机器学习算法评估力求用科学的指标，对机器学习算法进行完整、可靠的评价。 本书详细介绍机器学习算法评估的理论、方法和实践。全书分为3个部分。第1部分包含第1章～第3章，针对分类算法、回归算法和聚类算法分别介绍对应的基础理论和评估方法；第2部分包含第4章～第8章，介绍更复杂的模型（如深度学习模型和集成树模型）的对比与评估，并且针对它们实际应用的业务场景介绍一些特有的评估指标和评估体系；第3部分包含第9章～第11章，总结算法评估的常用工具、技术及方法论，包括实用的可视化工具介绍，并讨论机器学习算法的本质。 本书适合机器学习专业相关从业者和算法工程师阅读，也适合想要从事人工智能和机器学习工作的人士学习和参考。

预训练语言模型属于人工智能领域中自然语言处理领域的一个细分。 本书主要介绍预训练语言模型。预训练语言模型是自然语言处理领域的重要突破，得到了越来越广泛的关注，相关研究者和从业人员在实际应用的过程中，亟需一本理论翔实、代码细节充分的参考书。本书详细梳理了预训练语言模型的基本概念和理论基础，并通过实际代码的讲解， 阐述了具有代表性的预训练语言模型的实现细节，非常适合需要快速、全面掌握预训练语言模型的从业者阅读。

《虚拟现实》是一本关于扩展现实（包含虚拟现实、增强现实和混合现实）科普性质的读物。它运用大量生动的案例和浅显易懂的语句来清晰地讲述专业知识及应用。《虚拟现实》包含7章内容。第1章介绍为什么增强现实和虚拟现实很重要。第2章着重介绍增强现实和虚拟现实的多种形态和形式。第3章探讨了真实背后的技术，包括显示技术、运动跟踪、力反馈等。第4章介绍如何让扩展现实成为现实。第5章着重探讨虚拟技术改变一切。第6章探讨扩展现实技术发展带来的道德、伦理、法律和社会后果。第7章畅想拥抱一个增强和虚拟的未来。《虚拟现实》非常适合希望了解扩展现实技术的读者，通过概览扩展现实的精华知识，包括虚拟现实技术、增强现实技术、混合现实技术、行业应用、优秀产品、未来畅想等，帮助读者全面了解以虚拟现实为代表的扩展现实的过去、当下以及未来发展的可能。

采用通俗易懂的语言，简明而全面地介绍对人工智能革命起到核心作用的深度学习技术。

本书介绍了元学习方法的发展历史、起源、思想、近来流行的元学习方法，以及这些方法的组织思路、改进方案、相互继承、如何应用。本书共11章，分为两部分：元学习方法思想的介绍和元学习应用场景中模型的介绍。这些内容介绍了如何在元学习框架下融入强化学习、模仿学习、在线学习、无监督学习、迁移学习等，实现对实际应用中深度模型的改进，以适应复杂多变的实际任务。

FPGA（现场可编程门阵列） 是一款特殊的半导体器件， 它在制造出来后仍然能够被 任意修改电路结构， 以适应不同应用的需要。 相比于其他种类的芯片，FPGA 具有极强的 灵活性， 同时在性能、功耗和开发成本等方面达到了出色的平衡。 因此 FPGA 被广泛应 用在电信、工业控制、高性能计算等多个领域。 本书详细梳理和分析了FPGA 在大数据和人工智能时代的新技术、 开发的新方法， 以及FPGA 在异构计算时代的新趋势和新方向， 并重点讨论了FPGA 的主要技术特点。 本书致力于向业界决策人士提供 FPGA 的先进理念与有价值的实践模式， 促进大 数据、 人工智能等新兴技术与各行业的深度融合提升。 同时也为 FPGA 从业人员在处理 实际工程技术问题时， 提供系统的方案和有价值的参考。 此外， 本书对学界、 企业界和社 会中的非专业人员或技术爱好者了解FPGA 的先进理念和知识， 也有很大的参考价值。

