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。

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。

本书将从 ChatGPT 的基础知识、应用场景和案例分析等方面展开讲解。例如， 如何使用 ChatGPT 实现自然语言翻译、如何使用 ChatGPT 学习英语，以及修改 代码、生成表格，甚至开发菜品等，所举例的应用场景中包含了大量的实用技巧 和建议，能帮助读者更好地掌握和应用 ChatGPT 工具。 本书共分为 9 章，各章的主题分明，内容循序渐进。第 1 章对 ChatGPT 进 行了一些基础的介绍，然后以对话的形式带你快速入门；第 2 ～ 5 章分别从学习、 工作、娱乐、代码四个角度介绍了不同领域下 ChatGPT 的应用场景，案例十分丰 富；第 6 章详细介绍了 ChatGPT 的实用指令和 AI 角色的个性化设置，带你探索 ChatGPT 的趣味和实用性，推荐读者重点阅读；第 7 章则对最新的 AI 工具进行 了介绍；第 8 章对未来趋势进行了展望，分享了许多有意思的话题；第 9 章则对 ChatGPT 在诸多细分行业中的创新应用进行了众多举例，或许读者能从这些例子 中获得启发。 希望这本书能够帮助读者更好地理解和应用 ChatGPT 技术，让读者在工作和 生活中更加得心应手。

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。

随着人工智能技术的成熟，图像语义分割方法迎来了飞速发展的机会。语义分割是一种像素级的预测任务，基于全卷积神经网络（FCN）的分割方法，为了获得较高的分割精度，需耗费大量的计算资源。然而随着自动驾驶和移动终端需求的日益增长，在分割精度和分割速度之间进行平衡显得尤为重要，如何在计算力有限的设备上应用语义分割技术、减少计算量、提高运行速度更是成为当前研究的热点。鉴于此，本书以遥感领域作为应用场景，从视觉注意力机制和特征融合的角度，探索轻量级实时语义分割模型算法，在兼顾精度与速度的同时，实现快速准确的语义分割。本书主要研究内容如下。第一，对目前表现突出的卷积神经网络进行梳理。首先，分析卷积神经网络的基础结构及训练过程，阐述经典的卷积神经网络分类模型；其次，剖析语义分割算法中常见的分割网络结构特性，包括对称的编码 -解码结构，使用空洞卷积、深度可分离卷积、空洞空间金字塔池化（ASPP）等的扩张卷积核，轻量级语义分割法等，确立本书网络模型的设计思路，即采用编码 -解码结构，基于轻量级语义分割网络（ENet）来设计网络架构。第二，针对高分辨率遥感图像分割速度较慢，提出一种改进 ENet的实时语义分割模型 SE-ENet。该模型适当剪枝压缩 ENet网络结构，修改ENet网络中的瓶颈结构（Bottleneck）模块，下采样阶段交叉使用多种卷积核，实现各模块的轻量化，具备参数少、计算量低的特点，可实现快速图像分析处理；而融合至模型中的注意力机制，通过压缩和激励操作来重新标定特征通道的权重，增强有益特征权重，深度有序挖掘遥感数据集中的图像特征，保证语义分割的准确性。通过对 3种不同数据集的仿真分析表明，基于 ENet和注意力机制的语义分割网络模型能够较快地实现图像语义分割效果。第三，构建高分辨率遥感图像语义分割数据集，对数据集进行预处理、数据增强后，数据集扩充至 10万余张图像，为相关实验的训练与评估研究提供数据支撑。第四，基于特征融合策略对 SE-ENet模型进一步优化，将下采样模块间的特征图密集连接，生成优化后的网络模型 EFSE-ENet，通过融合浅层和高层的表征信息以获得准确精细的分割结果；实验时适当修改损失函数，增加小类别样本权重，调整学习率衰减方式以提升实验效果，并在DeepGlobe Road Extraction大型数据集上进一步验证模型的泛化能力，证明了其在保持一定精度的条件下可以达到实时分割的效果，兼具高效性。在本书撰写过程中，晋中学院计算机与信息工程系的领导和老师们给予了大力支持和帮助，在此表示衷心感谢！

