智能制造以智能工厂为载体，智能工厂作为智能制造重要的实践领域，引起制造企业的广泛关注和各级政府的高度重视。智能工厂是新兴IT技术、智能化技术与制造业高度融合与全面渗透而形成的一种新型工厂，着眼于打通企业生产经营的全部流程，实现从设备控制到企业资源管理所有环节的信息快速交换、传递、存储、处理和无缝智能化集成。本书面向智能制造发展过程中对智能工厂规划设计的需求，介绍数字化工厂技术的相关理论和方法，结合该领域中的优势产品——达索公司的3D EXPERIENCE平台，介绍其数字化工厂解决方案在智能制造、智能建造中的实际应用。 本书可作为智能制造相关领域的技术人员和实际工作人员的参考书，也可作为教材为智能制造及其相关专业的本科生或研究生使用。

本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。本书通过AI“小白”小冰拜师程序员咖哥学习机器学习的对话展开，内容轻松，实战性强，主要包括机器学习快速上手路径、数学和Python 基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积神经网络、循环神经网络、经典算法、集成学习、无监督和半监督等非监督学习类型、强化学习实战等内容，以及相关实战案例。本书所有案例均通过Python及Scikit-learn 机器学习库和Keras 深度学习框架实现，同时还包含丰富的数据分析和数据可视化内容。本书适合对AI 感兴趣的程序员、项目经理、在校大学生以及任何想以零基础学机器学习的人，用以入门机器学习领域，建立从理论到实战的知识通道。

本书涵盖以下主题： 用泰坦尼克号数据集讲解分类。清洗数据和处理缺失数据。探索数据分析。数据预处理的常用方法。选择对模型有用的特征。模型选择。 度量标准和分类评估。 多种回归分析技术。 评估回归结果的度量标准。 聚类算法。 降维技术。 scikit-learn流水线。

这是一部指导读者如何将软件工程的思想、方法、工具和策略应用到机器学习实践中的著作。 作者融合了自己10年的工程实践经验，以Python为工具，详细阐述机器学习核心概念、原理和实现，并提供了数据分析和处理、特征选择、模型调参和大规模模型上线系统架构等多个高质量源码包和工业应用框架，旨在帮助读者提高代码的设计质量和机器学习项目的工程效率。 全书共16章，分为4个部分：第一部分 工程基础篇（1～3章） 介绍了机器学习和软件工程的融合，涉及理论、方法、工程化的数据科学环境和数据准备； 第二部分 机器学习基础篇（4、5章） 讲述了机器学习建模流程、核心概念，数据分析方法； 第三部分 特征篇（6～8章） 详细介绍了多种特征离散化方法和实现、特征自动衍生工具和自动化的特征选择原理与实现； 第四部分 模型篇（9～16章） 首先，深入地剖析了线性模型、树模型和集成模型的原理，以及模型调参方法、自动调参、模型性能评估和模型解释等；然后，通过5种工程化的模型上线方法讲解了模型即服务；最后，讲解了模型的稳定性监控的方法与实现，这是机器学习项目的最后一环。

随着人工智能技术的发展以及移动学习的应用普及，移动学习服务研究不断深入。本书以人工智能时代为背景，以人工智能与教育深度融合理念为指导，以移动学习智能服务应用需求为目标，探索人工智能时代移动学习服务体系以及实现策略，主要内容包括移动学习智能服务体系设计、移动学习行为影响因素分析、移动学习资源设计服务、移动学习个性化资源推荐服务、移动学习路径自适应规划服务以及移动学习伙伴分组服务等。本书可供高等院校教育技术学专业、计算机科学与技术专业师生以及移动学习研究爱好者阅读，适合培训机构教学设计人员、学习产品设计与开发人员以及智能教育行业相关工作者等开展移动学习设计与应用工作的参考资料。

深入深度神经网络，揭开对抗性输入如何欺骗深度神经网络。 探讨如何生成对抗性输入去攻击深度神经网络。 探索真实对抗性攻击场景和为对抗性威胁建模。 评估神经网络的健壮性；学会增强人工智能系统应对对抗性数据的能力。 考察未来几年可用哪些方式让人工智能更擅长模拟人的感知。

