在众多深度学习框架中，***上手的就是Keras，其简单、可扩展、可重复使用的特征使得非深度学习者也能轻松驾驭。《Keras深度学习 基于Python》通过日常生活中常见的乐高模型块，以简洁易懂的语言介绍了使用Keras时必知的深度学习概念，提供了可实操的Python源代码，讲解了能够直观构建并理解深度学习模型的模块示例。

随着AI技术的普及，如何快速理解、掌握并应用AI技术，成为绝大多数程序员亟需解决的问题。本书基于Keras框架并以代码实现为核心，详细解答程序员学习AI算法时的常见问题，对机器学习、深度神经网络等概念在实际项目中的应用建立清晰的逻辑体系。《程序员的AI书：从代码开始》分为上下两篇，上篇（第1～4章）可帮助读者理解并独立开发较简单的机器学习应用，下篇（第5～9章）则聚焦于AI技术的三大热点领域：推荐系统、自然语言处理（NLP）及图像处理。其中，第1章通过具体实例对Keras的机器学习实现进行快速介绍并给出整体概念；第2章从简单的神经元开始，以实际问题和代码实现为引导，逐步过渡到多层神经网络的具体实现上，从代码层面讲解神经网络的工作模式；第3章讲解Keras的核心概念和使用方法，帮助读者快速入门Keras；第4章讲解机器学习中的常见概念、定义及算法；第5章介绍推荐系统的常见方案，包括协同过滤的不同实现及Wide&Deep模型等；第6章讲解循环神经网络（RNN）的原理及Seq2Seq、Attention等技术在自然语言处理中的应用；第7～8章针对图像处理的分类及目标识别进行深度讨论，从代码层面分析Faster RCNN及YOLO v3这两种典型识别算法；第9章针对AI模型的工程部署问题，引入TensorFlow Serving并进行介绍。《程序员的AI书：从代码开始》主要面向希望学习AI开发或者转型算法的程序员，也可以作为Keras教材，帮助读者学习Keras在不同领域的具体应用。

这是一本面向中文读者的文本情感分析研究专著，区别现有使用离散类别型方法的研究，《维度型文本情感分析技术》提出一种基于连续维度空间，针对不同语言层级的文本情感分析新方法。为了让读者对所提出的方法都有所了解，作者试图尽可能少地使用数学专业知识。然而，对于统计、概率、线性代数、优化，甚至是机器学习和深度学习的基本知识似乎都无法避免。

几十年来，实际需求激发了对模式识别的大量理论和应用研究。在这个过程中，限制因素和恒久问题一直是数据——它的多样性、丰富性和可变质量是模式识别创新的主要挑战。本书关注高级数据分析和数据挖掘，创新之处是对数据质量的重新定位——将数据质量看作一个可以处理的因素，而非当作需要克服的困难。

本书关注人工智能背景下新技术对人的工作岗位的影响。对于机器换人这一当前热门的议题，作者十分具有智慧地提出了对未来工作变化的预测，哪些岗位将首先遭到替代，而人类又将如何应对人工智能的挑战，并对技术与人的关系进行反思，对于未来就业政策制定提供清醒地建议。

与机器学习领域很多偏重于理论的书相比，本书在简明扼要地阐明基本原理的基础上，侧重于介绍如何在Python环境下使用机器学习方法库，并通过大量实例清晰形象地展示了不同场景下机器学习方法的应用。从这个角度来说，本书是一本使机器学习算法通过Python实现真正“落地”的书，而这无疑将给想要或致力于机器学习应用的读者带来方法理解和实现上的巨大裨益。书中所有实例都是用Python编写，使用了scikit-learn机器学习框架、自然语言工具包（NLTK）、Crab、langdetect、Spark（PySpark）、Gensim、Keras和TensorFlow（深度学习框架）。这些程序适用于基于Linux、和Windows系统的Python 2.7和3.3+版本。本书主要面向希望在预测分析和机器学习领域建立扎实基础的机器学习工程师、数据工程师和数据科学家。

本书作者从复杂的IoT相关知识中，专门选取了在IoT任何项目中都会涉及到的一些重要知识进行分类总结，集结成此书。因此，本书可以说是初识IoT人士的必备参考资料。本书分别从战略和管理、产业系统、法律、网络、硬件设备、平台、数据分析、安全八个方面来阐述。本书通过图文结合的方式，向读者介绍IoT的原理与应用方法，内容详实、论据充分、结论清晰。

时序知觉是个体对客观事件出现的时间顺序的知觉。时序知觉在人类的运动技能、计划行为、决策、记忆、音乐、言语等方面起着非常重要的作用。本书回顾了时序知觉的研究进展，总结了时序知觉的理论和方法，进行了启动与情绪对时序知觉的影响的实验研究，并提出了时序知觉的训练途径。

本书是一本阅读起来特别轻松、学习一点都不费劲的TensorFlow入门书。本书基于TensorFlow 2.0版本，从机器学习和TensorFlow的基础开始，针对初学者只选择实际应用中的必需*小知识量，对前馈神经网络、卷积神经网络、循环神经网络、深度强化学习进行了浅显易懂且快速有效的阐述，其中包括了很多具体的TensorFlow示例，*后一章的项目实战能够教会初学者使用深度学习解决实际问题，从而进入人工智能这一前沿的热门领域。本书适合初学TensorFlow，并且深度学习的理论和实践基础较为薄弱的读者群体，也适合希望了解深度学习的大数据平台工程师，以及对人智能、深度学习感兴趣的计算机相关从业人员及在校学生等阅读，特别适合作为高等院校计算机或人工智能专业师生的参考教材。

《人工智能开源硬件与Python编程实践》是基于机器视觉、语音识别等典型方法的开源硬件及开源算法，利用Python编程工具而设计的创新实践项目。《人工智能开源硬件与Python编程实践》注重推动人工智能新技术的工程实践，将人工智能教育与创客教育相结合，课程模块包括颜色形状检测、目标跟踪、边缘检测、轨迹跟踪、人脸检测、人眼检测、瞳孔检测、条码二维码识别、笑脸检测、数字识别、语音识别等实践项目。每个课程模块均从社会需求及生活实际出发设置实践任务，介绍相关的理论知识和应用方法，提供相应算法的Python实施案例，引导学生动手实践，掌握经典机器视觉、语音识别技术的应用方法，并能够解决实际问题，培养学生的创新实践能力，可作为高等院校学生创新实践类课程教材。