本书首先介绍了云计算、虚拟化、大数据框架等基础知识，讨论了数据中心多资源的能效模型构建和基于虚拟机的节能调度算法，对Google数据中心的运行数据进行了分析，探讨了基于任务分类的节能调度算法; 接着结合网络带宽分配算法和多QoS分组模型讨论了节能调度算法; 然后对面向大数据计算框架的能效模型和节能调度算法进行了探讨; 最后结合大数据和流式计算领域的主流平台Spark和Storm，对基于云部署的大数据应用的节能调度方法进行了详细的阐述。 本书叙述深入浅出，内容翔实，适合作为计算机和通信等IT行业的专业技术人员和研究人员的参考读物，也适合作为高校相关研究人员的辅助读物。

本书通过基础理论和算法实战相结合，循序渐进地介绍了深度学习与交通大数据领域内的计算机基础知识案例和应用实战案例，并通过PyTorch框架实现所有深度学习算法及案例应用。全书共8章，分别介绍了Python基础知识、PyTorch基础知识、深度学习基础模型，以及基于深度学习的轨道交通刷卡数据、共享单车轨迹数据、出租车轨迹数据、私家车轨迹数据、空中交通运行数据五个案例实战。 本书主要面向广大从事交通大数据分析、机器学习或深度学习的专业人员，从事高等教育的专任教师，高等学校的在读学生及相关领域的广大科研人员。

本书是作者在多年研究与教学工作的基础上完成的，全面系统地介绍了变尺度数据分析领域相关内容的主要思想、基础理论、核心方法与应用技术。全书共9章，其中1～3章介绍数据驱动的决策分析、数据挖掘技术应用过程、思维及其信息组织形式、分析主题发现方法、数据分析任务判定方法；4～6章深入讨论变尺度数据分析原理，包括尺度及尺度变换基本概念、多尺度数据模型、尺度变换策略和尺度变换机制、变尺度数据分析方法；7～9章分别针对分类变量数据、二值变量数据、数值变量数据的数据特征，论述变尺度数据分析方法的扩展应用技术。本书适用于大数据管理与应用及数据科学与技术领域的研究和应用人员，也可作为相关专业研究生和高年级本科生的教材或教学参考书。

本书聚焦3D创意设计与制作，在三维设计知识的基础上，详细讲解实体建模、数字雕刻、程序建模、作品的呈现与表达、实体造物等方法，使读者的设计能力得到启发和提高，同时本书通过STEAM、PBL等综合应用实践案例，将3D设计与电子、编程等充分融合，将造物变得更加有趣。本书配有相应的讲解视频，以便读者学习。 本书适合青少年和创客使用，也可作为中小学和青少年培训机构的教学用书和学生自学辅助教材。

信息抽取的目的是从海量互联网文本信息中抽取结构化知识，是知识图谱自动化构建、更新的基础，为信息检索、推荐系统、智能问答等诸多研究领域提供底层知识推理支撑并取得了重大突破，是推动人工智能技术由感知走向认知的关键要素，具有重要的研究意义和实用价值。本书梳理了命名实体识别、关系抽取、事件抽取等相关研究方向的知识资源、基础理论和实践应用，详细介绍了实体关系联合抽取、弱监督关系抽取、基于迁移学习的关系抽取、多实例联合事件抽取、基于因变量的事件模板推导等前沿理论研究，并以领域知识图谱、事理图谱等为例，详细介绍了信息抽取在图谱构建中的应用。最后本书对信息抽取进行了总结和未来研究方向展望。

这是一本面向对AI和机器学习的活用感兴趣的经营层、企划部门、事业部门和IT部门等从业人员的书籍。从打消“为什么现在应该努力呢”这样的疑问开始，到即便对AI和机器学习的前提知识没有了解，也能够理解“如何建立项目，怎样创造出成果”的方法论。本书旨在作为咨询公司和系统开发公司等寻求外部AI支援的参考书。

JAX是一个用于高性能数值计算的Python库，专门为深度学习领域的高性能计算而设计。本书详解JAX框架深度学习的相关知识，配套示例源码、PPT课件、数据集和开发环境。 \n本书共分为13章，内容包括JAX从零开始，一学就会的线性回归、多层感知机与自动微分器，深度学习的理论基础，XLA与JAX一般特性，JAX的高级特性，JAX的一些细节，JAX中的卷积，JAX与TensorFlow的比较与交互，遵循JAX函数基本规则下的自定义函数，JAX中的高级包。最后给出3个实战案例：使用ResNet完成CIFAR100数据集分类，有趣的词嵌入，生成对抗网络（GAN）。 \n本书适合JAX框架初学者、深度学习初学者以及深度学习从业人员，也适合作为高等院校和培训机构人工智能相关专业的师生教学参考书。 \n

本书旨在帮助正走在或即将走向学习机器学习路上的广大读者朋友。我们在日常教学和培养研究生过程中发现，很多同学一方面想学、愿意学； 另一方面又遇到入门难的问题，希望能有一本书、一本教材讲原理、给数据、给源码、给实验，带着入门。本着这样一个初衷，我们选择了机器学习领域析十大经典算法，把我们平常培养硕士研究生一年级刚入校学生的算法材料整理，开放提供给广大希望学习的读者朋友，写一本机器学习入门级的学习材料。每章完整的源代码扫描二维码即可下载，每个算法一个Python工程，实验数据就在每个工程的data文件夹下。代码风格尽量保持一致，让读者更容易理解。 \n本书可作为高等学校各专业“机器学习”及相关课程的教学参考书。 \n

《拉格朗日力学理论的形式化与机器人动力学形式化分析》以拉格朗日力学理论与自动定理证明思想为指导，系统深入地研究了泛函变分、拉格朗日力学和机器人动力学之间的天然关系，从而构建了以泛函变分的形式化为形式化数学基础、以拉格朗日力学的形式化为中心、以机器人动力学形式化分析为应用依托的定理证明体系。内容涵盖了自动定理证明、泛函变分、拉格朗日力学、形式化验证等领域。 \n《拉格朗日力学理论的形式化与机器人动力学形式化分析》主要内容包括：泛函变分、动力学与形式化验证的进展；泛函变分、拉格朗日力学、机器人动力学与形式化验证主要理论；泛函变分主要理论的形式化；拉格朗日力学主要理论的形式化；机器人动力学的形式化建模与分析；模块化自组织机器人对接运动学和动力学验证。作者长期系统形式化与自动定理证明进行深入研究并在机器人安全验证等领域持续实践迭代，《拉格朗日力学理论的形式化与机器人动力学形式化分析》是对该过程成果的高度凝练与系统总结。

本书选择以遮挡人脸识别这一当今世界难题为例，探索人工智能技术实战进阶之路。本书重现了笔者对人脸有无口罩识别、口罩分割提取、遮挡人脸识别等方面的技术探索与实现过程。从视频图像的智能分割、图像区域生长算法设计与实现、智能采集、智能分割、智能变换、智能融合、图像边缘智能检测、图像非局部均值滤波等角度入手，尝试了遮挡人脸图像处理的探索，并最终分别基于MATLAB和Python实现了遮挡人脸识别。本书内容通俗易懂，适用于对人工智能实战应用感兴趣但缺少专业指导的读者。无论是对遮挡人脸识别技术感兴趣的大学生，还是希望向人工智能领域转型的技术人员，都可以通过本书的指引，轻松完成人工智能实战进阶。