《机器学习数学基础》系统地阐述机器学习的数学基础知识，但并非大学数学教材的翻版，而是以机器学习算法为依据，选取数学知识，并从应用的角度阐述各种数学定义、定理等，侧重于讲清楚它们的应用和实现方法。所以，《机器学习数学基础》这一书中将使用开发者喜欢的编程语言（Python）来实现各种数学计算，并阐述数学知识在机器学习算法中的应用体现。

本书是以科普形式对军事智能进行深入探讨的有益尝试，将“技术体系与军事体系的相互影响”作为核心叙事逻辑，以具体战例和技术进展为支点，将军事智能涉及的感知、指挥控制、作战行动和军备控制等问题渐次展开、抽丝剥茧、逐步深入。本书不仅采用了更为网络化的语言，而且还结合音视频，构成了一部融媒体作品，以更为时尚的形式，来传播军事智能这一看似深刻的主题，将国防科技领域的科普作品变得更“潮”。

虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。本书是教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。它帮助读者快速从零开始构建一个真实示例：肿瘤图像分类器。在此过程中，它涵盖了整个深度学习管道的关键实践，包括 PyTorch张量 API、用 Python 加载数据、监控训练以及将结果进行可视化展示。本书主要内容：（1）训练深层神经网络；（2）实现模块和损失函数；（3）使用 PyTorch Hub 预先训练的模型；（4）探索在 Jupyter Notebooks 中编写示例代码。本书适用于对深度学习感兴趣的 Python 程序员。了解深度学习的基础知识对阅读本书有一定的帮助，但读者无须具有使用 PyTorch 或其他深度学习框架的经验。

《图解人工智能大全》由日本著名人工智能（AI）研究机构首席研究员和高级研究员撰写。作为AI 的入门读物，本书旨在以简单易懂的语言向专业人士和普通读者介绍AI 的基础、前沿的商务案例，以及AI 系统构筑的注意事项等相关知识。考虑到有些读者可能不具备相关的专业知识，本书使用了大量图片，以帮助读者理解文字内容。 《图解人工智能大全》的主要内容包括AI 的发展历史，语音识别、图像识别、自然语言处理等AI 技术，AI 在零售、金融、汽车、医疗、制造等各行业中的应用，开发AI 系统所需的工具，AI 开发中尤为重要的知识产权问题，CNN、RNN、深度强化学习等具有代表性的方法，AI 对就业及人类能力的影响，以及目前人工智能企业及其擅长领域的鸟瞰图。 本书适合所有对人工智能感兴趣的读者阅读，也可作为从事人工智能开发工作的入门书。

《机器学习：贝叶斯和优化方法（原书第2版）》对所有重要的机器学习方法和新近研究趋势进行了深入探索，通过讲解监督学习的两大支柱——回归和分类，站在全景视角将这些繁杂的方法一一打通，形成了明晰的机器学习知识体系。新版对内容做了全面更新，使各章内容相对独立。全书聚焦于数学理论背后的物理推理，关注贴近应用层的方法和算法，并辅以大量实例和习题，适合该领域的科研人员和工程师阅读，也适合学习模式识别、统计/自适应信号处理、统计/贝叶斯学习、稀疏建模和深度学习等课程的学生参考。此外，《机器学习：贝叶斯和优化方法（原书第2版）》的所有代码均可免费下载，包含MATLAB和Python两个版本。《机器学习：贝叶斯和优化方法（原书第2版）》重要更新及特色：重写了关于神经网络和深度学习的章节，以反映自第1版以来的研究进展。这一章从感知器和前馈神经网络的基础概念开始讨论，对深度网络进行了深入研究，涵盖较新的优化算法、批标准化、正则化技术（如Dropout方法）、CNN和RNN、注意力机制、对抗样本和对抗训练、胶囊网络、生成架构（如RBM）、变分自编码器和GAN。扩展了关于贝叶斯学习的内容，包括非参数贝叶斯方法，重点讨论中国餐馆过程（CRP）和印度自助餐过程（IBP）。追踪新的研究趋势，包括稀疏、凸分析与凸优化、在线分布式算法、RKH空间学习、贝叶斯推断、图模型与隐马尔可夫模型、粒子滤波、深度学习、字典学习和潜变量建模等。提供实用案例分析，包括蛋白质折叠预测、光学字符识别、文本作者身份识别、fMRI数据分析、变点检测、高光谱图像分离、目标定位等。

