本书介绍机器视觉的构成、图像处理方法以及应用实例，主要包括：图像形成和处理技术、图像特征提取、基于多幅图像的立体视觉技术、深度学习等，特别强调了HALCON软件在工程应用上的应用方法，并给出了大量数字图像处理技术的HALCON实现程序。在实例中强调了如何用HALCON图像处理算子解决工程中、特别是机器人视觉控制中的实际问题、难题。本书可作为高等理工科院校智能制造、电子信息、机械电子等专业的本科生教材，也可作为研究生以及从事图像研究的科研工作者的学习参考用书。

《Python深度学习（第2版）》系统地讲解了机器学习、深度学习、强化学习理论知识，揭秘了各种神经网络架构如卷积神经网络、循环神经网络、长短期记忆网络和胶囊网络背后的原理和实际应用；讲解了如何使用高性能的算法和常用的Python框架来进行训练，以及如何解决计算机视觉、自然语言处理和语音识别等领域的问题；还讲解了生成模型方法以及如何使用变分自编码器和生成式对抗网络来生成图像；最后深入研究强化学习的新发展领域，并介绍了一些先进热门游戏Go、Atari和Dota背后的算法。学习完本书，读者可以精通深度学习理论及其在现实世界中的应用。 《Python深度学习（第2版）》一书面向数据科学从业者、机器学习工程师以及对深度学习感兴趣的读者，也适合作为高校计算机专业的教材使用。

本书是一本创建真实世界智能系统的问题解决指南。提供了一种包含概念、实践、实际示例和代码示例的综合方法，教给读者理解和解决机器学习不同问题所需的重要技能。通过介绍Python机器学习生态系统中的真实案例研究，教授成为一个成功的实践者所必需的机器学习技术。本书还侧重于机器学习的基础知识，以解决不同领域的真实世界案例，包括生物医学信号分析、医疗保健、安全、经济和金融。此外，它涵盖了广泛的机器学习模型，包括回归、分类和预测。

作为一门应用型学科，机器学习植根于数学理论，落地于代码实现。这就意味着，掌握公式推导和代码编写，方能更加深入地理解机器学习算法的内在逻辑和运行机制。本书在对全部机器学习算法进行分类梳理的基础之上，分别对监督学习单模型、监督学习集成模型、无监督学习模型、概率模型四个大类共26个经典算法进行了细致的公式推导和代码实现，旨在帮助机器学习学习者和研究者完整地掌握算法细节、实现方法以及内在逻辑。

《Python 自然语言处理入门》是一本使用 Python 解释在人工智能领域备受关注的自然语言分析方法的入门书，内容涵盖“检索技术”“实体提取”“关系提取”“语素分析”和“评估 / 情感 / 概念分析”等自然语言处理中的常用知识，同时对传统技术和引入了 AI 新技术的特点作了对比。全书以一线 AI工程师的实际项目经验为后盾，对自然语言处理的要点进行了归纳总结，并介绍了使用 Python 程序、API、商业服务（IBM Watson）和 OSS（MeCab / Elasticsearch / Word2Vec）等进行自然语言处理的实用方法，在最后一章中，还介绍了 BERT 的相关内容，特别适合想学习自然语言处理的理工科学生和人工智能工程师进行参考和学习。

本书的重点是无人机系统设计的过程和方法，涵盖了机械和软件等其他关键学科，全面介绍工业级无人机系统设计。许多内容都是从第1人称视角呈现的。在本书的末尾，你将了解如何开发或精心选择多个子系统（“制造”或“采购”零部件）以获得完美无缺的系统（以无人机系统为例）。

本书融合统计学、语言学等知识，以“让计算机能够确切理解人类的语言，并自然地与人进行交互”为终极目标，研究能够实现人与计算机之间用自然语言进行沟通的系列理论与技术。本书兼具基础理论与编程实战，可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的实践教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等领域研究的相关人员参考，是一本实用性极强的入门实践教辅材料。

本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

全书分为4部分。第1部分对基础知识展开讲解，包括Linux基础和ROS入门。第2部分主要关注一个实际的机器人中的硬件和核心传感器模块的构造，重点讲解机器人上的传感器、差分底盘、树莓派主板开发方面的知识。第3部分是SLAM地图构建的核心算法，SLAM中的数学基础、基于激光的SLAM系统、基于视觉的SLAM系统、混合SLAM系统、新型SLAM系统。第4部分是自主导航相关的核心技术与应用，包括自主导航中的数学基础、基于地图的导航、基于环境探索建图的导航、强化学习在机器人导航中的应用。 通过阅读本书，读者不仅可以自己设计出一套SLAM导航机器人出来，还可以在软硬件结合的环境中提高自己的C++/Python/Java方面的编程能力，同时还可以接触到流行的SLAM算法的实际应用。

本书研究计算机对环境的表达、理解与感知相关的理论和技术，试图建立从图像或多维数据中获取“信息”的人工智能系统，是让计算机智能化的达到类似人类的双眼“看”的一门研究科学。本书兼具基础理论与编程实战，可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的实践教材或参考书，也可供从事计算机视觉和人工智能等领域研究的相关人员参考，是一本实用性极强的入门实践教辅材料。