提供基于PyTorch Lightning的深度学习模型实践方法，让读者能够快速上手实践。2、适用于对深度学习感兴趣但不知道从何处开始学习的读者，帮助他们快速入门并构建自己的模型。 3、强调灵活性，读者可以根据特定需求对模型进行扩展和定制。 4、涵盖了时间序列、生成式模型、半监督学习等多个应用领域，使读者可以探索不同的深度学习任务。 5、提供模型部署和评估的指导，帮助读者将模型应用于实际场景并进行性能评估。 6、讨论了规模化和管理训练的方法，帮助读者处理大规模数据和复杂模型的训练过程。 7、强调深度学习在各行各业的重要作用，使读者了解深度学习在不同领域的应用。 8、使用PyTorch作为基础框架，提供了广泛的资源和社区支持，使读者能够更好地探索和应用深度学习技术。9、通过案例的方式展示实际应用，帮助读者理解如何将PyTorch Lightning模型应用于实际问题，并获得实践经验。

本书以穿戴式下肢外骨骼机器人为研究对象，以康复训练辅助和增力辅助为主要应用目标，对下肢外骨骼机器人研究中的运动学/动力学建模、运动意图识别、康复运动步态规划、外骨骼运动控制方法、康复训练辅助策略和增力辅助策略等进行了系统的研究与介绍，设计了相应智能控制算法并进行了验证。

本书详实介绍了数据挖掘与机器学习相关的各种内容，包括数据矩阵、图数据、核方法、项集挖掘、聚类、贝叶斯分类器、决策树、支持向量机、线性回归、逻辑回归、神经网络、深度学习等，介绍其相关概念和基础算法，并在每章的末尾配有相关练习。第二版新增了几个关于回归的章节，包括神经网络和深度学习的内容。

本书围绕人工智能技术应用框架和认知规律，将“德”与“技”有机结合，由浅入深从“理念―开发―数据―算法―技术―产品―行业―情感”8个认知层面对人工智能技术进行剖析，构建全栈知识体系。本书基于BOPPPS教学方法重构教学环节，主要分为“导入―学习目标―知识探索―案例体验―拓展阅读―本章总结―学习评价―思考探索”8个环节，根据内容适时穿插案例，使读者通过项目实践获得所学即所用的成就感。本书配套案例源代码、习题、教学课件等资源。本书可以作为高等院校人工智能技术、电子信息类、机电一体化、应用电子技术及相关专业的教材，也可以作为相关技术人员的参考用书。

在 建设网络强国的大趋势下，新媒体已深入到各高校，渗透到每位大学生的日常学习和生活中，对大学生的思想行为产生了深刻影响。这对高校大学生教育、管理和服务工作提出了新要求、新挑战。本书从教育学、社会学、心理学和新闻学等多学科交叉的角度深度分析新媒体时代大学生行为变化过程与新特点，阐述新媒体时代大学生新特点对高校大学生教育管理带来的深刻变革和巨大挑战，并从教育理念、教育方法、教育载体、教育环境等方面提出大学生教育管理的创新路径。本书内容主要分为新媒体发展对于大学生的影响、新媒体环境下大学生网络行为方式和行为特点、大学生网络行为对于思想政治教育的挑战和机会、大学生教育管理策略等。本书不仅可以作为相关领域教育从业者的教育参考，也可用于大学生的学习生活指导。

本书将推荐系统的理论基础与代码实践相结合，内容涵盖各类非个性化和个性化、经典及先进的推荐算法，以及工业界推荐系统的基本流程、步骤。本书可以作为各高校相关专业智能推荐系统课程教材，也可以作为技术人员的参考书籍。通过本书，读者可以掌握推荐系统的基本概念、评价指标，熟悉推荐系统在工业界应用的具体过程，既可以了解基于传统机器学习的推荐算法，也可以学习基于深度学习的前沿推荐算法，本书的最后一章带领读者熟悉推荐系统领域的关键问题和挑战。