布鲁萨德写这本书的用意是为了给读者“赋能”。通过这本书，你会了解人工智能、 机器学习、大数据是怎么回事，了解计算机的本质是什么，从此对人工智能和大数据这些大词没有畏惧心理。这本书会告诉你，高估了人工智能会带来什么社会问题，以及自动驾驶这件事有多难，它还会告诉你，现阶段人工智能的社会化应用的根本矛盾是什么。人们不应该假设计算机能够永远正确，如果人们能够认识到技术使用的局限性，可以让技术更好地造福人类。人工智能想大规模取代人类并不是一件容易的事情，它还有很长的一段路要走，我们对于人工智能的恐慌，其实都是在过度想象。现实中，从人员招聘到自动驾驶，从支付餐费到选择伴侣，人们迫切地想要将所有事情数字化。这种将计算机技术应用到生活方方面面的热情，导致出现了大量存在设计缺陷的系统，带来了一系列社会问题，所以我们需要正确认识人工智能。作者反对“技术是永远的解决方案”的“技术沙文主义”，并提醒人们，一个数字化的“乌托邦”不能解决所有社会问题。为验证其观点，她进行了一系列尝试，如使用人工智能技术探究学生为何不能通过标准化测试、采用机器学习来预测泰坦尼克号事故中有哪些乘客幸存等。现在人们非常爱说“计算机改变了世界”，“这个产品再一次改变了世界……”，作者布鲁萨德将会告诉你，其实计算机没有改变什么。社会还是这个社会，计算机并没有解决我们的社会问题。：：： 见识丛书（见识城邦出品） 科学 历史 思想第 yi辑（1-10册） 01《时间地图：大历史，130亿年前至今》 ［美］大卫·克里斯蒂安 02《太阳底下的新鲜事：20世纪人与环境的全球互动》［美］约翰·R. 麦克尼尔 03《革命的年代：1789—1848》 ［英］艾瑞克·霍布斯鲍姆 04《资本的年代：1848—1875》 ［英］艾瑞克·霍布斯鲍姆 05《帝国的年代：1875—1914》 ［英］艾瑞克·霍布斯鲍姆 06《ji端的年代：1914—1991》 ［英］艾瑞克·霍布斯鲍姆 07《守夜人的钟声：我们时代的危机和出路》 ［美］丽贝卡·D. 科斯塔 08《1913，一战前的世界》 ［英］查尔斯·埃默森 09《文明史：人类五千年文明的传承与交流》 ［法］费尔南·布罗代尔 10《基因传：众生之源》（平装+精装） ［美］悉达多·穆克吉 ：：：： 第二辑（11-20册） 11《一万年的爆发：文明如何加速人类进化》［美］格雷戈里·柯克伦？？［美］亨利·哈本丁 12《审问欧洲：二战时期的合作、抵抗与报复》 ［美］伊斯特万·迪克 13《哥伦布大交换：1492年以后的生物影响和文化冲击》［美］艾尔弗雷德·W. 克罗斯比 14《从黎明到衰落：西方文化生活五百年，1500年至今》（平装+精装）［美］雅克·巴尔赞 15《瘟疫与人》 ［美］威廉·麦克尼尔 16《西方的兴起：人类共同体史》 ［美］威廉·麦克尼尔 17《奥斯曼帝国的终结：战争、革命以及现代中东的诞生，1908—1923》［美］西恩·麦克米金 18《科学的诞生：科学革命新史》（平装） ［美］戴维·伍顿 19《内战：观念中的历史》 ［美］大卫·阿米蒂奇 20《第五次开始》 ［美］罗伯特·L. 凯利：：：： 第三辑（21-30册） 21《人类简史：从动物到上帝》（平装+精装） ［以色列］尤瓦尔·赫拉利 22《黑暗大陆：20世纪的欧洲》 ［英］马克·马佐尔 23《现实主义者的乌托邦：如何建构一个理想世界》［荷］鲁特格尔·布雷格曼 24《民粹主义大爆炸：经济大衰退如何改变美国和欧洲政治》［美］约翰·朱迪斯 25《自私的基因（40周年增订版）》（平装+精装） ［英］理查德·道金斯 26《权力与文化：日美战争1941—1945》 ［美］入江昭 27《犹太文明：比较视野下的犹太历史》 ［以］ S. N. 艾森斯塔特 28《技术垄断：文化向技术投降》 ［美］尼尔·波斯曼 29《从丹药到枪炮：世界史上的中国军事格局》 ［美］欧阳泰 30《起源：万物大历史》 ［美］大卫·克里斯蒂安 ：：：： 第四辑（31-40册） 31《为什么不平等至关重要》 ［美］托马斯·斯坎伦 32《科学的隐忧》[英] 杰里米·鲍伯戈 33《简明大历史》 ［美］大卫·克里斯蒂安 主编 34《专家之死：反智主义的盛行及其影响》 ［美］托马斯·M. 尼科尔斯 35《大历史与人类的未来（修订版）》 ［荷］弗雷德·斯皮尔 36《人性中的善良天使》 ［美］斯蒂芬·平克 37《历史性的体制：当下主义与时间经验》 ［法］弗朗索瓦·阿赫托戈 38《希罗多德的镜子》 ［法］弗朗索瓦·阿赫托戈 39《出发去希腊》 ［法］弗朗索瓦·阿赫托戈 40《灯塔工的值班室》 ［法］弗朗索瓦·阿赫托戈 ：：：： 第五辑（41-50册） 41《从航海图到世界史：海上道路改变历史》 ［日］宫崎正胜 42《人类的旅程：基因的奥德赛之旅》 ［美］斯宾塞·韦尔斯 43《西方的困局：欧洲与美国的当下危机》 ［德］海因里希·奥古斯特·温克勒 44《没有思想的世界：科技巨头对独立思考的威胁》 ［美］富兰克林·福尔 45《锥形帐篷的起源：思想如何进化》 ［英］乔尼·休斯 46《后基因组时代：后基因组时代的伦理、正义和知识》 [美] 珍妮·瑞尔丹 47《世界环境史》［美］ 威廉·H.麦克尼尔 约翰·R. 麦克尼尔等 编著 48《竞逐富强：公元1000年以来的技术、军事与社会》［美］威廉·麦克尼尔 49《大加速：1945年以来人类世的环境史》[美] 约翰·R.麦克尼尔 50《不可思议的旅程：我们的星球与我们自己的大历史》[美] 沃尔特·阿尔瓦雷兹 ：：：： 第六辑（51-60册） 51《认知工具：文化进化心理学》[英] 塞西莉亚·海耶斯 52《人工不智能：计算机如何误解世界》[美] 梅瑞狄斯·布鲁萨德 53《断裂的年代：20世纪的文化与社会》[英] 艾瑞克·霍布斯鲍姆............

