本书先从背景出发，阐述黑盒模型存在的问题以及不解决黑盒问题模型可能带来的后果，引出可解释机器学习的重要性；随后，我们从可解释机器学习的研究方向，分为内在可解释模型算法和模型事后解析方法两部分进行介绍，阐述不同模型的原理、应用及其可解释性。z后通过三个不同的应用场景，介绍在银行实战中的数据挖掘方法，由问题、处理方法出发，结合可解释机器学习模型结果，证明模型的有效性和实用性，期望读者通过对本书的阅读，可以更快更好的解决实际业务问题，而非纸上谈兵。业务场景均为业内的典型案例，希望能够对读者有所启发。同时，本书中还会有大量的公式与代码，保证内容的丰富与严谨，经得起推敲，使得读者知其然且知其所以然。

本书系统介绍了经典的机器学习算法，并通过实践案例对算法进行解析。 本书内容包含三部分： 第一部分（第1章和第2章）为入门篇，着重介绍Python开发基础及数据分析与处理；第二部分（第3章和第4章）为基础篇，着重介绍机器学习的理论框架和常用机器学习模型；第三部分（第5～11章）为实战篇，介绍经典机器学习算法及应用，包括KNN分类算法、KMeans聚类算法、推荐算法、回归算法、支持向量机算法、神经网络算法以及深度学习理论及项目实例。 本书力求叙述简练，概念清晰，通俗易懂。书中的案例选取了接近实际应用的典型问题，以应用能力、创新能力的培养为核心目标。 本书可作为高等院校计算机、软件工程、大数据、通信、电子等相关专业的教材，也可作为成人教育及自学考试用书，还可作为机器学习相关领域开发人员、工程技术人员和研究人员的参考用书。

随着经济技术的发展，社会对客货运输的需求不断提高，不但要“走得了”还要“走得好”，不但要“运得了”还要“运得准”，新时代的大目标是满足 人们日益增长的美好生活的需求。智能交通是面向交通运输的服务与管理系统，将先进的通信、控制、传感及云平台、大数据、物联网、人工智能、移动互联 网等技术有效地综合运用于交通运输系统，使得交通的使用者、管理者、基础 设施、环境和载运工具之间达到融合，从而形成安全、便捷、高效、绿色、经 济的综合交通运输系统。 智能交通经过20 余年的发展，在出行服务、交通管理等方面发挥了重要作用。 社会上常常关注“智能交通”与“智慧交通”的定义或区别，笔者在研究过程 中认为，无论是“智能交通”还是“智慧交通”，其内涵都是利用新技术赋能 和驱动交通运输的发展，不管多么“智能”或“智慧”，均要服务于人和物的 物理位移，应重点关注新技术带给社会用户或管理者的实效是什么，可以说安全、 畅通、效率是智能交通和智慧交通的“初心和使命”，其核心是“交通”，而非“智 能”或“智慧”本身，不必纠结两者的定义。 人工智能作为引领未来的新技术之一，已在人们生活的方方面面得到应用，交通运输必然是人工智能发展的重要应用领域。国家相关规划和政策也在积极 推进人工智能在交通行业的应用，强化了人工智能在交通产业变革中的突出作 002 人工智能与交通运输 用，必将迎来人工智能与交通运输深度融合的发展阶段。但需要注意，国家政 策偏重于提出两者结合的发展方向，具体的实施工作还有待广大从业者来落实。 基于人工智能技术在感知、决策、服务、管理等方面都能发挥作用，笔者团队 着重于研究如何将人工智能技术应用到交通运输的具体场景和提出可操作的工 程措施。 本书力图思考人工智能与交通相结合的技术性、科学性问题，并从工程层 面来探讨解决人工智能在智能交通系统中的具体应用，为智能交通的发展提供 实质性的功能措施，以及有助于未来发展的落地方案，相关成果已在我国多个 省市得到推广应用。由于本书成稿较早，笔者团队仍在持续研究人工智能技术 在智能交通中的应用，未来愿意和同行进行进一步学习交流！ 铁路、公路、水运、航空是关系国民经济大动脉的关键基础设施和重大民 生工程，在我国经济社会发展中的地位和作用至关重要，支撑了世界大规模 的交通运输基础设施网络化运行、大规模的人口日常出行和节日迁徙。交通 不断发展的背后，离不开人工智能、大数据等强有力的科技创新支撑。 本书围绕交通运输存在的问题，对当前人工智能技术在智能交通中的应用 场景进行了详尽的技术分析和探讨，介绍了具体的工程应用案例。全书由三大 部分组成：第一部分思考“智能交通为什么离不开人工智能”（第一章），阐 述了智能交通的定义，介绍了智能交通的发展历程、人工智能与现有交通产业 的共同技术迭代及人工智能对交通行业的影响；第二部分描述“智能交通如何 应用人工智能”（第二至第八章），阐述了交通行业在感知系统、交通管控、 信息服务等方面存在的问题及发展趋势，结合实例论述了人工智能在深度学习、 专家系统、计算机视觉、分布式人工智能、自然语言处理、逻辑推理等方面的 主要技术，从状态感知、交通视频监控、智能语音、交通大脑、信息服务、机 器人、预防性养护、能源互联网、5G、北斗及车路协同等方面，详细介绍了人 工智能技术在交通行业的融合应用；第三部分介绍“人工智能在智慧公路的工 程应用”（第九章），探讨了对智慧公路和新一代交通控制网的理解，主要从 002 人工智能与交通运输 工程角度探索人工智能技术在智慧公路的应用，提出了基于云脑的智慧公路解 决方案，并对未来广义车路协同的发展方向进行了展望。 交通运输部公路科学研究院北京中交国通智能交通系统技术有限公司在长 期的研究和工程实践过程中，得到了行业内外专家及交通运输部领导的指导、 院属单位的支持，经过不断学习、提炼，总结出有助于智能交通发展的解决方案。 本书由孟春雷、蔡蕾、王新科、王宏丹、王艺新、刘雨辰编写，编写工作 得到北京航空航天大学王宝会教授及研究生刘雨莎、党高峰、张英韬、郑广远 等的鼎力支持，还得益于李铁柱、高龙、马宇超、张佳惠、郝亮等的大力帮助 和技术支持。在本书编写过程中，梳理了大量课题研究及工程实践的相关成果，从而形成本书内容，在此对所有参与研究与支持人员一并表示由衷的感谢！

