随着我国经济、科技、技术的快速发展，自动化、智能化、信息化、智慧化技术已成功应用于汽车、航空航天、钢铁、复合材料、精密电子等多行业生产制造，推动我国制造业向着更高精度、更高效率、更高质量的方向发展。机器视觉智能检测技术作为推进我国制造业迈向自动化、智能化方向发展的关键一环，已经为我国智能制造的快速发展贡献了显著力量。 面向多行业复杂场景的智能化检测需求，机器视觉智能检测技术基于高精度、高质量成像技术，图像处理技术，人工智能分析技术，结合自动化执行系统，配合第三方软件平台，可实现面向汽车、航空航天、钢铁、复合材料、精密电子等多行业复杂场景的智能化检测与测量需求，保障产品的生产质量，促进产品的生产效率。

本书紧密围绕深度学习及加速技术的基础理论与应用案例展开叙述，实现了深度学习算法设计与硬件加速技术的有机统一，是一本基础理论与实践案例相结合的实用图书。其具体内容涉及人工智能基本概念，神经网络数学基础、神经网络基本结构与学习策略、反向传播算法数学原理与训练机制等神经网络基础理论，以及一些高级主题和实践。本书可作为从事人工智能领域算法研究、架构设计与应用实现等工作的科研人员、工程师以及高等院校师生的参考书籍。

本书包括五个部分：第yi部分介绍文本情感分析的研究背景、研究现状和基础技术；第二部分从内容语义理解的角度出发，介绍基于隐式表达的讽刺检测技术；第三部分从用户个性化建模的角度出发，介绍多轮对话中的情绪分析技术；第四部分介绍小样本场景下的立场检测解决方案；第五部分介绍对抗攻击场景下的情感分类防御技术。

这是一本介绍“如何使用深度学习方法解决医学图像处理问题”的入门图书。本书先介绍医学图像的基础知识，包括医学图像数据、数据标注、医学数字图像处理和医学图像分类；其次介绍解决医学图像处理中常见的机器视觉任务（语义分割、关键点检测和医学图像配准），并辅以实战案例，帮助读者深入理解相关技术原理，进而巩固所学知识；后介绍模型优化和迁移学习的相关内容，帮助读者拓宽思路，提升其针对具体需求采用不同的解决方法的能力。本书适合医工交叉专业以及从事医学图像处理工作的工程人员和科研人员阅读，也可供智能医学相关专业的高年级本科生及研究生参考。阅读本书之前，读者需要了解基本的深度学习知识，并有一定的Python编程基础。

本教材主要介绍人工智能及其在现代工业领域的应用。教材主要针对智能制造工程本科生专业课程培养，提供有关人工智能理论及工业应用所必须的知识，系统地介绍人工智能理论体系，并结合实际工业案例应用，增加算法软件实现和算法工业应用环节，全方位培养学生的基础知识与工程应用素养。本教材就是为大学本科高年级学生提供有关人工智能理论以及工业应用所必需的知识，掌握人工智能算法的基本原理与应用场景，培养设计开发智能系统的基本技能，填补智能制造工程等新工科专业人工智能本科生课程教材空白。

本书是大数据技术普及系列读物之一，主要涉及大数据采集、分布式文件存储和非关系型数据管理等内容。全书共6章，每章一个专题，按照大数据运用流程，从网页和日志文件两种常用的大数据采集方法入手，介绍了分布式文件存储、NoSQL数据库基础理论和4种NoSQL数据库技术。针对特定技术选择了一款最典型的产品进行诠释，先后对Python语言中的Requests和BeautifulSoup包，Hadoop生态中的Flume、HDFS和HBase，以及Redis、MongoDB和Neo4j等产品进行了介绍。在每章结构上，按照要做什么（需求背景）、是什么（产品功能和特性）、为什么（体系结构/数据模型）和怎么做（基本操作）？4个方面递进展开，内容相对独立，方便读者根据自身需要选择章节进行阅读。 全书内容相对浅显，具有较强的可读性，适合对大数据技术感兴趣，希望从技术和产品层面对大数据采集、存储和管理进行初步学习的读者阅读。