本书系统讲解了机器人学涉及到的基本知识，涵盖了机器人硬件、软件、控制以及制作多个方面的内容。初学者可以通过本书了解机器人相关各领域的基本知识，明白机器人是怎样构成的、如何工作的以及如何自己动手实现一个简单的机器人。为了适合不同层次的机器人爱好者的学习需求，本书对一些深奥的数学或物理知识进行了简要说明，即使不参考专业书籍也可以通读本书。

内容：本书构建了包括城市轨道交通常态与非常态场景下车站级和网络级短时进站流预测、短时OD流预测、短时断面流预测、以轨道交通为骨干的多模式交通短时客流预测、基于计算机视觉的轨道交通站内关键设施处短时客流预测等在内的一整套智能城市轨道交通短时客流预测体系。具体章节内容安排如下：第1章为绪论。第2章为城市轨道交通车站级常态短时进站流预测。第3章为城市轨道交通网络级常态短时进站流预测。第4章为城市轨道交通车站级与网络级非常态短时进站流预测。第5章为城市轨道交通车站级与网络级短时OD流预测。第6章为城市轨道交通网络级短时断面流预测。第7章为以轨道交通为骨干的多模式交通短时客流预测。第8章为基于计算机视觉的城市轨道交通站内短时客流预测。 读着对象：本书主要面向城市轨道交通运营管理部分科研人员，广大从事交通大数据分析、机器学习或深度学习的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员，可作为各高等院校交通运输、交通工程等专业的本科生和研究生教材。 特色：随着大数据、人工智能等技术的兴起，利于人工智能方法进行短时客流预测的研究兴起，然而目前国内鲜有利用人工智能方法针对城市轨道交通进行短时客流预测的专著，本书为当前鲜有的利用人工智能进行城市轨道交通短时客流预测方法的专著，构建了一整套包括城市轨道交通常态与非常态场景下车站级和网络级短时进站流预测、短时OD流预测、短时断面流预测、以轨道交通为骨干的多模式交通短时客流预测、基于计算机视觉的轨道交通站内关键设施处短时客流预测等在内的一整套智能城市轨道交通短时客流预测体系。

《深度序列模型与自然语言处理：基于TensorFlow2实践》以自然语言和语音信号处理两大应用领域为载体，详细介绍深度学习中的各种常用序列模型。 在讲述理论知识的同时辅以代码实现和讲解，帮助读者深入掌握相关知识技能。 《深度序列模型与自然语言处理：基于TensorFlow2实践》共12章，不仅涵盖了词向量、循环神经网络、卷积神经网络、Transformer 等基础知识，还囊括 了注意力机制、序列到序列问题等高级专题，同时还包含其他书籍中较少涉及的预训练语言模型、生成 对抗网络、强化学习、流模型等前沿内容，以拓宽读者视野。 《深度序列模型与自然语言处理：基于TensorFlow2实践》既适合互联网公司算法工程师等群体阅读，又可以作为本科高年级或研究生级别的自然语言处 理和深度学习课程的参考教材。

《细说机器学习：从理论到实践》从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：第一篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习最重要与高频使用的模型，包括K-Means聚类、K最近邻、回归、决策树、朴素贝叶斯、支持向量机、神经网络等内容。本篇不仅详细讲解各个算法的原理，还提供大量注释详尽的代码示例，使这些算法变得直观易懂。第三篇为拓展应用，包括集成学习、深度学习框架TensorFlow与PyTorch入门、卷积网络、激活函数以及模型微调与项目实战。本篇内容更加前沿与高级，带领读者跨过机器学习的门槛，进行真实项目的实践与部署。 《细说机器学习：从理论到实践》内容丰富、系统且实用，大量相关代码示例贴近实战，能够为读者学习机器学习打下扎实的基础，并真正掌握运用这些知识与算法解决实际问题的技能。适合机器学习入门者、大学生、人工智能从业者，以及各行业技术人员和科研人员使用，也可作为培训机构和大专院校人工智能课程的教学用书。