本书全面介绍TensorFlow2.x框架及其在深度学习中的应用，内容包括TensorFlow简介、Python语言基础、环境搭建与入门、TensorBoard可视化、多层感知机实现、卷积神经网络实现、循环神经网络实现、强化学习、迁移学习、生成对抗网络和GPU并行计算等。

本书根据李宏毅老师机器学习公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括BERT和GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶算法.在理论严谨的基础上，本书保留了公开课中大量生动有趣的例子

本书是计算机领域本科教育教学改革试点工作计划(“101计划”)系列教材之一。本书按照“厚算法基础、养伦理意识、匠工具平台、促赋能应用”的培养目标，以表达与推理、搜索与优化、建模与学习和伦理与安全为核心，按照如下内容进行组织：第1章绪论、第2章知识表达与推理、第3章搜索探寻与问题求解、第4章机器学习、第5章神经网络与深度

本书主要内容分5大部分，共13章，较全面地介绍了目前人工智能的主流概念、理论、方法、技术及应用等内容。第一部分人工智能概念基础(第1-3章)，介绍了人工智能与哲学、脑科学有关的概念和知识基础，包括绪论、人工智能哲学基础和脑科学基础。绪论部分介绍了智能的定义以及人工智能的定义、历史、实现方法、研究内容、发展趋势；第二章哲

本专著主要从以下四个方面阐述了联邦学习中的异构性问题：系统异构性、统计异构性、模型异构性及联邦学习算法的收敛性分析。系统异构性从参与联邦学习设备的计算资源和通信资源的异构性角度出发，分析了联邦学习所面临的问题，并概括了当前最新提出的解决方案。统计异构性从参与设备之间的数据质量和数量差异性角度出发，概括了最新解决方案，并

本书从自否定一元人性与人的类特性出发，重审人工智能时代、晚期现代社会中学习的价值，以自否定为前提逻辑构建深度学习新形态，以破解教授主义下的学习困境，应对人工智能发展的学习价值危机，以“整全的人”培养为核心意向，将自否定作为未来深度学习变革的锚点。本书针对学校教育中教授主义盛行带来的学习价值取向偏离、学习者自我认同危机以

人工智能的迅速发展为全球发展带来前所未有的机遇与挑战，针对人工智能的全球治理体系也在不断演进，最大限度地享受人工智能红利并降低其风险需要有效的全球治理与合作。2023年10月18日，我国政府发布了《全球人工智能治理倡议》，为人工智能的全球治理贡献中国智慧、提出中国方案。本书将对当前人工智能的全球治理现状进行系统研究，在

随着ChatGPT掀起了新一轮人工智能浪潮，AIGC（artificialintelligencegeneratedcontent）逐渐成为焦点，它不仅使科技更深地融入人们的日常生活，也极大地提升了各专业领域的工作效率。为了帮助读者快速入门并系统地掌握AIGC的知识，我们特组织编写了本书。全书共分14章，其中，第1章介

机器的智能与智能的机器

本书主要讲解时空脉冲神经网络的原理、类型与使用方式，重点是使读者理解时空脉冲神经网络在人工智能应用中的基本模型、算法方面所起的作用，了解时空脉冲神经网络的应用场景及其与智能机器人、人工智能、脑科学等的集成与应用。