本书按照机器学习十年来的教学经验将主要教学内容分为五大板块：“数学基础”“回归问题”“分类问题”“无监督问题”以及“概率图模型”。既注重学习内容由浅入深和教学的先后顺序，又兼顾了内容的全面性，给予授课老师充分的授课自由。本书内容新颖，结构化层次化地介绍了机器学习的重要内容，语言严谨详细，配图全面直白。而课后配套的习题、实验、网课与书本内容相对应，让学生能够快速入门机器学习，既可更深入更全面地掌握书本内容，课后巩固知识点充分理解理论知识，又可锻炼其面对实际人工智能问题的编程能力。

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。

本书是一本看懂计算机视觉的实战指南，使用理论与实践相结合的思想，真正一站式搞定理论学习、算法开发到模型部署上线。 全书内容共分为四个部分。第一部分包括第1、2章，主要讲解深度学习和计算机视觉基础，如计算机视觉领域的经典网络和常见的目标检测算法；第二部分包括第3～6章，主要讲解图像处理知识，结合应用案例，对知识点进行分析说明；第三部分包括第7～11章，主要讲解计算机视觉中的实战项目，对实现细节做了追本溯源的讲解；第四部分包括第12～13章，主要讲解模型的落地部署，该部分的讲解基于TensorFlow Lite框架，该框架受众广、热度高，且在各种平台都有对应的支持与优化加速方案，方便读者使用。 本书中的上百个知识点与50多个案例都是作者工程应用中的经验总结，每章末尾均有进阶必备”，给读者提供更多的拓展知识。本书适合计算机视觉的初学者、计算机视觉算法开发人员、对深度学习有兴趣的用户或者亟须工程落地使用的用户，也适合作为高校相关专业的学生教材使用。

本书系统介绍深度学习的高阶技术，并基于MindSpore AI计算框架进行实践。全书共分10章，内容涵盖数据处理、网络构建、训练与推理性能优化、模型安全与隐私、模型可靠性、可解释AI、AI中的公平性问题、数据驱动AI建模、AI求解科学计算方程、AI加速科学方法等内容。为便于读者学习，书中还给出了基于MindSpore实现的关于深度学习高阶技术的示例代码。 本书在深度学习的理论基础上结合MindSpore新开源技术，扩大了MindSpore使用范围，可以作为普通高等学校人工智能、智能科学与技术、计算机科学与技术、电子信息工程、自动化等专业的本科生及研究生教材，也适合作为从事深度学习相关工作的软件开发工程师与科研人员学习的参考用书。

本书以人工智能发展为时代背景，通过20个机器学习模型和算法案例，为读者提供较为详细的实战方案，以便进行深度学习。在编排方式上，全书侧重对创新项目的过程进行介绍，分别从整体设计、系统流程和实现模块等角度论述数据处理、模型训练和模型应用等过程，并剖析模块的功能、使用及程序代码。为便于读者高效学习，快速掌握人工智能程序开发方法，本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题及解决方法等资料，可供读者举一反三，二次开发。本书语言简洁，深入浅出，通俗易懂，不仅适合对Python编程有兴趣的爱好者，而且可作为高等院校相关专业的参考教材，还可作为从事智能应用创新开发专业人员的技术参考书。

本书是一本论述系统虚拟化原理与实践的专业图书。全书分为6章，第1章概述系统虚拟化的基本概念、发展历史、趋势展望、主要功能和分类，以及目前典型的虚拟化系统，并介绍openEuler操作系统的虚拟化技术。第2~4章分别介绍系统虚拟化的三大组成部分： CPU虚拟化、内存虚拟化和I/O虚拟化的相关原理，并配备相应实验便于读者理解。第5章介绍基于ARMv8的鲲鹏虚拟化架构，并概述其CPU、中断、内存、I/O和时钟虚拟化的基本原理。第6章结合代码讲解轻量级虚拟化平台StratoVirt的基本原理和技术特点，读者可以跟随本书从零开始打造一个具备基本功能的轻量级虚拟化平台。 为便于读者高效学习、深入掌握系统虚拟化的基本原理，本书的源代码及安装运行说明均保存于GiantVM和 StratoVirt开源社区。后续将通过开源社区进行代码更新和线上交流。 本书可作为相关领域工程技术人员的参考书，也可作为高年级本科生和研究生的学习用书，还可作为对虚拟化技术感兴趣的爱好者的自学用书。

本书分为四个部分。 第1部分简单概述人工智能。 第2部分对概述进行扩展，并加深读者对机器学习的理解。 第3部分涉及神经网络，即计算机通过使用相互连接的多层人工神经元层来模拟人脑的结构和功能。 第4部分介绍一些使用人工智能辅助商业的常用工具。

**传输理论是一门古老而又年轻、直观而又深刻、连续而又离散、基础而又应用的学科，将概率统计、微分几何、流体力学和非线性偏微分方程融为一体，和谐优美，深邃有力。Monge在250年前提出了**传输问题，Kantorovich给出部分解答从而获得1972年度的诺贝尔经济学奖。丘成桐先生从微分几何角度为这一理论做出杰出贡献了，而Villani、Figalli等数学家因为在这一领域的研究获得菲尔兹奖。近来人工智能再度兴起，大数据、深度学习技术在工程、医疗等领域取得了巨大成功，**传输理论作为人工智能技术的理论基础之一进入中心舞台，广泛应用于深度学习、计算机视觉、计算机图形学、计算机辅助几何设计、数字几何处理、计算机网络、计算力学以及医学影像等领域中。本书以高等数学的基本概念为基础，以现代理论为目的，有机组织庞大丰富的知识体系，贯穿诸多数学分支，横跨数学和计算机科学，同时满足数学家和工程师的迫切需求。本书可供高等院校数学、计算机等各相关专业的广大师生参考，亦可供人工智能、计算机视觉、医学影像、互联网开发、动漫动画、建筑设计等领域的工程师和专业人士参考。