本书将推荐系统的理论基础与代码实践相结合，内容涵盖各类非个性化和个性化、经典及先进的推荐算法，以及工业界推荐系统的基本流程、步骤。本书可以作为各高校相关专业智能推荐系统课程教材，也可以作为技术人员的参考书籍。通过本书，读者可以掌握推荐系统的基本概念、评价指标，熟悉推荐系统在工业界应用的具体过程，既可以了解基于传统机器学习的推荐算法，也可以学习基于深度学习的前沿推荐算法，本书的最后一章带领读者熟悉推荐系统领域的关键问题和挑战。

本书是一本由浅入深地介绍深度学习的理论原理及PyTorch深度学习框架的入门书籍，全书通过图文并茂的方式对重点知识进行讲解，注重实践，详细地介绍了PyTorch的基本使用、神经网络的构建和训练技巧、卷积神经网络和循环神经网络的实现，以及前沿的深度生成模型的应用。通过学习本书，读者不仅可以了解深度学习，而且可以轻松实现机器作诗、自动乐曲生成、机器翻译、图像去噪等有趣的应用。全书配有注释详细的代码，方便读者学习与实践。本书适用于对人工智能感兴趣的读者，也适合作为深度学习领域的入门教材。

工业4.0时代数据做为生产资料将改变传统的生产方式，我们称之为数字经济或行业数字化。数字经济时代，增加了大数据、人工智能、云计算、5G、边缘控制、低代码平台、数字孪生与仿真等全新的生产要素，这就对从业者提出全新的技能要求，要求他们具备同时具备IT、OT、CT技术能力。本书正是在这个人才培养需求下编写，核心章节包含了5G关键技术、5G-PLC上云通信、IOT数据中台、低代码平台、图像识别与PLC闭环控制，课程设计简单高效地将OICT技术融合，使学员能够快速掌握数字化技术的核心技能。

本书系统讲解了机器人学涉及到的基本知识，涵盖了机器人硬件、软件、控制以及制作多个方面的内容。初学者可以通过本书了解机器人相关各领域的基本知识，明白机器人是怎样构成的、如何工作的以及如何自己动手实现一个简单的机器人。为了适合不同层次的机器人爱好者的学习需求，本书对一些深奥的数学或物理知识进行了简要说明，即使不参考专业书籍也可以通读本书。

《神经网络机器翻译技术及产业应用》由百度首席技术官王海峰、百度人工智能技术委员会主席何中军、百度技术委员会主席吴华联合撰写，以产业需求为牵引，介绍了新时期机器翻译的产业需求特点、神经网络机器翻译的原理与方法、新技术进展及产业应用。全书兼具理论与实践，既有对原理与方法的介绍，又有丰富的产业应用案例。《神经网络机器翻译技术及产业应用》共九章： 第1章 绪论，首先阐述了机器翻译发展的时代背景和技术发展脉络，从多个角度回顾了机器翻译的发展历程，介绍了当前机器翻译的发展现状以及产业应用需求特点和挑战。 第2章 翻译语料获取与译文质量评价，介绍了翻译语料获取的相关技术以及机器翻译常用的评价方法，包括人工评价、自动评价、面向产业应用的评价。 第3章 神经网络机器翻译，首先介绍了神经网络机器翻译的基本原理和模型结构，接下来介绍了多种翻译模型，后介绍了利用开源工具搭建一个神经网络机器翻译系统的方法。 第4章 高性能机器翻译，结合百度、谷歌等公司的机器翻译系统实践，首先介绍了神经网络机器翻译的产业化进程，然后介绍了常用的提升系统性能的方法，后介绍了开源工具平台中的高性能实现方案。 第5章 多语言机器翻译，首先介绍了数据增强技术以扩充训练数据规模，然后介绍了基于无监督的训练方法以及多种翻译模型，后介绍了近年来快速发展的多语言预训练技术及其在多语言机器翻译上的应用。本章结尾还结合百度、谷歌、脸书等公司的实践，介绍了大规模多语言机器翻译系统。 第6章 领域自适应，介绍了领域自适应技术，通过数据增强、优化训练等多种手段，使翻译模型在具体领域上获得较高的翻译质量。 第7章 机器同声传译，首先介绍了机器同传的主要挑战和发展现状，然后介绍了目前常用的机器同传数据集和评价方式，后介绍了如何使用开源工具搭建一个机器同传系统。 第8章 机器翻译产业化应用，着重介绍了现实生活中机器翻译丰富的产品形式和广泛应用。 第9章 总结与展望，对全书进行了总结，并对机器翻译的未来发展进行展望。

