海洋机器人科学与技术丛书（全套26册）

用Keras、TensorFlow、Core ML，以及TensorFlow Lite训练、微调并发布计算机视觉模型。为不同设备开发AI应用，包括Raspberry Pi、Jetson Nano，以及Google Coral。探索有趣的项目，从硅谷“热狗识别”应用程序到谷歌规模的图像搜索，以及40多个案例研究和行业实例。在电子游戏环境中模拟一辆自动驾驶汽车并用强化学习构建一个微型版自动驾驶汽车。使用迁移学习在几分钟内训练模型。发现50多个实用技巧，用以最Z大化模型准确度和速度、调试程序，以及将应用扩展到数百万用户规模。

本书是面向高级人工智能人才培养的高等学校人工智能相关专业规划教材中的一本，通过梳理人工智能涉及的相关数学理论，并通过Python实现相关案例，使抽象的理论具体化，从而加深读者对数学的感性认识，提高读者对数学理论的理解能力。本书首先介绍了人工智能所需的基础数学理论，然后根据数学内容的逻辑顺序，以微积分、线性代数、概率论、数理统计为基础，对函数逼近、最优化理论、信息论、图论进行了深入介绍，同时给出了它们在人工智能算法中的实验案例。另外，该书将免费提供配套 PPT、实验及应用案例等基本教学材料。

本书以云原生（Cloud Native）技术为背景，讲述了 Serverless 的基本原理与实战应用。书中首先探讨 Serverless 与当前云计算技术和前端技术的关系，随后分别从 Serverless 的两大能力（FaaS 和 BaaS）展开，探讨了它们的历史由来和底层原理，并且结合实际应用场景，有针对性地提供了操作指南。本书从手动构建一套基于进程的 FaaS 架构开始，之后深入剖析云计算服务的内核，阐述其背后的原理和思想，从而让读者理解下一代软件架构的本质。 本书主要从前端研发人员的视角介绍 Serverless 的原理及应用。相信无论是希望更多了解服务端技术的前端研发人员，还是已经涉足后端但希望更多了解云原生技术的全栈工程师，或是希望通过 Serverless 提升团队研发效率的架构师，都会从阅读本书中获益良多。

《基于免疫机理和神经网络的智能故障诊断方法》详细阐述了基于免疫机理和神经网络的两种智能故障诊断新方法，主要包括基于免疫网络模型的改进的故障诊断算法、与粗糙集理论相结合的免疫网络故障诊断算法、基于量子超球神经网络的故障检测方法和基于云神经网络的故障诊断方法等8种方法。《基于免疫机理和神经网络的智能故障诊断方法》思路清晰、内容丰富、安排合理，各章相对独立，有利于读者学习参考。《基于免疫机理和神经网络的智能故障诊断方法》在重点阐述思想方法的基础上，追求对工程实践的指导性，力求使读者在较短的时间内学习掌握这些智能故障诊断新方法，并能在实际工程中熟练应用。

本书利用精美的插图和有趣的类比，对深度学习的主流技术和背后的原理进行了深入浅出的讲解，解释了什么是深度学习，深度学习流行的原因，以及深度学习与其他机器学习方法的关系。阅读本书，读者可以掌握卷积神经网络、循环神经网络、生成式对抗网络和深度强化学习等热门技术，学习TensorFlow、Keras和PyTorch等热门工具的使用，同时能够更深刻地理解计算机视觉、自然语言处理和游戏等领域的人工智能应用。本书还提供了简单明了的示例和代码，能够帮助读者动手实践。本书适合人工智能、机器学习、深度学习等领域的开发人员、数据科学家、研究人员、分析师和学生阅读。

本书以Python语言和Tensorflow为工具，由浅入深地讲述了深度学习程序设计的基本原理、算法和思考问题的方法，内容包括自顶向下的程序设计、递归程序设计、面向对象的程序设计、反向传播算法、三层神经网络、卷积神经网络、循环神经网络、生成式对抗网络和目标检测等。本书重在研究代码背后深刻的计算机理论和数学原理，试图说明代码是对理论和思想的实现手段，而不是目的。学以致用是本书的宗旨，提高读者编程水平和动手能力是本书的目的。本书通过大量有趣的实例，说明了理论对深度学习程序设计实践的指导意义。

本书针对产业界在智能化过程中普遍面临的数据不足问题，详细地阐述了联邦学习如何帮助企业引入更多数据、提升机器学习模型效果。互联网数据一般分布在不同的位置，受隐私保护法规限制不能共享，形成了“数据孤岛”。联邦学习像“数据孤岛”之间的特殊桥梁，通过传输变换后的临时变量，既能实现模型效果提升，又能确保隐私信息的安全。 本书介绍了联邦学习技术的原理和实战经验，主要内容包括隐私保护、机器学习等基础知识，联邦求交、联邦特征工程算法，三种常见的联邦形式，以及工程架构、产业案例、数据资产定价等。

本书从传统的数值计算技术到先进的多智能体模拟基础，均边展示Python程序，边对其进行了具体讲解。在第1章中，介绍了运用Python进行数值计算时普遍存在的注意点。在接下来的第2章和第3章中，作为传统的模拟技术，提到了运用微分方程式表示的物理现象模拟。在第4章中，提到了利用元胞自动机的模拟。第5章的主题是利用随机数进行模拟。最后，在第6章介绍了多智能体模拟框架。同时还详细说明算法的原理，以及python应用的快捷方便功能。

《用Python编程和实践！深度学习教科书》是一本专门针对有一定编程经验，但没有Python和机器学习相关经验的读者编写的参考书籍，目标是让读者能够独立编写出机器学习相关的应用程序。书中首先介绍了机器学习和Python语言的基础知识，然后对NumPy、Pandas、matplotlib等在Python中使用频率较高的软件库进行讲解；对数据可视化、lambda和map等Python语法、基于DataFrame的数据整理、OpenCV的运用和图像数据的数据预处理进行讲解；最后对监督学习、超参数和调校等基础的机器学习及深度学习技术进行实践与挑战，并最终使读者达到能够运用深度学习技术之一的CNN来实现图像识别任务项目的技术水平。本书特点是用编程实践的方法学习，特别适合深度学习初学者及参与人工智能（AI）相关开发的程序员、研究人员和理工科学生。