本书系统介绍了经典的机器学习算法，并通过实践案例对算法进行解析。 本书内容包含三部分： 第一部分（第1章和第2章）为入门篇，着重介绍Python开发基础及数据分析与处理；第二部分（第3章和第4章）为基础篇，着重介绍机器学习的理论框架和常用机器学习模型；第三部分（第5～11章）为实战篇，介绍经典机器学习算法及应用，包括KNN分类算法、KMeans聚类算法、推荐算法、回归算法、支持向量机算法、神经网络算法以及深度学习理论及项目实例。 本书力求叙述简练，概念清晰，通俗易懂。书中的案例选取了接近实际应用的典型问题，以应用能力、创新能力的培养为核心目标。 本书可作为高等院校计算机、软件工程、大数据、通信、电子等相关专业的教材，也可作为成人教育及自学考试用书，还可作为机器学习相关领域开发人员、工程技术人员和研究人员的参考用书。

随着经济技术的发展，社会对客货运输的需求不断提高，不但要“走得了”还要“走得好”，不但要“运得了”还要“运得准”，新时代的大目标是满足 人们日益增长的美好生活的需求。智能交通是面向交通运输的服务与管理系统，将先进的通信、控制、传感及云平台、大数据、物联网、人工智能、移动互联 网等技术有效地综合运用于交通运输系统，使得交通的使用者、管理者、基础 设施、环境和载运工具之间达到融合，从而形成安全、便捷、高效、绿色、经 济的综合交通运输系统。 智能交通经过20 余年的发展，在出行服务、交通管理等方面发挥了重要作用。 社会上常常关注“智能交通”与“智慧交通”的定义或区别，笔者在研究过程 中认为，无论是“智能交通”还是“智慧交通”，其内涵都是利用新技术赋能 和驱动交通运输的发展，不管多么“智能”或“智慧”，均要服务于人和物的 物理位移，应重点关注新技术带给社会用户或管理者的实效是什么，可以说安全、 畅通、效率是智能交通和智慧交通的“初心和使命”，其核心是“交通”，而非“智 能”或“智慧”本身，不必纠结两者的定义。 人工智能作为引领未来的新技术之一，已在人们生活的方方面面得到应用，交通运输必然是人工智能发展的重要应用领域。国家相关规划和政策也在积极 推进人工智能在交通行业的应用，强化了人工智能在交通产业变革中的突出作 002 人工智能与交通运输 用，必将迎来人工智能与交通运输深度融合的发展阶段。但需要注意，国家政 策偏重于提出两者结合的发展方向，具体的实施工作还有待广大从业者来落实。 基于人工智能技术在感知、决策、服务、管理等方面都能发挥作用，笔者团队 着重于研究如何将人工智能技术应用到交通运输的具体场景和提出可操作的工 程措施。 本书力图思考人工智能与交通相结合的技术性、科学性问题，并从工程层 面来探讨解决人工智能在智能交通系统中的具体应用，为智能交通的发展提供 实质性的功能措施，以及有助于未来发展的落地方案，相关成果已在我国多个 省市得到推广应用。由于本书成稿较早，笔者团队仍在持续研究人工智能技术 在智能交通中的应用，未来愿意和同行进行进一步学习交流！ 铁路、公路、水运、航空是关系国民经济大动脉的关键基础设施和重大民 生工程，在我国经济社会发展中的地位和作用至关重要，支撑了世界大规模 的交通运输基础设施网络化运行、大规模的人口日常出行和节日迁徙。交通 不断发展的背后，离不开人工智能、大数据等强有力的科技创新支撑。 本书围绕交通运输存在的问题，对当前人工智能技术在智能交通中的应用 场景进行了详尽的技术分析和探讨，介绍了具体的工程应用案例。全书由三大 部分组成：第一部分思考“智能交通为什么离不开人工智能”（第一章），阐 述了智能交通的定义，介绍了智能交通的发展历程、人工智能与现有交通产业 的共同技术迭代及人工智能对交通行业的影响；第二部分描述“智能交通如何 应用人工智能”（第二至第八章），阐述了交通行业在感知系统、交通管控、 信息服务等方面存在的问题及发展趋势，结合实例论述了人工智能在深度学习、 专家系统、计算机视觉、分布式人工智能、自然语言处理、逻辑推理等方面的 主要技术，从状态感知、交通视频监控、智能语音、交通大脑、信息服务、机 器人、预防性养护、能源互联网、5G、北斗及车路协同等方面，详细介绍了人 工智能技术在交通行业的融合应用；第三部分介绍“人工智能在智慧公路的工 程应用”（第九章），探讨了对智慧公路和新一代交通控制网的理解，主要从 002 人工智能与交通运输 工程角度探索人工智能技术在智慧公路的应用，提出了基于云脑的智慧公路解 决方案，并对未来广义车路协同的发展方向进行了展望。 交通运输部公路科学研究院北京中交国通智能交通系统技术有限公司在长 期的研究和工程实践过程中，得到了行业内外专家及交通运输部领导的指导、 院属单位的支持，经过不断学习、提炼，总结出有助于智能交通发展的解决方案。 本书由孟春雷、蔡蕾、王新科、王宏丹、王艺新、刘雨辰编写，编写工作 得到北京航空航天大学王宝会教授及研究生刘雨莎、党高峰、张英韬、郑广远 等的鼎力支持，还得益于李铁柱、高龙、马宇超、张佳惠、郝亮等的大力帮助 和技术支持。在本书编写过程中，梳理了大量课题研究及工程实践的相关成果，从而形成本书内容，在此对所有参与研究与支持人员一并表示由衷的感谢！

