内 容 提 要本书全面讲解了深度学习框架PaddlePaddle，并结合典型案例，阐述了PaddlePaddle的具体应用。本书共15章。第 1 章介绍了深度学习及其主流框架；第2章介绍了几种不同的PaddlePaddle安装方式；第3章使用MNIST数据集实现手写数字识别；第4章介绍CIFAR彩色图像识别；第5章介绍了自定义数据集的识别；第6章介绍了验证码的识别；第7章介绍了场景文字的识别；第8章实现了验证码的端到端的识别；第9～11章讲解了车牌识别、使用SSD神经网络完成目标检测；第12章和第13章介绍了Fluid、可视化工具VisualDL；第 14 章和第 15 章介绍了如何在服务器端与Android移动终端使用PaddlePaddle进行项目实践。本书适合机器学习爱好者、程序员、人工智能方面的从业人员阅读，也可以作为大专院校相关专业的师生用书和培训学校的教材。

动手学深度学习内容简介：本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。深度学习内容介绍：《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

第1章介绍了Keras的安装和设置过程以及如何配置Keras。 第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。 第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。 第4章详细描述了不同的Keras层，包括递归层和卷积层等。 第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。 第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。 第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。 第8 章包括使用Keras进行单词分析和情感分析的NLP基础知识。 第9章展示了如何在评论数据集中使用Keras模型进行文本概述。 第10章侧重于使用Keras设计和开发强化学习模型。

以机器学习为核心的人工智能已经成为新一代生产力发展的主要驱动因素。新的技术正在向各行各业 渗透，大有变革各个领域的趋势。传统产业向智慧产业的升级迫使原行业从业人员逐渐转型，市场上对相 关学习材料的需求也日益高涨。帮助广大学习者更好地理解和掌握机器学习，是编写本书的目的。 本书针对机器学习领域中1常见的一类问题——有监督学习，从入门、进阶、深化三个层面由浅入深 地进行了讲解。三个层面包括基础入门算法、核心理论及理论背后的数学优化。入门部分用以逻辑回归为 代表的广义线性模型为出发点，引入书中所有涉及的知识点；进阶部分的核心理论涵盖了经验风险1小、 结构风险1小、正则化及统一的分类边界理论；深化部分的数学优化则主要包括1大熵原理、拉格朗日对 偶等理论在数学上的推导，以及对模型求解的主流1优化方法的探讨等。 本书由浅入深，从个别到普便，从自然算法到优化算法，从各个角度深入剖析了机器学习，力求帮助 读者循序渐进地掌握机器学习的概念、算法和优化理论。

蓝牙智能穿戴技术近几年十分火热，学习者趋之若鹜。本书以一款已经量产的“蓝牙心率运动手环”为例，全面讲解开发蓝牙智能穿戴设备所需的软件及硬件技能知识，从主控常用资源、电路设计、编程方法，到通过编程实现手环计步、监测心率等等功能，所有知识全部覆盖，一步一步带领大家开发出可以量产的“蓝牙心率手环产品”。

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。 全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

《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。

本书主要对人工智能及其应用和伦理进行介绍，主要分为五章：人工智能的概念与基本理论，人工智能的应用——智能制造，人工智能的应用-智慧城市，人工智能的其他应用，人工智能与伦理道德、法律秩序

《自主水下机器人》结合“潜龙”系列深海自主水下机器人，深入浅出、图文并茂、系统全面地介绍了自主水下机器人的相关理论、技术、方法和应用，主要包括自主水下机器人的发展历史和现状、总体技术、结构、能源与推进、电气控制、导航、路径规划、运动控制、应急安全控制、布放回收、实际应用等方面的技术理论和工程实践。

本书构建了一个完整的深度强化学习理论和实践体系：从马尔可夫决策过程开始，根据价值函数、策略函数求解贝尔曼方程，到利用深度学习模拟价值网络和策略网络。书中详细介绍了深度强化学习相关算法，如Rainbow、Ape-X算法等，并阐述了相关算法的具体实现方式和代表性应用（如AlphaGo）。此外，本书还深度剖析了强化学习各算法之间的联系，有助于读者举一反三。本书分为四篇：初探强化学习、求解强化学习、求解强化学习进阶和深度强化学习。涉及基础理论到深度强化学习算法框架的各方面内容，反映了深度强化学习领域过去的发展历程和研究进展，有助于读者发现该领域中新的研究问题和方向。