本书围绕大数据采集，对采集技术的相关基础、技术原理、 Py t hon实现技术、大数据挖掘与应用方法 进行了系统介绍。书中全面、完整地覆盖了各种类型的网络爬虫及相关的信息处理挖掘技术，并提 供了27个与爬虫技术和应用相关的Py t hon程序。全书共分为四大部分，即概述、基础篇、技术与实现篇 、大数据挖掘与应用篇。第一部分是概述，首先指出了利用Py t hon采集互联网大数据的重要性，介绍了 相关技术研究、技术体系、 Py t hon爬虫采集技术的合规性及应用现状等; 第二部分是基础篇，包括 Web服务器的应用架构以及HTTP、 Robo t s、 HTML、页面编码等相关协议和规范; 第三部分是技术与 实现篇，全面介绍了普通网络爬虫技术、动态页面采集方法、主题爬虫技术、 De ep Web爬虫、微博信息采集 、Web信息提取以及反爬虫技术等，内容涵盖了各种爬虫技术实现方法及Py t hon例子; 第四部分是 大数据挖掘与应用篇，介绍了用于爬虫应用中的典型大数据处理与挖掘技术以及 Web大数据采集的常 见应用模式，并以新闻采集与分析、 SQL注入在线检测为例介绍了Py t hon爬虫应用构建方法，将本书介 绍的一些关键技术、模型和工具贯穿在一起。

《深度学习图像识别技术：基于TensorFlow Object Detection API和OpenVINO工具套件》首先讲述了人工智能、深度学习、卷积神经网络、目标检测以及迁移学习的概念，接着详述了如何基于TensorFlow Object Detection API框架从零开始搭建深度学习目标检测应用的开发环境，如何训练自己的目标检测模型，然后详述了如何基于OpenVINO工具套件优化模型、部署模型以及用C++和Python开发用户应用程序。然后通过工业光学字符自动识别、垃圾瓶自动分选、农作物病害自动识别和工业产品外观缺陷检测4个完整的深度学习目标检测工程案例来帮助读者加深深度学习图形检测的认识和理解。 《深度学习图像识别技术：基于TensorFlow Object Detection API和OpenVINO工具套件》适合从事AI行业相关技术的工程师阅读，也适合打算进入AI行业的大中专院校的学生学习参考。

本书由长期从事ROS机器人研究与教学的专家撰写，深入浅出地对基于ROS的机器人开发技术进行了全面介绍，并通过丰富的实例，详细讲解移动机器人、飞行机器人与机器人手臂等各类机器人的ROS实现。 本书不仅涵盖ROS的基础知识，还循序渐进地讲解了ROS机器人的高级应用特性。书中首先对ROS的基本配置进行介绍，内容包括ROS的安装、基本概念、主要的功能包与工具等。然后对相应的故障排查方法进行了论述。之后通过模拟的方式，先对Turtlesim的ROS组成模块进行描述，再对其他几类典型机器人的ROS组成模块进行相应的介绍。对ROS组成模块的介绍，一般遵循的流程是首先介绍基本的ROS命令，然后对ROS的功能包、节点、主题以及消息进行论述，以此来对ROS机器人操作系统的整体内容进行详细的阐述。为了对书中选用的机器人的整体性能进行描述，书中还给出了相关机器人的技术资料。

当今社会，智能音箱、智能机器人、智能可穿戴设备等人工智能产品已经开始逐渐普及，而人工智能产品经理却很好短缺。《人工智能产品经理：从零开始玩转AI产品》将通俗易懂的语言与专业知识相结合，从中国人工智能市场现状入手，详细地为读者阐释了人工智能产品的相关知识，以及人工智能产品经理是如何开展工作的，并通过实际案例展现了如何从无到有构建人工智能产品的过程。《人工智能产品经理：从零开始玩转AI产品》适合想从互联网产品经理转型成为人工智能产品经理的读者，想了解人工智能的商业用途和价值的读者，想简单快速入门人工智能项目实践的读者，对人工智能产品感兴趣的普通读者，以及人工智能领域的工程师或专家阅读。

