本书全面地介绍了网络表示学习的基本概念、模型和应用。本书从网络嵌入的背景和兴起开始介绍，为读者提供一个整体的描述；通过对多个代表性方法的介绍，阐述了网络嵌入技术的发展和基于矩阵分解的统一网络嵌入框架；提出了结合附加信息的网络嵌入方法——结合图中节点属性/内容/标签的网络嵌入；面向不同特性图结构的网络嵌入方法——面向具有

由谷歌开发的TensorFlow2.x是一个用于机器学习的端到端的开源平台,它拥有一个由工具、库和社区资源组成的、全面的、灵活的生态系统,可以让研究人员推动最先进的机器学习(ML)的发展,让开发人员轻松地构建和部署由ML驱动的应用程序。

本书基于真实数据集，全面系统地阐述现代计算机视觉实用技术、方法和实践，涵盖50多个计算机视觉问题。全书分为四部分：di一部分（第1~3章）介绍神经网络和PyTorch的基础知识，以及如何使用PyTorch构建并训练神经网络，包括输入数据缩放、批归一化、超参数调整等；第二部分（第4~10章）介绍如何使用卷积神经网络、迁移

本书以ChatGPT为中心，对ChatGPT的相关知识进行详细的讲解。本书共12章，前5章从ChatGPT概述、技术底座、内容变革、产业格局、商业展望5个方面对ChatGPT进行了解读，帮助用户全面了解ChatGPT，对其形成完整的认知。第6-12章从传媒、教育、娱乐、电商、金融、制造和医疗7个方面讲解了ChatGPT

本书共10章，涵盖的主要内容有深度学习探索、安装TensorF1ow、初识TensorFlow、深度神经网络、机器学习优化问题、全连接神经网络的经典实战、认识卷积神经网络、经典CNN实战系列、循环神经网络、对抗神经网络。

本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估

在以ChatGPT为代表的大模型掀起AIGC（人工智能生成内容）应用热潮之后，各行各业都希望深入了解流行的AI工具，将其引入日常工作，以节省工作时间，提高办公效率。本书作者团队较早开始将AI工具应用于实际工作，积累了丰富的使用经验，因此为没有太多技术基础的职场人士创作了这本实操指南。 本书分为三篇，上篇是基础篇，介绍

构建通用人工智能的关键就是无监督学习，而不需要标签来训练模型，最简单的方法就是使用深度生成模型。本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的AI系统。这种AI系统可以从生成的角度来理解周边世界。本书涵盖了深度生成模型的多种类型，包括自回归模型、流模型、隐变量模型、基于能量的模型等。

本书从写作与ChatGPT的基础知识讲起，结合创作者的实际写作经历与写作教学经历，重点介了用ChatGPT写作的基础技巧、进阶写作的方法、不同文体的写作方法、写作变现的秘诀，让读者系统地理解写作技巧与变现思路。本书包括如下内容：用ChatGPT重建写作思维、快速摘定选题、快速写出标题、高效收集索材、生成文章结构、写出优

本书专注于ChatGPT相关的AI发展历史、趋势及应用等。在书中，作者首先回顾了AI的历史发展和ChatGPT技术的发展历程，重点讲述影响人工智能的关键人物和核心技术。然后，作者分析了ChatGPT对社会各个领域的影响和技术的本质与价值，并探讨了其对具体职业的影响。为了方便读者拿来即用，本书按场景列出了绝大部分使用Ch