本书以机器学习基础知识做铺垫，深入剖析XGBoost的原理、分布式实现、模型优化、深度应用等。

第1～3章使读者对机器学习算法形成整体认知，了解如何优化模型以及评估预测结果，并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。

第4章借助实际案例，讲解如何通过XGBoost解决分类、回归、排序等问题，并介绍了XGBoost常用功能的使用方法。

第5～7章是本书的重点，从理论推导与源码层面深入剖析XGBoost，涵盖XGBoost原理与理论证明、分布式XGBoost的实现、XGBoost各组件的源码解析。

第8～9章为进阶内容，着重解析算法实践与工程应用中的难点，进而帮助读者更好地解决实际问题。

第10章介绍了一些较为前沿的将树模型与其他模型融合的研究方法，以开拓眼界，拓展思路。

本书是一部面向初学者的搜索和推荐系统实战宝典。多位资深专家融合自己丰富的工程实践经验，一方面，精准地介绍了搜索和推荐系统的理论基础、工作原理和常见架构；一方面，深入地讲解了机器学习、深度学习、自然语言处理等AI技术在搜索和推荐系统中的应用场景、主要算法及其实现、工程实践案例。

全书一共12章，分为 四大部分。

第一部分（第 1 ～ 3 章） 搜索和推荐系统基础

首先介绍了概率统计与应用数学的基础知识，然后介绍了搜索和推荐系统的常识，最后介绍了知识图谱的基础理论。

第二部分（第 4 ～ 6 章） 搜索系统原理与架构

首先讲解了搜索系统的架构和原理，帮助读者了解搜索系统的组成、工作原理以及知识图谱在搜索系统中的应用；其次讲解了搜索系统中涉及的基本模型、机器学习以及深度学习算法；最后讲解了评价搜索系统的指标体系。

第三部分（第 7 ～ 9 章） 推荐系统原理与架构

首先讲解了推荐系统的架构和原理；其次讲解了推荐系统中涉及的线性模型、树模型以及深度学习模型；最后讲解了评价推荐系统的指标体系。

第四部分（第 10 ～ 12 章） 实战应用

首先介绍三种常见的搜索引擎工具，包括 Lucene、Solr和Elasticsearch；其次讲解了搜索系统和推荐系统的应用；最后介绍了如何充分结合AI与工程在工业界发挥作用。

适读人群：

本书面向机器学习从业人员、在校相关专业学生以及具备一定基础的人工智能领域爱好者。

1、本书第2版跟踪近两年生成对抗网络（GAN）技术的发展和变化，包括离散数据生成、GAN与强化学习的关联、海量级高质量图像生成技术等内容，新增了BigGAN、StyleGAN等图像生成模型的介绍与技术解析。这些内容更新与第1版内容有机地结合，深入浅出地阐述了生成对抗网络技术原理和演进，通过代码实例揭示了生成对抗网络技术实际应用的方法，方便读者学习入门。

2、书中所有示例代码基于Tensorflow2.0进行了更新，全部支持在Tensorflow2.0环境下运行，方便读者上手实践，深入了解技术实现细节。

3、读者可在华章图书网站该书网页下载书中全部示例代码。

从2014年至今，与GAN有关的论文数量急剧增加，从谷歌学术的数据来看，数量仍在不断增加中。究其原因，除了科学研究本身的魅力之外，诸如文本到图像的生成、图像到图像的生成等应用研究也让业界非常兴奋，给人工智能领域带来诸多可能性。

本书是GAN的入门书籍，结合基础理论、工程实践进行讲解，深入浅出地介绍GAN的技术发展以及各类衍生模型。本书面向机器学习从业人员、高校相关专业学生以及具备一定基础的人工智能技术爱好者。书中包含GAN的理论知识与代码实践（示例代码可以从华章官网搜索下载），可帮助读者理解GAN的技术原理与实现细节。

本书主要内容

人工智能入门知识与开发工具

GAN的理论与实践

DCGAN、WGAN、cGAN等主流GAN衍生模型

文本到图像、图像到图像以及离散数据的生成方法

GAN与强化学习的关联

BigGAN、StyleGAN等前沿GAN模型

多媒体与艺术设计领域中的GAN应用

　　计算机视觉解决方案日益普及，在医疗、汽车、社交媒体和机器人等领域取得了不错的进展。　　《计算机视觉实战：基于TensorFlow 2》将帮助你了解全新版本的谷歌机器学习开源框架TensorFlow 2，你将掌握如何使用卷积神经网络（CNN）完成视觉任务。　　《计算机视觉实战：基于TensorFlow 2》从计算机视觉和深度学习基础知识开始，教你如何从头开始构建神经网络。你将掌握一些让TensorFlow成为广泛使用的Al库的特性，以及直观的Keras接口，继而高效地构建、训练和部署CNN。通过具体的代码示例，《计算机视觉实战：基于TensorFlow 2》展示了如何使用Inception和ResNet等现代神经网络分类图像，以及如何使用YOLO、MaskR-CNN和U-Net提取特定内容。《计算机视觉实战：基于TensorFlow 2》还将介绍如何构建生成式对抗网络（GAN）和变分自编码器（VAE）来生成和编辑图像，以及如何使用LSTM分析视频。在此过程中，你将深入了解迁移学习、数据增强、域适应，以及移动设备和Web部署等高级知识以及其他关键概念。　　通过阅读《计算机视觉实战：基于TensorFlow 2》，你将获得使用TensorFlow 2解决高级计算机视觉问题的理论知识和实际技能。　　通过阅读《计算机视觉实战：基于TensorFlow 2》，你将学到：　　如何从头开始创建神经网络。　　如何使用包括Inception和ResNet在内的现代神经网络架构进行图像分类。　　如何使用YOLO、MaskR-CNN和U-Net检测、分割图像中的目标。　　如何解决自动驾驶汽车开发和面部表情识别系统中的问题。　　如何使用迁移学习、GAN和域适应提升应用的性能。　　如何使用循环神经网络进行视频分析。　　如何在移动设备和浏览器上优化和部署神经网络。