本书针对当前火热且应用前景广阔的自然语言处理（NLP），介绍了深度学习的技术原理及其在自然语言处理中的应用；简要分析了该领域各个应用方向上的相关模型和关键技术，包括Transformer、BERT、GPT，等等；汇集了众多论文中的重要思想和研究成果；系统梳理了技术发展脉络。此外，本书还介绍了如何使用深度学习技术来训练模型，并分析了其在应用中的表现及优化手段，以帮助读者更好地将理论应用于实践。本书内容通俗易懂，可作为入门自然语言处理的参考书。

本书系统地介绍了机器学习系统的设计原则和实践经验，侧重于介绍机器学习的原理、神经网络和优化器、自动差分算法、机器学习系统编程模型、控制流和数据流，异构硬件加速器的原理和编程、数据流图编译器前端、数据流图编译器后端、数据准备和增强、模型部署相关技术、分布式训练、弹性训练、联合训练和评估平台、调试和优化工具、数据隐私和安全等。在讲授的过程中，本书将根据MindSpore的自身特点，在各个章节突出讨论MindSpore的优势点，从而将MindSpore并列为与TensorFlow，PyTorch的三大框架。

VEX机器人竞赛旨在拓展参赛者对于科学、技术、工程和数学的兴趣，提升参赛者解决实际问题的能力，培养团队协作精神，是一个非常典型的STEM实践案例。《VEX EDR从入门到精通》立足于VEX机器人竞赛，介绍了VEX EDR机器人的硬件、软件及结构知识，同时给出2020—2021赛季竞赛手册，帮助读者了解VEX机器人竞赛的具体要求和赛事规则。

本书的内容章节分为四个部分，从技术原理到项目实践再到商业战略，逐层放开视野。内容涉及基于人工智能技术在产业中做创新业务的方法论，通过交流“思想”和“应用方法论”，使大家掌握机器学习的深层次思想，并理解商业、产品和技术的深层关系。

内容：本书构建了包括城市轨道交通常态与非常态场景下车站级和网络级短时进站流预测、短时OD流预测、短时断面流预测、以轨道交通为骨干的多模式交通短时客流预测、基于计算机视觉的轨道交通站内关键设施处短时客流预测等在内的一整套智能城市轨道交通短时客流预测体系。具体章节内容安排如下：第1章为绪论。第2章为城市轨道交通车站级常态短时进站流预测。第3章为城市轨道交通网络级常态短时进站流预测。第4章为城市轨道交通车站级与网络级非常态短时进站流预测。第5章为城市轨道交通车站级与网络级短时OD流预测。第6章为城市轨道交通网络级短时断面流预测。第7章为以轨道交通为骨干的多模式交通短时客流预测。第8章为基于计算机视觉的城市轨道交通站内短时客流预测。 读着对象：本书主要面向城市轨道交通运营管理部分科研人员，广大从事交通大数据分析、机器学习或深度学习的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员，可作为各高等院校交通运输、交通工程等专业的本科生和研究生教材。 特色：随着大数据、人工智能等技术的兴起，利于人工智能方法进行短时客流预测的研究兴起，然而目前国内鲜有利用人工智能方法针对城市轨道交通进行短时客流预测的专著，本书为当前鲜有的利用人工智能进行城市轨道交通短时客流预测方法的专著，构建了一整套包括城市轨道交通常态与非常态场景下车站级和网络级短时进站流预测、短时OD流预测、短时断面流预测、以轨道交通为骨干的多模式交通短时客流预测、基于计算机视觉的轨道交通站内关键设施处短时客流预测等在内的一整套智能城市轨道交通短时客流预测体系。