本书先简单介绍了Spark和Spark MLlib，然后介绍标准Spark MLlib库之外的更强大的第三方机器学习算法和库。通过阅读本书，你将能够通过几十个实际的例子和深刻的解释，将所学到的知识应用到真实世界的用例。

使用监督学习从头构建一个图像识别应用程序。用线性回归预测未来。深入研究梯度下降，这是一种驱动大部分机器学习的基本算法。创建感知器来分类数据。建立神经网络来处理更复杂和复杂的数据集。通过反向传播和批处理来训练和细化这些网络。分层神经网络，消除过度拟合，并添加卷积将您的神经网络转换为一个真正的深度学习系统。

本书广泛涉及了统计学、神经网络、模糊控制、人工智能及群智能计算等学科的先进思想和理论，将各种算法应用到模式识别领域中。以一种新的体系，系统而全面地介绍模式识别的理论、方法及应用。本书共分为12章，内容包括：模式识别概述、基于贝叶斯决策理论的分类器设计、判别函数分类器设计、聚类分析、模糊聚类分析、神经网络聚类设计、模拟退火算法聚类设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计、模板匹配法、余弦相似度算法。 本书将理论与实际相结合，针对具体案例进行了算法设计与分析，并将各种算法运用在MATLAB程序中，为广大研究工作者和工程技术人员提供了便利。