本书从概率近似正确（PAC）理论出发探讨机器学习的基础理论与典型算法，包括PAC学习框架、VC-维、支持向量机、核方法、在线学习、多分类、排序、回归、降维、强化学习等丰富的内容。此外，附录部分简要回顾了与机器学习密切相关的概率论、凸优化、矩阵以及范数等必要的预备知识。 本书重在介绍典型算法的理论支撑并指出算法在实际应用中的关键点，注重理论细节与证明过程，可作为高等院校机器学习、统计学等课程的教材，或作为相关领域研究人员的参考读物。

以太坊打开了通向去中心化计算的大门，在这个平台上，你可以运行去中心化的应用程序（DApp）和智能合约。这些应用程序没有中心故障点或控制点，它们与支付网络集成，并在开放的区块链上运行。通过这本实用指南，你将了解在以太坊和其他基于虚拟机的区块链上构建智能合约和DApp所需的一切信息。为什么IBM、微软、纳斯达克以及其他数百个组织都在尝试以太坊？这本必不可少的指南向你展示了成为这个不断发展和令人兴奋的新兴行业的创新者所需的技能： 运行以太坊客户端，创建和传输交易，编写智能合约。 运行以太坊客户端，创建和传输交易，编写智能合约。 了解公钥加密、哈希的基本要素和数字签名。 了解“钱包”如何保存用来操纵以太币和智能合约的数字私钥。 使用JavaScript库和远程过程调用接口，以编程方式与以太坊客户端交互。 了解安全实践、设计模式和反模式，了解现实世界的例子。 创建代表资产、股份、投票权或访问控制权的代币。 使用多个P2P组件构建去中心化应用程序。

《人工智能极简编程入门（基于Python）》是“人工智能与大数据技术大讲堂”丛书中的**该书。全书贯穿“简体验”的讲授原则，并模拟实际课堂的教学风格，通过幽默风趣的大白话语言，手把手带领读者由浅入深、循序渐进地进行学习，让他们在身临其境的教学氛围中，轻松、愉悦地掌握人工智能技术领域的基础知识，从而跨入人工智能的大门。该书的阅读门槛极低，只需要读者具备初步的数理知识和计算机操作技能即可顺利学习；该书的学习曲线非常平滑，前面章节中的知识点都为后续章节的学习做好了铺垫，让读者的学习毫无障碍；该书通过“图书+视频+GitHub+微信公众号+学习管理平台+群+专业助教”的立体化学习解决方案，以及大量线上、线下互动，让读者可以体验到远超过同类图书的学习效果。该书共8章。第1章给出了切实可行的学习建议：第2章介绍了开发环境；第3～5章是专为人工智能和大数据而优化的知识要点，手把手带领读者从零基础开始学习编程；第6章与第7章从不同的角度手把手带领读者完成简单的卷积运算（深度学习的基础算法）；第8章带领读者解读一个案例中的部分源码（来自于流行的深度学习框架TensorFlow）。该书适合对人工智能、机器学习、深度学习和计算机视觉感兴趣的读者阅读，尤其适合零基础和弱基础的读者学习。阅读该书不要求读者有太多的编程基础与高等数学基础。

《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的*优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助读者直观地体验深度学习的原理。

机器学习因运用大数据实现强大且快速的预测而大受欢迎。然而，其强大的输出背后，真正力量来自复杂的算法，涉及大量的统计分析，以大数据作为驱动而产生实质性的洞察力。《机器学习算法（第2版 影印版 英文版）》第2版的机器学习算法引导您取得与机器学习过程中的主要算法相关的显著开发结果，并帮助您加强和掌握有监督，半监督和加强学习等领域的统计解释。一旦全面吃透了算法的核心概念，您将基于广泛的库（如sclkit-learn、NLTK、TensorFlow和Keras）来探索现实世界的示例。您将发现新的主题，如主成分分析（PCA）、独立成分分析（ICA）、贝叶斯回归、判别分析、高级聚类和高斯混合等。

本书系统地介绍语音信号处理的基础、概念、原理、方法与应用。全书共分9章。第1章介绍语音信号处理及其发展过程； 第2章介绍语音信号的产生与人类听觉的机理，传统的线性语音产生模型，以及非线性语音产生模型； 第3章从语音信号的时域特征入手，引入时频分析的思想，并进一步阐述时频分析中短时傅里叶变换和小波变换在语音信号特征分析中的应用，最后对广泛使用的倒谱特征以及同态解卷积进行介绍； 第4章介绍语音信号的线性预测原理、解法、几种推演方法以及线谱对分析法； 第5章介绍语音编码的相关知识，包括语音的波形编码、极低速率语音编码技术，以及相关编码器的性能指标和评测方法； 第6章介绍语音识别的基本内容，从基于矢量量化的识别技术到动态时间归正的识别技术，从隐马尔可夫模型技术到基于深度学习的语音识别技术，从孤立词识别到连接词识别及连续语音识别技术，再到关键词检出技术，最后还介绍新兴起的语音识别应用技术，以及用于HMM系统构建的HTK工具和用于深度学习系统构建的Kaldi工具等； 第7章介绍说话人识别的基本内容，从基于GMMUBM的识别技术到基于支持向量机的识别技术，从基于联合因子分析的识别技术到基于ivector的识别技术，以及近年来受到关注的基于深度学习的识别技术等； 第8章介绍顽健语音识别技术，从影响语音识别性能的环境变化因素分析开始，介绍噪声环境下顽健语音识别技术，以及变异语音识别的技术； 第9章介绍语音合成的基本原理、线性预测合成、共振峰合成以及汉语按规则合成，以及基于HMM的合成技术等内容。 本书可作为高等院校计算机应用、信号与信息处理、通信与电子系统等专业及学科的高年级本科生、研究生教材，也可供该领域的科研及工程技术人员参考。

本书是面向计算机体系结构研究人员和工程师的深度学习入门读本。旨在用深度学习的方法和工具来改进硬件设计和做好加速和优化，提高深度学习系统的性能和精度。

「设计人工智能」不是关于人工智能做设计，也并非关于设计某种人工智能，而是两种关键思维之间关系的探讨——设计智能与机器智能之间的深度对话和协同。

本书关注基于人体传感器网络（BSN）编程的高级方法。支持读者开发自己的BSN应用/系统，并涵盖BSN的新兴主题，如协作BSN、BSN设计方法、自主BSN、BSN与普及环境的集成以及BSN与云计算的集成。本书提供了一个真实的BSN原型的描述，并包括更多实际应用的案例研究。

本书介绍大量特征工程技术，阐明特征工程的基本原则。主要内容包括：机器学习流程中的基本概念，数值型数据的基础特征工程，自然文本的特征工程，词频- 逆文档频率，高效的分类变量编码技术，主成分分析，模型堆叠，图像处理，等等。