配套PPT+代码+数据获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：69325本书介绍在嵌入式系统中的机器学习算法优化原理、设计方法及其实现技术。内容涵盖通用嵌入式优化技术，包括基于SIMD指令集的优化、内存访问模式优化、参数量化等。并在此基础上介绍了信号处理层面的优化，包括AI推理算法及基于神经网络的AI算法训练-推理联合的优化理论与方法。其中信号处理层面优化包括了基于线性代数的快速近似算法、基于多项式的快速卷积构造技术、基于数据二进制结构的快速乘法算法等；在AI推理层面，介绍了机器学习推理模型共性结构、运算图中各个算子的计算优化途径；另外对基于神经网络AI算法，阐述了如何将推理阶段的运算量约束以及底层数据量化约束加入训练代价函数，从算法训练端减少运算量以提升AI嵌入式系统的运行效率；此外本书还通过多个自动搜索优化参数并生成C代码的例子介绍了通用的嵌入式环境下机器学习算法自动优化和部署工具开发的基本知识；本书通过应用例子和大量代码说明AI算法在通用嵌入式系统中的实现方法，力求让读者在理解算法的基础上，通过实践掌握高效的AI嵌入式系统开发的知识与技能。

《机器学习算法入门与编程实践（基于Python·微课视频版）》对机器学习算法的基本原理和Python程序实现进行系统的介绍，每种算法都采用sklearn程序实现并用Matplotlib进行数据可视化。为了帮助读者更加高效、直观地学习，作者为本书录制了11个微课教学视频，读者可以用手机扫描书中的二维码进行在线观看，也可以将视频下载后再观看。 《机器学习算法入门与编程实践（基于Python·微课视频版）》共8章，包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类、分类、回归与逻辑回归、人工神经网络、支持向量机。 《机器学习算法入门与编程实践（基于Python·微课视频版）》可以作为高等院校机器学习和人工智能概论等课程的教材，也可以作为机器学习算法入门读者的自学用书，还可以作为人工智能等领域机器学习研究者和应用人员的参考书。

本书旨在为读者提供与机器学习有关Python3的基本编程概念。前4章快速介绍了Python 3、NumPy和Pandas。第5章介绍了机器学习的基本概念。第6章主要介绍机器学习分类器，例如逻辑回归、kNN、决策树、随机森林和SVM。第7章介绍了自然语言处理和强化学习。本书还提供了基于Keras的代码示例作为理论讨论的补充。此外还为正则表达式、Keras和TensorFlow 2提供了单独的附录。

本书首先介绍了人工智能的发展史及应用现状，内容涵盖当前主流的AI应用技术以及人工智能基础学科内容，通过各种编程案例将难以理解的机器学习知识通俗地讲述给读者；通过业界主流开发框架TensorFlow以及华为MindSpore人工智能学习框架帮助读者更深层次地理解神经网络算法；同时，介绍了基于昇腾开发的Atlas人工智能计算平台，其中包括昇腾芯片的硬件和软件架构；通过华为ModelArts一站式开发平台带领读者了解工业级AI开发以及人工智能开发流程，将华为在人工智能领域布局的产业及生态展现给读者，帮助读者了解、认识、熟知华为人工智能产业。本书适合从事工程科技类工作的读者阅读，也适合对人工智能感兴趣的读者、开发人员以及高校教师与学生。

本书英文版出版至今已近20年，但关于大脑究竟如何工作的问题至今仍无答案，而符号主义（认为大脑是类似于计算机的加工符号的机器）与联结主义（认为大脑是并行运转的大型神经网络）之间的争论也从未停息。本书分析了联结主义模型和符号加工模型在计算方面的优势和劣势，关注不同联结主义模型之间的差异以及特定模型与符号加工的特定假设之间的关系，并围绕多层感知器展开讨论。书中的观点在今天依然频繁成为学术讨论的焦点，并为认知科学、人工智能、深度学习等领域的未来研究指明了可能的方向。

本书介绍了一系列结合人工智能技术处理网络空间安全问题的方法-包括处理网络威胁情报、为恶意软件提供战略防御机制、解决网络犯罪、评估漏洞-以及产生主动而不是被动的对策的人工智能方法。

本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；最后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。本书适合数据科学家、机器学习开发人员、深度学习爱好者以及希望使用机器学习技术和算法解决实际问题的Python程序员阅读。