量子计算与人工智能的交叉融合，促使量子人工智能的不断发展。本书旨在采用对深度学习爱好者友好的方式，构建量子人工智能应用。 全书共13章，第1章和第2章系统介绍量子计算机发展脉络和量子计算编程的基础知识。第3~7章分别介绍不同的深度学习方法和在这些算法逻辑上构建量子启发算法的方式，用量子线路中的相位作为神经网络的可学习参数，重构为量子神经网络算子。这些算子可以在PyTorch环境中直接调用。第8章和第9章是量子人工智能的进阶知识，讲解不同量子算法的可行的评估方式和量子神经网络基于Torch.Script技术进行算子化的内容。第10~13章通过在原生的深度学习PyTorch环境中引入量子算法，带来可能的量子增强，并分别实现了对材料晶体结构相变过程搜索，冠状病毒RNA序列变异预测、药物虚拟筛选中亲和能的预测及基因表达药物设计等案例。 本书可作为量子人工智能初学者的入门书籍，PyTorch深度学习爱好者的参考书籍，也可作为从事量子人工智能相关工作技术人员的应用指南。

Web 3时代已经正式拉开序幕，不管你我是否愿意，都将不可避免地进入Web 3的新世界。Web 3不只是Web 1.0和Web 2.0的延伸，更是从底层协议上对传统互联网的全面革新。 正如20年前的互联网一样，Web 3虽然目前只是星星之火，但已经呈现出燎原之势。因此，现在学习Web 3知识，可谓恰逢其势，正当其时。 《Web 3超入门》共有五大篇，第1篇趋势篇（第1、2章）从多个维度详细阐述了Web 3时代到来的必然性；第2篇概念篇（第3、4章）追溯了Web 3的起源，重新定义了Web 3概念；第3篇内核篇（第5~7章）深度讲解了支撑Web 3的三大内核NFT、DeFi、DAO；第4篇技术篇（第8~11章）剖析了Web 3实现的技术逻辑以及常用的开发工具；第5篇应用篇（第12~15章）全面分析了Web 3的应用优势和落地场景。 《Web 3超入门》深入浅出，力求采用通俗易懂的语言从用户角度还原Web 3的真实面貌。书中引用了大量案例和丰富的插图，层层递进，可读性强，非常适合广大Web 3从业者、创业者和爱好者阅读。

本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于“回归事物本质，规律性、系统性地思考问题”“理论为实践服务并且反过来充实理论，为更多人服务”的想法和初心，本书系统地阐述了机器学习理论和工程方法论，并结合实际商业场景落地。 全书分为3部分。第1部分是机器学习的数学理论理解，这部分不是对于机器学习数学理论的严谨推导和证明，更多是对于理论背后的“到底是什么，为什么要这样做”的通俗理解。尽可能通过对应到日常生活中的现象来进行讲述。第2部分是机器学习模型、方法及本质，这一部分针对机器学习的方法论及具体的处理过程进行阐述。涉及数据准备、异常值的检测和处理、特征的处理、典型模型的介绍、代价函数、激活函数及模型性能评价等，是本书的核心内容。我们学习知识的主要目的是解决问题，特别是对于企业的从业人员，对在商业实战环境中出现的问题，希望通过机器学习的方式来更好地解决。第3部分是机器学习实例展示。本书内容系统、选材全面、知识讲述详细、易学易用，兼具实战性和理论性，适合机器学习的初学者与进阶者学习使用。

本书详细讨论工业背景下机器学习的各个分支及其实现技术，包括矩阵型分类学习技术、多视角学习技术、不平衡数据分类学习技术、集成学习技术和深度学习技术，并在此基础上，对机器学习在脑电情感识别、声纹识别和图像分类等领域的应用做了介绍。 本书主要面向对机器学习、人工智能等方向感兴趣的学者和从事该方面研究的技术人员、博士、硕士研究生等。