配套PPT+代码+数据获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：69325本书介绍在嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习算法自动优化和部署工具开发的基本知识；本书通过应用例子和大量代码说明AI算法在通用嵌入式系统中的实现方法，力求让读者在理解算法的基础上，通过实践掌握高效的AI嵌入式系统开发的知识与技能。

《机器学习算法入门与编程实践（基于Python·微课视频版）》对机器学习算法的基本原理和Python程序实现进行系统的介绍，每种算法都采用sklearn程序实现并用Matplotlib进行数据可视化。为了帮助读者更加高效、直观地学习，作者为本书录制了11个微课教学视频，读者可以用手机扫描书中的二维码进行在线观看，也可以将视频下载后再观看。 《机器学习算法入门与编程实践（基于Python·微课视频版）》共8章，包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类、分类、回归与逻辑回归、人工神经网络、支持向量机。 《机器学习算法入门与编程实践（基于Python·微课视频版）》可以作为高等院校机器学习和人工智能概论等课程的教材，也可以作为机器学习算法入门读者的自学用书，还可以作为人工智能等领域机器学习研究者和应用人员的参考书。

本书旨在为读者提供与机器学习有关Python3的基本编程概念。前4章快速介绍了Python 3、NumPy和Pandas。第5章介绍了机器学习的基本概念。第6章主要介绍机器学习分类器，例如逻辑回归、kNN、决策树、随机森林和SVM。第7章介绍了自然语言处理和强化学习。本书还提供了基于Keras的代码示例作为理论讨论的补充。此外还为正则表达式、Keras和TensorFlow 2提供了单独的附录。

本书是国家职业教育专业教学资源库工业机器人技术专业建设项目规划教材。全书分为9章，系统介绍了工业机器概述、工业机器人的分类、工业机器人的组成和技术参数、工业机器人的运动学基础、工业机器人机械结构、工业机器人传感器、工业机器人的控制技术、工业机器人的编程技术、工业机器人的典型应用等内容。本书配有数字化课程网站与教、学、做一体化设计的专业教学资源库，内容丰富，功能完善。其中，数字化教学资源包括微课、动画、图片、在线测试等类型，详见本书配套教学资源清单。本书适合作为高等职业院校“工业机器人技术”专业以及装备制造类、自动化类相关专业的教材，也可作为工程技术人员的参考资料和培训用书。

能够成功融入人类社会的机器人快要出现了吗？这样的机器人将如何改变我们与技术的关系？本书由机器人领域的两位者撰写，书中借鉴并分析了航空航天领域的案例，提出了表征环境无序程度的社会熵、构建基于共享数据的机器人安全报告系统以及搭建大规模的仿真试验场等创新性观点。作者强调未来机器人将不再是简单的工具，而是我们的合作伙伴，是真正的社交机器。全书重点从实践应用和用户体验的视角畅想人机协作的未来愿景，不展开讨论技术细节，适合所有对机器人及人工智能感兴趣的读者阅读参考。

本书分为三部分。第1部分将帮助你快速理解从数据中学习、深度学习基本架构、如何准备数据，以及深度学习中经常使用的基本概念。第二部分将重点介绍无监督学习算法。从自编码器开始，然后转向层数更深、规模更大的神经网络模型。第三部分介绍监督学习算法，你将掌握基本和高级深度学习模型的实现方法，并能够将这些模型用于分类、回归以及从潜在空间生成数据等应用场合。

数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下， 联邦学习（Federated Learning） 作为一种新兴的机器学习技术范式， 凭借其突出的隐私保护能力，展示出在诸多业务场景中的应用价值。本书从联邦学习的基础知识出发， 深入浅出地介绍了中央服务器优化和联邦机器学习的算法体系， 详细阐述了联邦学习中涉及的加密通信模块的相关知识， 以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系， 还延伸介绍了提升联邦学习服务质量的方法， 并对联邦学习的研究趋势进行了深入探讨与分析， 可以对设计和选择算法提供工具式的参考和帮助。本书是高校、科研院所和业界相关学者研究联邦学习技术的理想读本， 也适合大数据、人工智能行业的从业者和感兴趣的读者参考。

本书讨论了物联网的整个垂直技术栈，并着重讲解了数据聚合、处理、管理、分析和开发等方面技术，以及分布式信任、数据安全和隐私保护方面的z新发展。全书主要由技术和应用两部分组成。在第一部分物联网技术栈（第1章～第11章）中，讲解了物联网接入技术、边缘计算体系架构、数据交互、流式数据处理、机器视觉、数据表示与推理、众包等数据处理环节的各个方面，以及与物联网相关的安全、信任和隐私保护问题；第二部分为工业应用方面（第12章~第14章），重点介绍了物联网技术在医疗保健、能源、道路运输和空气质量等特定领域的应用方式，以及所带来的好处。最后讨论了物联网和相关技术的未来前景。 本书适合作为人工智能、数据安全相关专业高年级本科学员、低年级研究生的辅助教材，也可以作为相关领域技术开发者的自学参考用书。