《TensorFlow 2学习指南》探讨了TensorFlow 2的诸多应用实践，内容涵盖各种热门的应用场景，包括波士顿房价、图像去噪、图像识别、图像风格迁移、文本生成、文本情感分析等。同时深刻剖析了TensorFlow 2在每个人工智能细分方向的应用实践，专门为“应用落地”而编写。书中每章聚焦一个具体的技术，提供多个详细的案例，并附有大量的代码和注释，帮助读者快速入门和熟练掌握。 《TensorFlow 2学习指南》可作为广大对TensorFlow感兴趣的读者的参考书，也可作为高等院校计算机、人工智能等相关专业的教材。

内容简介 这是一部讲解如何利用树莓派、OpenCV、Python等软硬件构建智能硬件并在其上实现图像分析、文字识别、人脸识别与追踪、视频监控等机器视觉功能的实用性著作。 全书一共11章： 第1~4章首先讲解了机器视觉在智能硬件领域的应用场景以及智能硬件上4种常见的机器视觉技术方案；然后讲解了树莓派和OpenCV的安装、配置以及其他准备工作；*后通过一些简单的案例和代码手把手教读者如何使用OpenCV。 第5~11章是本书的核心内容，通过几个具体的综合案例讲解了如何使用树莓派低成本玩转如下机器视觉场景：拍摄照片和视频、处理相机的原始数据、道路和商场的人流统计、道路信息的文字识别、人脸识别与追踪、中央AI视频监控等。以上案例循序渐进，环环相扣，所有代码均可在树莓派上运行，可轻松移植到任何ARM开发板上。

本书通过讲述卡通人物小智穿越时空来到2049年，度过了一段奇妙而有趣经历的方式，将晦涩难懂的人工智能知识通俗化和趣味化，使学生能够学习到人工智能相关知识，如神经网络、机器学习；并结合生活化场景让学生更容易理解人脸识别、语音识别、文字识别等人工智能应用。在每节课的“AI 课堂”活动中，制作图形化编程软件，通过让学生动手实践编写与课程相关的程序，培养学生的动手能力和计算思维。本书将人工智能知识与日常生活场景相结合，使人工智能知识融入青少年能够看得见、 摸得着、听得懂的生活场景，是一本符合中小学生学习认知能力的人工智能知识科普读物。

智能制造以智能工厂为载体，智能工厂作为智能制造重要的实践领域，引起制造企业的广泛关注和各级政府的高度重视。智能工厂是新兴IT技术、智能化技术与制造业高度融合与全面渗透而形成的一种新型工厂，着眼于打通企业生产经营的全部流程，实现从设备控制到企业资源管理所有环节的信息快速交换、传递、存储、处理和无缝智能化集成。本书面向智能制造发展过程中对智能工厂规划设计的需求，介绍数字化工厂技术的相关理论和方法，结合该领域中的优势产品——达索公司的3D EXPERIENCE平台，介绍其数字化工厂解决方案在智能制造、智能建造中的实际应用。 本书可作为智能制造相关领域的技术人员和实际工作人员的参考书，也可作为教材为智能制造及其相关专业的本科生或研究生使用。

本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。本书通过AI“小白”小冰拜师程序员咖哥学习机器学习的对话展开，内容轻松，实战性强，主要包括机器学习快速上手路径、数学和Python 基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积神经网络、循环神经网络、经典算法、集成学习、无监督和半监督等非监督学习类型、强化学习实战等内容，以及相关实战案例。本书所有案例均通过Python及Scikit-learn 机器学习库和Keras 深度学习框架实现，同时还包含丰富的数据分析和数据可视化内容。本书适合对AI 感兴趣的程序员、项目经理、在校大学生以及任何想以零基础学机器学习的人，用以入门机器学习领域，建立从理论到实战的知识通道。

本书涵盖以下主题： 用泰坦尼克号数据集讲解分类。清洗数据和处理缺失数据。探索数据分析。数据预处理的常用方法。选择对模型有用的特征。模型选择。 度量标准和分类评估。 多种回归分析技术。 评估回归结果的度量标准。 聚类算法。 降维技术。 scikit-learn流水线。

这是一部指导读者如何将软件工程的思想、方法、工具和策略应用到机器学习实践中的著作。 作者融合了自己10年的工程实践经验，以Python为工具，详细阐述机器学习核心概念、原理和实现，并提供了数据分析和处理、特征选择、模型调参和大规模模型上线系统架构等多个高质量源码包和工业应用框架，旨在帮助读者提高代码的设计质量和机器学习项目的工程效率。 全书共16章，分为4个部分：第一部分 工程基础篇（1～3章） 介绍了机器学习和软件工程的融合，涉及理论、方法、工程化的数据科学环境和数据准备； 第二部分 机器学习基础篇（4、5章） 讲述了机器学习建模流程、核心概念，数据分析方法； 第三部分 特征篇（6～8章） 详细介绍了多种特征离散化方法和实现、特征自动衍生工具和自动化的特征选择原理与实现； 第四部分 模型篇（9～16章） 首先，深入地剖析了线性模型、树模型和集成模型的原理，以及模型调参方法、自动调参、模型性能评估和模型解释等；然后，通过5种工程化的模型上线方法讲解了模型即服务；最后，讲解了模型的稳定性监控的方法与实现，这是机器学习项目的最后一环。

随着人工智能技术的发展以及移动学习的应用普及，移动学习服务研究不断深入。本书以人工智能时代为背景，以人工智能与教育深度融合理念为指导，以移动学习智能服务应用需求为目标，探索人工智能时代移动学习服务体系以及实现策略，主要内容包括移动学习智能服务体系设计、移动学习行为影响因素分析、移动学习资源设计服务、移动学习个性化资源推荐服务、移动学习路径自适应规划服务以及移动学习伙伴分组服务等。本书可供高等院校教育技术学专业、计算机科学与技术专业师生以及移动学习研究爱好者阅读，适合培训机构教学设计人员、学习产品设计与开发人员以及智能教育行业相关工作者等开展移动学习设计与应用工作的参考资料。

深入深度神经网络，揭开对抗性输入如何欺骗深度神经网络。 探讨如何生成对抗性输入去攻击深度神经网络。 探索真实对抗性攻击场景和为对抗性威胁建模。 评估神经网络的健壮性；学会增强人工智能系统应对对抗性数据的能力。 考察未来几年可用哪些方式让人工智能更擅长模拟人的感知。

在5G应用场景中，每个垂直行业都与大数据密不可分。本书希望把亚信科技二十多年的电信运营商领域经验，总结成一套体系化、标准化、基于5G网络特征云边协同架构的大数据技术框架，更好地推动新业务模式及应用场景落地。 全书共五篇：第一篇（第1～2章） 介绍5G网络环境下的大数据技术生态的发展趋势，以及大型企业大数据技术架构发展路线；第二篇（第3～5章） 介绍边缘计算的概念，以及大数据技术基于云边协同计算的落地方式；第三篇（第6～8章）介绍如何通过DataOps实现大数据的敏捷开发与运维服务。第四篇（第9～11章）介绍多种大数据智能化分析技术，如行业知识图谱、增强型分析、可信数据流通，快速实现大数据应用服务构建；第五篇（第12～14章）通过行业应用场景，详细描述如何通过5G网络及大数据技术重构行业应用及服务形态，并对未来技术趋势作出展望。 本书适合运营商企业的信息化负责人、系统架构师、IT人员，以及大型企业内的IT从业者阅读，也适合对5G及大数据技术感兴趣的其他读者阅读，可作为软件架构培训类参考书。