本书中会整体探讨以往分开讨论的技术领域，尽量做到让专业的工程师和普通人读了都可以很容易地整体理解物联网业务， 特别是物联网系统构建的基本思路和要素技术，以及方法和目标。本书涵盖了从人们不太熟悉的传感器到物联网平台、从构建到应用乃至服务创造等多方面内容，主要针对传感器的种类、可采集的数据的特征、通信方式、汇总分析数据的方法等进行扎实的讲解。另外，关于在设备设置和无线通信的过程中有可能出现出现的安全问题，本书也指出了关键点，并给出相应的对策。让我们一起来学习需要多方面技术和应用知识的物联网系统构建吧！

在众多深度学习框架中，***上手的就是Keras，其简单、可扩展、可重复使用的特征使得非深度学习者也能轻松驾驭。《Keras深度学习 基于Python》通过日常生活中常见的乐高模型块，以简洁易懂的语言介绍了使用Keras时必知的深度学习概念，提供了可实操的Python源代码，讲解了能够直观构建并理解深度学习模型的模块示例。

随着AI技术的普及，如何快速理解、掌握并应用AI技术，成为绝大多数程序员亟需解决的问题。本书基于Keras框架并以代码实现为核心，详细解答程序员学习AI算法时的常见问题，对机器学习、深度神经网络等概念在实际项目中的应用建立清晰的逻辑体系。《程序员的AI书：从代码开始》分为上下两篇，上篇（第1～4章）可帮助读者理解并独立开发较简单的机器学习应用，下篇（第5～9章）则聚焦于AI技术的三大热点领域：推荐系统、自然语言处理（NLP）及图像处理。其中，第1章通过具体实例对Keras的机器学习实现进行快速介绍并给出整体概念；第2章从简单的神经元开始，以实际问题和代码实现为引导，逐步过渡到多层神经网络的具体实现上，从代码层面讲解神经网络的工作模式；第3章讲解Keras的核心概念和使用方法，帮助读者快速入门Keras；第4章讲解机器学习中的常见概念、定义及算法；第5章介绍推荐系统的常见方案，包括协同过滤的不同实现及Wide&Deep模型等；第6章讲解循环神经网络（RNN）的原理及Seq2Seq、Attention等技术在自然语言处理中的应用；第7～8章针对图像处理的分类及目标识别进行深度讨论，从代码层面分析Faster RCNN及YOLO v3这两种典型识别算法；第9章针对AI模型的工程部署问题，引入TensorFlow Serving并进行介绍。《程序员的AI书：从代码开始》主要面向希望学习AI开发或者转型算法的程序员，也可以作为Keras教材，帮助读者学习Keras在不同领域的具体应用。

这是一本面向中文读者的文本情感分析研究专著，区别现有使用离散类别型方法的研究，《维度型文本情感分析技术》提出一种基于连续维度空间，针对不同语言层级的文本情感分析新方法。为了让读者对所提出的方法都有所了解，作者试图尽可能少地使用数学专业知识。然而，对于统计、概率、线性代数、优化，甚至是机器学习和深度学习的基本知识似乎都无法避免。

几十年来，实际需求激发了对模式识别的大量理论和应用研究。在这个过程中，限制因素和恒久问题一直是数据——它的多样性、丰富性和可变质量是模式识别创新的主要挑战。本书关注高级数据分析和数据挖掘，创新之处是对数据质量的重新定位——将数据质量看作一个可以处理的因素，而非当作需要克服的困难。

本书关注人工智能背景下新技术对人的工作岗位的影响。对于机器换人这一当前热门的议题，作者十分具有智慧地提出了对未来工作变化的预测，哪些岗位将首先遭到替代，而人类又将如何应对人工智能的挑战，并对技术与人的关系进行反思，对于未来就业政策制定提供清醒地建议。