针对海量、动态、多维、异构的高分辨率卫星遥感观测数据，通过对高分辨压缩信息的获取（“感”），建立多尺度几何分析的建模（“知”），完成特征的学习和分析（“用”），从而提高对地观测系统的综合利用能力，这已成为遥感技术发展的必然趋势。全书共十五章，系统地论述了遥感脑的理论基础、感知与解译应用及遥感脑系统。第一至第四章主要介绍遥感技术和类脑启发的研究背景及意义，压缩感知基础、遥感成像机理与特性、深度神经网络的最新进展等；第五至第十二章主要介绍作者团队在遥感脑感知与解译两方面的具体相关应用成果；第十三至第十四章主要介绍作者团队研发的遥感脑系统；第十五章主要是展望和总结该领域的主要公开问题。以此抛砖引玉，希望本书能为读者呈现出遥感脑理论和应用等较为全面的脉络、趋势和图景。本书适应于涉及深度学习和图像处理类高年级本科生、研究生，以及广大科技工作者。

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。

本书介绍了中国电信城域网从光网络化到网络扁平化改造、移动承载网从3G到5G的发展历程；简要介绍了传统IP承载网络关键技术，并指出了新型IP城域网的解决方向；讲述了新型IP承载网所涉及的SR和SRv6、网络切片、EVPN、SDN和NFV新技术；从云网融合趋势切入，重点分析了新型IP承载网在不同场景下的组网架构，以及总结了近年来广东电信新型IP承载网络的运营和建设中的各种部署实践方案与经验。本书适合从事电信网络运营、规划、工程等建设相关工作的技术人员，以及通信相关科研单位、高校的网络技术相关专业的研究人员、老师、学生阅读。

本书从数据分析与机器学习算法入手，系统地介绍了机器学习各类算法的原理方法和实际应用。本书的主要内容包括：KNN算法、朴素贝叶斯、决策树、支持向量机、线性回归、K-means算法、人工神经网络、卷积网络深度学习以及基于Python数据分析进行职业规划。本书作为大数据技术与人工智能领域的入门教材，在内容上涵盖了机器学习经典算法的基础知识和应用实例，采用Python作为编程语言，强调基本算法的应用理解，内容由浅入深。各部分内容均配有相应的任务，注重实践应用，便于读者学习和掌握。本书可作为各类职业院校大数据技术、云计算技术应用、人工智能技术应用等相关专业的教学用书，也可作为相关专业领域工程技术人员的参考用书。本书配有电子课件、源代码、微课视频（扫描二维码观看）等课程资源，选用本书作为授课教材的教师可以登录机械工业出版社教育服务网（www.cmpedu.com）注册后免费下载，也可联系编辑（010-88379807）咨询。

中等职业教育经过多年的改革发展基本上形成了“以学生为中心、能力为本位”的职业教育理念，但要真正做到全面实施能力本位课堂教学模式，让学生在“做中学，学中做”，那么教材是基础，教师是根本，教法是途径。教材尤其是中等职业教育教材不应仅是知识的简单静态载体，必须是有教育思想、有灵魂的活教材。本书在开发设计时，把“行动导向”教学法的 理念融入教材中，基于工作过程导向课程设计思想安排教材内容，实现了工作内容与学习内容的有机统一，对于每个学习项目按照“行动导向”教学法的六个环节：资讯、计划、决策、实施、检查、评价组织教学内容，教材体例结构新颖，内容呈现形式简明、准确、层次分明、逻辑性强，为教师和学习者提供一种有别于传统教材的全新教法和学习体验，能有效促进教师改进教法，提升教学能力水平，促使学习者“做中学，学中做”，提高学习效益和学习获得感。