人可以帮助人类做哪些事？机器人可以有公民身份吗？未来会有哪些机器人出现？你手上的这本书，将为你解答这些有趣的问题。色彩亮丽的手绘插图，栩栩如生的各种角色，将以轻松活泼的聊天语言，给你唠叨它们的故事，带你踏上认识大千世界的奇妙之旅，轻松学习百科知识。

本书是一本介绍深度学习理论和实战应用的教程，先从数学基础和机器学习基础出发，按照神经网络的技术发展框架由易到难逐步讲解深度学习的理论，然后再通过实践部分，详细解释深度学习的应用案例，让读者既能了解深度学习理论，又能学会使用深度学习框架，实现自己的深度学习模型。主要内容包括深度学习的发展历史、单层感知器、线性神经网络、BP神经网络、深度学习算法卷积神经网络CNN和长短时记忆网络LSTM，以及深度学习算法在图像、自然语言处理和音频信号三个方面的实际应用。其中，案例实战部分使用的深度学习框架为Tensorflow 2/Keras。

《人工智能：计算Agent基础（原书第2版）》特色：优化篇章结构，增加关于机器学习的内容，讨论了与机器学习和Al相关的社会及伦理问题；摒弃先讲关系语言的做法，改为后讲关系方法，更利于知识的呈现和理解；更新代码示例，并增加了一些练习。提出智能体的单一设计空间的概念，从简单的智能体开始，逐步引入十个维度的复杂性，通过模块化方式降低理论学习的难度，并结合自主送货机器人等四个应用实例来展开实践。在宏观层面，搭建了一个连贯的知识框架，利用多维度的设计空间引导读者纵观大局；在细节层面，聚焦于基础技术而非复杂技术，为读者未来的进阶学习及实战打下坚实的基础。

本书首先展示如何在系统上安装和配置Java和DL4J，然后深入讲解了深度学习基础知识，并创建了一个深度神经网络进行二元分类。其次，本书介绍了如何在DL4J中构建卷积神经网络（CNN），以及如何用文本构建数字向量，还介绍了对非监督数据的异常检测，以及如何有效地在分布式系统中建立神经网络。除此之外，讲解了如何从Keras导入模型以及如何在预训练的DL4J模型中更改配置。最Z后，介绍了DL4J中的基准测试并优化神经网络以获得最Z佳结果。 本书适合想要在Java中使用DL4J构建健壮的深度学习应用程序的读者，阅读本书需要具备深度学习基础知识和一定的编程基础。 Copyright©2019PacktPublishing.FirstpublishedintheEnglishlanguageunderthetitle ‘Java DeepLearningCookbook’. 本书简体中文版专有出版权由英国PacktPublishing公司授予中国电力出版社。未经许可，不得以任何方式复制或传播本书的任何部分。专有出版权受法律保护。

人工智能相比于人力而言具有低成本、高效率和全天候等巨大优势，但其发展往往不能全面满足实际场景的旺盛需求。近年来人工智能与计算机视觉的结合日益紧密，基于深度学习研究计算机视觉成为一个新方向。深度学习的特点是层次化的特征提取、规模更大、数据更多、计算更复杂。本书从介绍计算机视觉的任务入手，总结从传统手工提取特征方法到深度学习的发展历程。然后，针对不同层次的计算机视觉任务，结合作者团队近年来的研究成果，以及部分学界公认的里程碑式成果，从理论层面论述深度学习在具体计算机视觉任务中的应用。本书作者来自北京邮电大学长期从事多媒体技术教学和研究的一线教师。本书适合从事图像和视频的处理和理解的研究人员、相关领域软件开发人员或研究生阅读。

本书围绕人工智能未来技术发展趋势、可信安全人工智能手段、人工智能技术赋能教育以及人工智能与人类关系等问题展开讨论。

《人工智能核心：神经网络（青少科普版）/中小学人工智能教育丛书》主要讲解了图像和文本在计算机中的表达和计算方法、神经网络的基本原理，并以圈叉棋为例讲解了计算机在图像分类问题上挑战人类的卷积神经网络技术，以单词拼写为例讲解了处理文本和语音的循环神经网络技术。读者只需要具备基础的加减乘除计算能力，就可以不借助计算机而掌握书中的所有技术和原理，并尝试实现书中的所有实例。可以说，《人工智能核心：神经网络（青少科普版）/中小学人工智能教育丛书》的真正目的是实现作者的期望：人人都会人工智能！

《TensorFlow2实战》首先讲解深度学习和TensorFlow2的基础知识，然后通过图像处理和自然语言处理两方面的实例，帮助读者进一步掌握深度学习的应用，最后通过对生成对抗网络和强化学习知识的讲解，带领读者精通深度学习。《TensorFlow2实战》适合想要学习和了解人工智能、深度学习技术的程序员阅读，也可作为大专院校计算机专业师生的学习用书和培训学校的教材。

深度学习是目前***的技术领域，本书兼顾了数学上的理解和代码实践，内容主要包括基础知识和深度学习模型。第一章节介绍深度学习的简洁发展思路和表示学习机制；第二章、第三章介绍了神经网络的基于梯度的优化方法、神经网络的优化难点以及相应的解决办法；第四章讨论神经网络也会遇到的过拟合问题；第五章分析神经网络的最小组成部分——神经元；第六章讨论三种方案解决浅层网络的训练难题：批标准化、SeLu、ResNet；第七章、第八章讲述了两种重要的神经网络模型：卷积神经网络和循环神经网络。本书适合对于深度学习感兴趣的大学生、工程师阅读参考。阅读本书需要具备基础的Python编程技术和基本的数学知识。