本书是大数据技术普及系列读物之一，主要涉及大数据采集、分布式文件存储和非关系型数据管理等内容。全书共6章，每章一个专题，按照大数据运用流程，从网页和日志文件两种常用的大数据采集方法入手，介绍了分布式文件存储、NoSQL数据库基础理论和4种NoSQL数据库技术。针对特定技术选择了一款最典型的产品进行诠释，先后对Python语言中的Requests和BeautifulSoup包，Hadoop生态中的Flume、HDFS和HBase，以及Redis、MongoDB和Neo4j等产品进行了介绍。在每章结构上，按照要做什么（需求背景）、是什么（产品功能和特性）、为什么（体系结构/数据模型）和怎么做（基本操作）？4个方面递进展开，内容相对独立，方便读者根据自身需要选择章节进行阅读。 全书内容相对浅显，具有较强的可读性，适合对大数据技术感兴趣，希望从技术和产品层面对大数据采集、存储和管理进行初步学习的读者阅读。

量子计算与人工智能的交叉融合，促使量子人工智能的不断发展。本书旨在采用对深度学习爱好者友好的方式，构建量子人工智能应用。 全书共13章，第1章和第2章系统介绍量子计算机发展脉络和量子计算编程的基础知识。第3~7章分别介绍不同的深度学习方法和在这些算法逻辑上构建量子启发算法的方式，用量子线路中的相位作为神经网络的可学习参数，重构为量子神经网络算子。这些算子可以在PyTorch环境中直接调用。第8章和第9章是量子人工智能的进阶知识，讲解不同量子算法的可行的评估方式和量子神经网络基于Torch.Script技术进行算子化的内容。第10~13章通过在原生的深度学习PyTorch环境中引入量子算法，带来可能的量子增强，并分别实现了对材料晶体结构相变过程搜索，冠状病毒RNA序列变异预测、药物虚拟筛选中亲和能的预测及基因表达药物设计等案例。 本书可作为量子人工智能初学者的入门书籍，PyTorch深度学习爱好者的参考书籍，也可作为从事量子人工智能相关工作技术人员的应用指南。

迁移学习作为机器学习和人工智能领域的重要方法，在计算机视觉、自然语言处理（NLP）、语音识别等领域都得到广泛应用。本书是迁移学习技术的实用入门图书，能够带领读者深入实践自然语言处理模型。首先，本书回顾了机器学习中的关键概念，并介绍了机器学习的发展历史，以及NLP迁移学习的进展；其次，深入探讨了一些重要的NLP迁移学习方法—NLP浅层迁移学习和NLP深度迁移学习；最后，涵盖NLP迁移学习领域中重要的子领域—以Transformer作为关键功能的深度迁移学习技术。读者可以动手将现有的先进模型应用于现实世界的应用程序，包括垃圾电子邮件分类器、IMDb电影评论情感分类器、自动事实检查器、问答系统和翻译系统等。 本书文字简洁、论述精辟、层次清晰，既适合拥有NLP基础的机器学习和数据科学相关的开发人员阅读，也适合作为高等院校计算机及相关专业的学生参考用书。

这是一本讲解NPU硬件架构设计与技术实现的著作。作者将自己在CPU、GPU和NPU领域15年的软硬件工作经验融会贯通，将四代NPU架构设计经验融为一体，将端侧和云侧NPU架构合二为一，总结并提炼出本书内容。本书主要讨论神经网络硬件层面，尤其是芯片设计层面的内容，主要包含神经网络的分析、神经网络加速器的设计以及具体实现技术。通过阅读本书，读者可以深入了解主流的神经网络结构，掌握如何从零开始设计一个能用、好用的产品级加速器。通过阅读本书，你将：？透彻理解与深度学习相关的机器学习算法及其实现？学会主流图像处理领域神经网络的结构？掌握加速器运算子系统和存储子系统的设计？摸清加速器设计中遇到的具体问题及其解决方法？了解NPU架构需要考虑的控制通路和数据通路

本书是机器学习入门书籍，面向需要提升数据科学技能的开发人员和需要提升编程技能的数据科学家，涵盖了从机器学习基础概念到完整解决方案的各个方面。本书共分为五个部分，主要内容包括人工智能基础知识、实现机器学习解决方案的步骤、微软的ML.NET库、实用的机器学习算法、神经网络、AI云服务等，并且免费提供使用ML.NET库构建的代码示例。

本书较为系统地讲解了人工智能绘画的基本理论与Midjourney平台的使用方法，包括各个命令与参数、语法结构等。同时讲解了Midjourney在建筑设计、珠宝设计、摄影素材图像生成、插画绘制、背包设计、手机壳设计、包装设计、盲盒公仔造型设计、冰箱贴设计、卡通头像设计、Logo设计、徽标设计、价目表设计、特效文字设计、游戏场景概念设计、UI设计、图标设计、成套表情包设计等33个领域内的实战应用方法。 书中图像全部由Midjourney渲染生成，效果图配有提示语，也是软件使用者最关心的“配方”，并在关键词下方有强调功能的下划线，以确保读者在使用此关键词时能够得到类似的效果。 本书附赠一本拥有海量Midjourney常用关键词的PDF电子书，下载方法可参考封底。

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。

本书从人工智能的视角，研究了“基于一阶动态逻辑及其扩展系统的Agent行为推理”，并对相关问题进行了哲学反思。具体内容包括：作为一阶动态逻辑的基础系统的命题动态逻辑、一阶动态逻辑系统及其复杂性与表达力、基于类型命题动态逻辑的行动类型与Agent能力推理、基于规划修订动态逻辑的Agent规划修订推理、基于动态逻辑的Agent交互协议推理、相关问题的哲学反思与展望性研究。

《深度学习模式与实践》通过介绍**实践、设计模式和可复制的架构，指导读者的深度学习项目从实验室走向应用。本书收集并阐明了近十年来真实世界中深度学习最紧密的洞察。读者将通过每个有趣的例子学习相关技能，并建立信心。 《深度学习模式与实践》深入研究了如何构建成功的深度学习应用程序。通过将经过验证的模式和实践应用到自身项目中，读者将节省数小时的试错时间。本书通过测试的代码示例、真实世界示例和出色的叙事风格，使复杂的概念变得简单和有趣。在此过程中，读者将学会相关技巧来部署、测试和维护项目。 本书的内容包括： 现代卷积神经网络 CNN架构的设计模式 移动和物联网设备模型 大规模模型部署 计算机视觉示例

提供基于PyTorch Lightning的深度学习模型实践方法，让读者能够快速上手实践。2、适用于对深度学习感兴趣但不知道从何处开始学习的读者，帮助他们快速入门并构建自己的模型。 3、强调灵活性，读者可以根据特定需求对模型进行扩展和定制。 4、涵盖了时间序列、生成式模型、半监督学习等多个应用领域，使读者可以探索不同的深度学习任务。 5、提供模型部署和评估的指导，帮助读者将模型应用于实际场景并进行性能评估。 6、讨论了规模化和管理训练的方法，帮助读者处理大规模数据和复杂模型的训练过程。 7、强调深度学习在各行各业的重要作用，使读者了解深度学习在不同领域的应用。 8、使用PyTorch作为基础框架，提供了广泛的资源和社区支持，使读者能够更好地探索和应用深度学习技术。9、通过案例的方式展示实际应用，帮助读者理解如何将PyTorch Lightning模型应用于实际问题，并获得实践经验。