认知的高度决定了你创造价值的高度，包括你对世界的认知及世界对你的认知。知识图谱与认知智能技术的发展，既孕育了圈层变更的机会，也带来了人、机器、企业如何协同与博弈的难题。 本书总计12章，从理论到产业应用对知识图谱与认知智能进行了介绍。第1～7章围绕知识图谱与认知智能的需求，以用户、设备、企业为中心，讲解知识体系建设、知识图谱构建、知识存储、知识推理的基本原理与关键技术。第8～12章讲解如何运用知识图谱与认知智能技术，构建产品化及系统化解决方案，以满足企业营销、服务、供应链、生产、运维、经营管理、数据交易等应用场景的业务需求。 读者通过本书可以了解企业认知智能的原理、应用方法、执行策略，以此构建企业认知博弈的优异策略。企业数据智能相关从业者可以参考本书，构建以用户为中心的企业认知智能解决方案，通过人机协同的方式，实现对业务的认知与引导，并从业务演变中获益。此外，本书可以作为自然语言处理、知识工程、人工智能、社会计算等相关课程的教材。

本书首先介绍深度学习方面的数学知识与Python基础知识，线性模型中的线性回归模型和logistic模型；然后讲述正向传播算法、反向传播算法及深度神经网络的完整训练流程，输出层的激活函数和隐藏层的常见激活函数，深度学习的过拟合和欠拟合，应对过拟合的方法，以及使用TensorFlow 2建立深度神经网络模型的步骤；接着介绍卷积神经网络及其两个重要的组成部分—卷积和池化，以及如何使用TensorFlow 2建立卷积神经网络；最后讨论如何从零开始实现循环神经网络，如何搭建深度学习框架，如何使用TensorFlow 2建立循环神经网络模型。本书既可供从事人工智能方面研究的专业人士阅读，也可供计算机专业的师生阅读。

从互联网，到移动互联网、云计算和大数据，全面云化的“云原生”时代已然来临。在云原生架构的助推下，数字化转型正在开启“第四次工业革命”。从蒸汽、电力到信息，进入到第四次工业革命，以大数据为驱动的人工智能技术是开发者的必备技能。作为《新程序员003：云原生和全面数字化实践》两大主题，“云原生时代的开发者”和“全面数字化转型”分别从观点、理论、思维、方法、案例等维度，通过50余位资深技术专家倾力创作，旨在为技术管理/决策者提供前沿产业分析和管理方法，以及为初、中、高级程序员/开发者提供科学思维和一线实操经验。本书以音视频、图文等丰富形式为载体，纸书+电子书同步发行，满足读者在各种场景下的视听需求。 读者对象：本书高屋建瓴的产业分析和趋势预判适合技术管理/决策者参考。同时，资深专家的方法经验也为初、中、高级程序员/开发者提供了可借鉴的专业路径。 一句概要：成就云原生时代的数字化转型开发者 两大主题：云原生+数字化转型 三种呈现：文+图+视频 四维输出：观点+理论+方法+实践

在大数据和人工智能时代，如何在享受新技术带来的便利性的同时保护自己的隐私，是一个重要的问题。《隐私计算》系统讲解了隐私计算的基础技术和实践案例，全书共有11 章，按层次划分为三部分。第一部分全面系统地阐述隐私加密计算技术，包括秘密共享、同态加密、不经意传输和混淆电路。第二部分介绍隐私保护计算技术，包括差分隐私、可信执行环境和联邦学习。第三部分介绍基于隐私计算技术构建的隐私计算平台和实践案例，隐私计算平台主要包括面向联邦学习的FATE 平台和加密数据库的CryptDB 系统等五个平台，以及隐私计算平台的效率问题和常见的加速策略；实践案例部分主要介绍包括金融营销与风控、广告计费、广告推荐、数据查询、医疗、语音识别及政务等领域的应用案例。此外，《隐私计算》还展望了隐私计算未来的研究和落地方向。在附录中介绍了当前新的中国数据保护法律概况。 《隐私计算》可供计算机科学、隐私保护、大数据和人工智能相关专业的学生，以及对隐私计算有兴趣的相关从业者阅读，也适合从事隐私保护相关研究的研究人员、法律法规制定者和政府监管部门阅读。

随着语音算法技术的不断发展与完善，如何进行工程落地成为语音商业应用中普遍面临的问题。工程落地不仅要考虑模型效果，还要考虑资源占用、模块联调且整个架构要具有可靠性、可扩展性和可维护性。 本书围绕如何从零构建一个完整的语音识别系统，深入浅出地介绍了语音识别前端算法、语音识别算法及说话人日志算法原理；基于Kaldi的模型训练；语音识别工程落地和服务搭建。 本书适合作为语音技术研究人员及对语音技术感兴趣的开发人员的参考用书。