本书是《动手学深度学习》的重磅升级版本，选用PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出基础的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识中描述的线性代数、微分和概率等基础知识。

本书是《Scikit-learn机器学习详解》（潘风文编著）的进阶篇，讲解了Sklearn（Scikit-learn）机器学习框架的各种高级应用技术，包括数据集导入工具、集成学习、模型选择和交叉验证、异常检测、管道、 信号分解、模型持久化以及Sklearn系统高级配置。通过本书的学习，读者可快速掌握Sklearn框架的高级知识，迈入人工智能殿堂的大门。 本书适合有志于从事机器学习、人工智能技术开发的人员或爱好者使用，也可作为相关专业的教材。

本书从人工智能数学建模入手，全面介绍人工智能应用中涉及的数学基础知识，主要包括微积分学初步、线性代数、概率论与数理统计、最优化理论、随机过程、插值与回归，重点介绍基本概念、基本原理及计算，其中涉及的计算大部分由Python实现。同时，本书理论与实践相结合，结合具体案例，介绍如何运用这些数学基础知识来实现人工智能应用中的建模及求解。本书既可作为人工智能类专业教材，又可供其他专业学习数学基础知识，同时可作为广大科技工程人员进一步了解数学知识的参考教材。

本书将人工智能的基础知识进行了系统化的介绍，从传统的机器学习的基础知识、经典算法到深度学习的网络模型、应用领域都进行了相应的介绍。 本书共分10个项目。项目1～项目7主要内容有认识人工智能、Python基础、机器学习基础、特征工程及应用、经典算法的实现、神经网络的构建和训练、手写数字识别；项目8～项目10主要内容是综合案例的实施，包括人脸识别、商品情感分析、车牌识别。本书将知识点进行拆解细化，用可视化的形式帮助读者理解抽象的知识点，并配有丰富的代码，在反复实践中理解、升华，理论与实践相结合，助力读者锻炼编程思维和提升编程能力。

机器学习是人工智能的一个方向。它是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是使用计算机模拟或实现人类学习活动，从现有大量的数据中学习，利用经验不断改善系统性能。机器学习步骤一般分为获取数据、数据预处理、建立模型、模型评估和预测。本书共6章。第1章节主要介绍机器学习的基本概念及其发展史、机器学习分类、常见机器学习算法及其特点；第2章搭建机器学习开发环境，主要包括anaconda\pycharm\python软件的安装及使用，以及常见机器学习库的介绍和安装使用方法；第3章介绍了监督学习的4个经典算法：线性回归、决策树、k近邻和支持向量机算法，其重点在算法的应用；第4章介绍了主成分分析降维算法、Kmeans聚类算法；第5章介绍人工神经网络基础，并通过房价预测和手写数字识别实例进行验证；第6章介绍强化学习的基本概念，有模型学习和无模型学习，最后介绍了Q-Learning算法和Sarsa算法。本书由人工智能技术专业教师和英特尔FPGA中国创新中心的工程师们合力编写，讲解了大量的具体程序案例，涵盖大部分机器学习算法，教师和学生可以根据应用需求，选择对应的知识点和算法。本书所有程序均已经在英特尔FPGA中国创新中心AILab实训平台上验证实现。本书可作为高职高专院校电子信息类相关专业教材，也可作为科技人员的参考用书。

本书图文并茂，结合项目案例，以实践活动为主线组织编排，将理论知识与实践项目有机结合；习题设计多样，题型丰富，并注重加强综合性的练习，实现"便于教，易于学”的授课目的。 本教材共6个项目，项目一为"三维全景技术基础”，介绍了全景摄影设备和摄影基础等知识；项目二为"全景图拍摄”，介绍了全景图拍摄技术和室内外的全景图拍摄流程；项目三为"全景图合成”，介绍了全景图的合成制作技术；项目四为"全景视频制作”；项目五为"VR全景漫游制作”；项目六为"旅游景点VR全景制作——以沙湾古镇为例”，以综合案例的形式介绍了VR全景项目的全流程。

“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据思维、数据科学、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。 本书是“人工智能超入门丛书”的一个分册，以机器学习为主线，介绍如何利用机器学习进行数据分析。全书内容共分7章，主要包括机器学习基本概念、数据分析相关基础知识、机器学习解决四类问题（回归问题、分类问题、聚类问题、降维问题）的算法、神经网络相关知识，并在附录中对Python编程基础知识、数据相关数学知识以及Python实验室Jupyter Lab的使用进行了介绍。 本书面向在人工智能方向零基础的读者，内容全面系统，语言通俗易懂，配合典型程序操作练习，简单易上手，能够帮助读者轻松认识和理解人工智能核心技术。本书可以作为大学生以及想要走向人工智能工作岗位的技术人员的入门读物，也可作为青少年人工智能相关技术方向的课程教材，同时也可作为技术普及读物供对人工智能技术感兴趣的读者阅读。

本书将带领读者一起主动拥抱机器学习，快乐翻越高等数学、算法分析、工程实践这三座大山。根据会用即可者、想深入学习者、想成为专家者这三类读者的学习动机和阅读需求，全书一共用19章来讲解机器学习的各种模型，主要包括机器学习中基础和关键的线性回归、逻辑回归、决策树、贝叶斯、支持向量机、KNN等。全书具有语言表达轻快、模型讲解细致、图表配备众多三点特色。 本书可供计算机、人工智能、大数据等专业的大学生、研究生阅读，也可供需要用到机器学习技术的广大工程技术人员、研究人员作为参考。

《人工智能在肺癌诊断中的应用》从人工智能技术的角度介绍了人工智能技术在肺癌诊断中的应用，共分10章，内容涉及人工智能辅助的肺癌诊断原理和实现，包括肺癌诊断的医学背景、肺癌诊断的相关医疗数据、人工智能理论基础、肺癌诊断的常用工具与框架、肺癌智能诊断流程以及诊断算法的设计和实现等。《人工智能在肺癌诊断中的应用》理论与实践相结合，通过具体的实验，深入浅出地介绍了人工智能在肺癌诊断中的技术应用。《人工智能在肺癌诊断中的应用》适合工科和医学院校人工智能、信息工程、医工交叉等专业学生使用，同时也可供相关从业人员及对相关领域感兴趣的读者参考。

《具有文学表现力的中文古典诗歌自动写作方法研究》由微软亚洲研究院研究员矣晓沅博士撰写，他主导开发的中文古典诗歌自动创作系统——九歌，已成为知名度极高的中文作诗系统之一。诗歌作为一种高度文学化、艺术化、凝练化的语言形式，在数千年历史中对人类文化和社会的发展产生了深远影响。中文古典诗歌表达简洁、形式规整、内容丰富、情感细腻，是研究自然语言生成理想的切入点。矣晓沅博士从文学表现力的文本质量和审美特征两个层面，对如何提升AI生成诗歌的文学表现力提出了自己的见解，并对书中提出的方法都进行了工程化实现，“九歌”便由此而来。《具有文学表现力的中文古典诗歌自动写作方法研究》共九章：第1章介绍诗歌自动写作的研究背景、研究意义，以及现有研究存在的问题，并介绍了全书的主要研究内容。第2章详细介绍诗歌自动写作的相关工作和方法。第3章介绍了诗歌生成的基础知识，如形式化表述、诗歌生成的格律控制等。第4章至第7章分别具体阐述本书对上述四个难题开展的研究工作。第8章简要介绍了基于前述工作整合开发的诗歌写作系统“九歌”。第9章总结全书工作并对未来的研究难点和可行的方向做出展望。