自然语言处理是人工智能领域中的一个重要方向。本书将用深入浅出的语言介绍自然语言处理技术的由来与发展历程，自然语言处理的常用工具和实现平台，讲解了自然语言理解的技术基础，从词法、句法、语义、语用等各个方面介绍原理和主流技术，以及自然语言生成的挑战和解决办法。书中通过自然语言处理经典的任务说明，展现其作为人工智能关键技术的应用场景和应用成效，同时，也将简述自然语言处理的当前研究热点和各种现代技术，并对自然语言处理未来发展趋势进行展望。

.

人工智能（AI），尤其是生成式语言模型和生成式人工智能（AIGC）模型，正以惊人的速度改变着我们的世界。驾驭这股潮流的关键，莫过于探究自然语言处理（NLP）技术的深奥秘境。本书将带领读者踏上一段扣人心弦的探索之旅，让其亲身感受，并动手搭建语言模型。本书主要内容包括N-Gram，词袋模型（BoW），Word2Vec（W2V），神经概率语言模型（NPLM），循环神经网络（RNN），Seq2Seq（S2S），注意力机制，Transformer，从初代GPT到ChatGPT再到GPT-4等一系列突破性技术的诞生与演进。　本书将以生动活泼的笔触，将枯燥的技术细节化作轻松幽默的故事和缤纷多彩的图画，引领读者穿梭于不同技术的时空，见证自然语言处理技术的传承、演进与蜕变。在这场不断攀登技术新峰的奇妙之旅中，读者不仅能深入理解自然语言处理技术的核心原理，还能自己动手，从零开始搭建起一个又一个语言模型。　无论你是在校学生还是人工智能从业者，这本书都将成为一盏明灯，照亮你探索人工智能无限奥秘的道路。

《TensorFlow 2.x深度学习从入门到实战》是作者研究和实践人工智能算法的经验总结。本书通过图表、案例和示例代码相结合的方式，介绍TensorFlow 2.x框架的相关知识，帮助读者打好扎实的人工智能理论基础，并将理论付诸实践，通过“干中学”的方式全面掌握复杂的算法理论。 《TensorFlow 2.x深度学习从入门到实战》共3篇。第1篇“TensorFlow基础”，主要介绍TensorFlow 2.x的基本开发方法及其重要接口的使用方法，让读者对其有较为全面的了解。第2篇“TensorFlow进阶”，详细介绍TensorFlow 2.x的高级开发功能，以及如何使用它开发基于深度学习的神经网络。第3篇“TensorFlow实战”，详细介绍TensorFlow 2.x在增强学习和GAN两个专业领域的强大应用，以及其最新调用接口和开发模式，帮助读者有效地将其应用到具体的项目实践中。 《TensorFlow 2.x深度学习从入门到实战》内容丰富，讲解透彻，适合对人工智能感兴趣的人员阅读，尤其是需要学习TensorFlow 2.x深度学习框架的入门与进阶人员，另外还适合相关培训机构作为培训教材使用。

本书主要介绍基于视觉的YOLO框架的技术原理和代码实现，并讲解目标检测领域中的诸多基础概念和基本原理，在YOLO框架的基础上介绍流行目标检测框架。本书分为4个部分，共13章。第1部分介绍目标检测领域的发展简史、主流的目标检测框架和该领域常用的数据集。第2部分详细讲解从YOLOv1到YOLOv4这四代YOLO框架的网络结构、检测原理和训练策略，以及搭建和训练的YOLO框架的代码实现。第3部分介绍两个较新的YOLO框架——YOLOX和YOLOv7，着重讲解其设计理念、网络结构和检测原理。第4部分介绍DETR、YOLOF和FCOS在内的流行目标检测框架和相应的代码实现。本书侧重目标检测的基础知识，包含丰富的实践内容，是目标检测领域的入门书，适合对目标检测领域感兴趣的初学者、算法工程师、软件工程师等人员学习和阅读。

在数字时代，我们就可以完全相信数据吗对数字的过度依赖，是否会让经济学和人文学视角长期冲突是人类利用量化造福，还是量化用数字局限人类的思维本书是多篇文章的汇编。本书主要讲述了定量分析的弊端，通过对定量分析在实际运用中的分析，指出定量分析在很多时候并不能成为我们做判断的依据。本书肯定了定量分析有价值的部分，同时指出了定量分析的局限性和不正确使用带来的问题，提倡我们在运用中应综合定量分析与定性分析两种方式，根据实际情况进行选择。

本书从未来移动通信的应用场景出发，分析6G性能指标要求和频谱资源，结合无线接入网的网 络拓扑，对无线物理层的基本功能进行全面描述，包括移动性管理、无线传输、无线定位等。以第四代和第五代空口技术作为铺垫，自然过渡到6G。本书按照编码多址波形类、多天线空域类和高频段部署类三大技术领域，较为深入地介绍了6G无线网络潜在的关键技术。本书内容安排点面结合，文字叙述配合数学公式，强调网络拓扑、部署频段和信道传播特性对空口设计的影响。 本书面向的读者包括无线通信工程技术人员及科研院校的师生。

在数据科学研究过程中，能快速解决问题是一项不可或缺的能力。但是数据科学面临的复杂性在于，随着大数据采集的数据量越来越大，以及最优解算法越来越复杂，很多算法面临着运行非常耗时，有时甚至在现有的资源情况下不可解的状况。此时，需要数据科学家发挥工程师思维，使用一些计算量小的近似方法，在节省时间和计算资源的前提下，得到不错的结果，这些方法可以称为启发式方法。本书聚焦“启发式方法”这个主题，分5个部分进行介绍。第1部分概述了各种类型的启发式方法；第2部分侧重于面向数据的启发式方法及其在数据科学问题中的应用；第3部分诠释了面向最优化的启发式方法，以及它们如何解决具有挑战性的最优化问题；第4部分是讲解如何设计和实施新的启发式方法，以解决特定问题的相关内容；第5部分介绍了关于启发式方法的其他主题，如透明度和局限性等。本书适合从事和计划从事数据科学领域相关工作的读者阅读。

本书是PySpark大数据分析的入门读物，适合有一定Python基础的读者学习使用。本书基于最新版本的PySpark 3.4.x编写，全书共11章，系统地介绍了PySpark大数据分析的方法和技巧，内容涵盖了大数据的相关技术、PySpark的基本概念、Spark环境搭建、数据分析的基本概念及相关工具、开发工具的选择、Spark核心编程和Spark SQL操作等基础知识和核心技术，以及Spark流式数据处理、Spark机器学习库MLlib和基于协同过滤的图书推荐系统等高级主题。本书通过多个实战案例，带领读者掌握使用Python和Spark进行大数据分析的方法和技巧，从而提高读者的数据处理能力和业务价值。 本书内容全面、示例丰富、讲解清晰，读者可以直接应用书中的案例。本书适合自学，也可作为计算机、软件工程、数据科学与大数据等专业的教学参考书，用于指导大数据分析编程实践，还可供相关技术人员参考。

全书主要分为三部分介绍Redis。第1部分介绍Redis6中使用的数据结构，包括动态字符串、跳跃表、压缩列表、字典、整数集合和快速链表，详细介绍其基本结构及常见操作。第二部分为本书核心篇章，首先介绍了Redis6的启动流程，命令解析流程，之后对Redis6中的命令实现进行了全面的介绍，包括键命令、字符串命令、哈希表命令、列表命令、集合及有序集合命令、地理位置相关的GEO命令、统计相关的HyperLogLog命令。第三部分，主要介绍了Redis6的一些特性及使用，包括事务、持久化、主从复制以及集群等。