本书包含代码实践和案例实践，运用OpenCV、PyTorch等框架工具详细讲解中文车牌识别检测、采用三元组的FaceNet人脸识别理论与实践、车道检测的两种深度学习思路及烟雾检测4大实践项目。相关理论可参考《基于深度学习的目标检测原理与应用》一书，从而学以致用、融会贯通。

本书系统介绍了推荐算法的知识框架和技术细节，包括召回、粗排、精排和重排等模块。第1章从用户体验、内容生产和平台发展角度介绍为什么需要推荐系统，并阐述推荐系统的分类及整体技术架构。第2章介绍推荐算法模型的基础——数据样本和特征工程。第3章介绍传统推荐算法。第4~7章介绍推荐系统中最复杂的部分——精排模块，包括特征交叉、用户行为序列建模、Embedding表征学习和多任务学习。第8章介绍召回模块，并详细讲解非个性化召回和个性化召回算法。第9章介绍粗排模块，重点讲解特征蒸馏和轻量级特征交叉等方法。第1

图强化学习是深度强化学习的重要分支领域。本书作为该领域的入门教材，在内容上尽可能覆
盖图强化学习的基础知识，并提供应用实践案例。全书共 10章，大致分为三部分：第一部分（第 1～
3章）介绍图强化学习研究对象（复杂系统、图和复杂网络）；第二部分（第 4～7章）介绍图强化
学习基础知识（图嵌入、图神经网络和深度强化学习）；第三部分（第 8～10章）介绍图强化学习
模型框架和应用实践案例，并进行总结和展望。每章都附有习题并介绍了相关阅读材料，以便有兴

生成式AI是科技领域最炙手可热的话题。这本实践用书教授机器学习工程师和数据科学人员如何利用TensorFlow和Keras从零开始创建令人印象深刻的生成式深度学习模型，包括变分自编码器(VAE)、生成对抗网络(GAN)、Transformers、归一化流、基于能量的模型和去噪扩散模型。本书从深度学习的基础知识开始，逐步讲解最前沿的架构。通过各种技巧和窍门，你将理解如何使你的模型学习更高效，变得更具创造力。

深度学习是一门注重应用的学科。了解深度学习背后的数学原理的人，可以在应用深度学习解决实际问题时游刃有余。本书通过Python代码示例来讲解深度学习背后的关键数学知识，包括概率论、统计学、线性代数、微分等，并进一步解释神经网络、反向传播、梯度下降等深度学习领域关键知识背后的原理。

本书适合有一定深度学习基础、了解Pyho如编程语言的读者阅读，也可作为拓展深度学习理论的参考书。

本书详细解读了当前AI应用领域最具热度、前景无限的AIGC内容自动生成技术，详细介绍了AIGC的基本概念、价值、产生与发展的脉络，以及实现AIGC所需的条件，重点解析了AIGC的核心技术(NLP、深度学习、大模型、硬件资源、大数据、训练方法)。

人工智能的时代已经到来。中国的青少年需要学会用人工智能的语言来理解世界，用人工智能的思想来创造世界。 本书主要介绍如何使用Python 来学习和应用人工智能算法。全书知识体系完备，主要分为三大部分。第一部分讲解基础编程知识和Python 语言特性。第二部分讲解如何处理数据，如何分析和观察数据。第三部分讲解若干机器学习算法，并拓展介绍深度学习和强化学习的入门知识。 本书配套了代码仓库，可供开设人工智能课程的中小学老师，以及对人工智能感兴趣的业余爱好者参考使用。

5章专题内容讲解+40多个ChatGPT案例解析+50多集教学视频+80多个素材效果文件+120个实用干货内容+130多个指令赠送，助你一本书从入门到精通运用ChatGPT！随书还赠送了150多页PPT教学课件，辅助读者学习。
本书分为5大章节：了解市场、知晓原理、操作实战、精通运用、思路拓展，帮助读者轻松理解ChatGPT的原理和应用，掌握使用ChatGPT进行自然语言处理的基本技能，并有能力将ChatGPT应用于实际项目中。无论你是初学者还是有一定经验的开发者，这本书都将成为你学习和使

本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的“可用知识”，带领大家快速了解GPT-4和ChatGPT的工作原理及优势，并在此基础上使用流行的Python编程语言构建大模型应用。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例，帮你理解并应用在自己的项目中。此外，书后还提供了一份术语表，方便你随时参考。 准备好了吗？只需了解Python，你即可将本书作为进入