在5G应用场景中，每个垂直行业都与大数据密不可分。本书希望把亚信科技二十多年的电信运营商领域经验，总结成一套体系化、标准化、基于5G网络特征云边协同架构的大数据技术框架，更好地推动新业务模式及应用场景落地。 全书共五篇：第一篇（第1～2章） 介绍5G网络环境下的大数据技术生态的发展趋势，以及大型企业大数据技术架构发展路线；第二篇（第3～5章） 介绍边缘计算的概念，以及大数据技术基于云边协同计算的落地方式；第三篇（第6～8章）介绍如何通过DataOps实现大数据的敏捷开发与运维服务。第四篇（第9～11章）介绍多种大数据智能化分析技术，如行业知识图谱、增强型分析、可信数据流通，快速实现大数据应用服务构建；第五篇（第12～14章）通过行业应用场景，详细描述如何通过5G网络及大数据技术重构行业应用及服务形态，并对未来技术趋势作出展望。 本书适合运营商企业的信息化负责人、系统架构师、IT人员，以及大型企业内的IT从业者阅读，也适合对5G及大数据技术感兴趣的其他读者阅读，可作为软件架构培训类参考书。

《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》是一本基于OpenCV4和Python的机器学习实战手册，既详细介绍机器学习及OpenCV相关的基础知识，又通过具体实例展示如何使用OpenCV和Python实现各种机器学习算法，并提供大量示例代码，可以帮助你掌握机器学习实用技巧，解决各种不同的机器学习和图像处理问题。《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》共13章：第1章简要介绍机器学习基础知识，并讲解如何安装OpenCV和Python工具；第2章介绍基本的OpenCV函数；第3章讨论监督学习算法，以及如何使用OpenCV和scikit-learn实现这些算法；第4章讨论数据表示和特征工程，并介绍OpenCV中提供的用于处理图像数据的常见特征提取技术；第5章展示如何使用OpenCV构建决策树进行医疗诊断；第6章讨论如何使用OpenCV构建支持向量机检测行人；第7章讨论朴素贝叶斯算法、多项式朴素贝叶斯等技术及实现，并展示如何使用贝叶斯学习实现垃圾邮件过滤；第8章讨论一些无监督学习算法；第9章详细讲解如何构建深度神经网络来分类手写数字；第10章介绍用于分类的随机森林、bagging方法和boosting方法等；第11章讨论如何通过模型选择和超参数调优来比较各种分类器的结果；第12章介绍OpenCV4.0中引入的OpenVINO工具包；第13章给出一些处理实际机器学习问题的提示和技巧。OpenCV是用于构建计算机视觉应用程序的一个开源库。《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》将全面介绍新发布的OpenCV4版本所提供的大量新特性和平台改进。首先，你将了解OpenCV4的新特性并安装OpenCV4来构建计算机视觉应用程序。然后，你将探索机器学习的基础知识，学习设计用于图像处理的各种算法，循序渐进地掌握监督学习和无监督学习，并将获得使用Python中的scikit-learn开发各种机器学习应用程序的实践经验。接着，你将学习决策树、支持向量机（SVM）、贝叶斯学习等各种机器学习算法，以及如何将这些算法应用于目标检测等计算机视觉操作。之后，你将深入研究深度学习和集成学习，并探索它们在现实世界中的应用，如手写数字分类和手势识别等。最后，你将学习用于构建图像处理系统的英特尔OpenVINO工具包。学习完《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》，你将掌握使用OpenCV4构建智能计算机视觉应用程序所需要的机器学习技能。

《5G时代的网络智能化运维详解》从5G时代通信业务变化、网络变革、技术趋势、AI赋能通信行业等方面阐述5G网络运维中的迫切需求，让读者更加了解5G网络运维的现状和发展趋势。 本书重点从亚信科技国内外项目的实践出发，并结合5G全新体系架构，给广大读者带来5G网络智能化的创新思考。全书共分为11章，其中第1～2章主要介绍5G网络的新运维模式，以及5G网络运维的整体现状和趋势。第3～11章结合9种创新场景案例实践成果，通过对方案架构、业务功能和应用场景的详细分析，系统介绍网络智能化运维中台体系、5G网络业务敏捷编排、基于用户体验的智能化营业厅等的相关实践经验。 本书内容翔实丰富、深入浅出，适用于5G网络运维学习者入门，也适合熟悉运营商企业业务支撑系统或运维支撑系统的管理规划人员、研发实施人员和专业运维人员阅读。

一本书理解Swift和机器学习，掌握构建智能iOS应用方法 利用Swift与Core ML构建和部署机器学习模型，开发出用于NLP和CV的神经网络1.学会如何使用Python和Swift快速进行模型原型开发 2.学会如何使用Core ML将预训练的模型部署到iOS 3.学会通过无监督学习发现数据中隐藏的模式 4.学会深入掌握聚类技术 5.学会如何在iOS设备上应用紧凑架构的神经网络 6.学会如何训练神经网络进行图像处理和自然语言处理本书是机器学习和Swift的完美指南，通过学习对机器学习原理和Swift实现方法、实际案例的详细讲解后，你将能够掌握如何开发使用Swift编写的可自学习的智能iOS应用程序。 本书适合想要开发iOS智能应用程序的iOS技术人员，以及从事基于Swift开展机器学习工作的开发人员阅读。