本书从数据集、数据清理开始谈起，在介绍机器学习的建模方式后，第2章详细说明了机器学习与深度学习所涉及的矩阵、向量等技术。第3章使用Keras搭建深度学习模型，也介绍了激活函数、损失函数、反向传播、过拟合或欠拟合等问题。第4章给出了训练深度学习模型的过程中可能存在的交叉验证问题。当需要提高模型精度时，可以考虑参考第5章中的L1/L2正则化、丢弃正则化、早停等方式。第6章讲解模型评估问题，在太平洋飓风数据集上指出准确率的局限性，从而引出混淆矩阵、ROC曲线、AUC评分等概念。接下来的3章介绍卷积神经网络、迁移学习、循环神经网络等问题，这些内容在工业实际项目中占据核心地位，值得大家多写代码、多实践。

本书是大数据分析技术的入门图书，内容分为大数据分析与挖掘概述、Spark SQL结构化数据分析与处理、Spark Streaming流数据分析与处理、Spark GraphX图数据分析与处理、Spark MLlib机器学习和大数据分析系统等6章。通过每章的章节导读，读者能够快速了解本章相关内容的背景意义；通过相关理论及概念的介绍，读者能够对大数据分析的基本方法有整体认识和了解；通过典型案例的讲解，读者能够对大数据分析技术的应用有深刻认识。本书既注重基础知识也关注前沿问题，通过知识链接、小贴士等板块补充相关前沿知识内容。 本书可作为数据科学与大数据专业人员的入门读物，也可作为相关职业教育课程的参考书，还可作为大数据技术应用的爱好者以及各领域大数据建设、管理和运用者的参考书。

人工智能教育第三册共四个单元，从衣食住行四个方面的生活情境入手，让学生在真实问题或项目实践中，循序渐进地掌握信息处理的基本过程与方法，体验过程与控制的场景，验证解决问题的过程，初步具备应用信息技术解决问题的能力，为后续的学习奠定基础。生活中广泛存在着“输入——计算——输出”的计算模式，本书以开源硬件和简易智能小车为载体，让学生了解多种传感器的工作原理和应用场景，学会分析简单系统构成、分析简单算法的执行过程与结果。在动手实践的过程中加深对生活中人工智能应用的理解，激发学生探索的兴趣。

人工智能技术正在深刻地改变着整个世界，也悄然地影响着我们生活的方方面面。本册书适用于小学二年级学生学习，致力于开展同学们对于人工智能技术的初体验，培养同学们的理性思维和创新能力，激发同学们对于人工智能技术的兴趣。本书以图图和灵灵准备游览故宫以及游览故宫的过程为故事主线，共分为“网上快乐游故宫”、“智能语音助手”、“智能人脸”以及“智能识物”四个单元，运用生动活泼的语言和贴近生活的案例进行人工智能相关概念的阐述。同学们跟随着图图和灵灵的探索脚步，既可以学习和了解人工智能的基础知识，也可以通过使用及体验各种人工智能相关产品感受人工智能技术为日常生活方式带来的变化和便利，还能了解一些故宫相关的中国传统文化知识。

大致内容：本丛书共六册，分别从学生身边的生活入手，衣、食、住、行中的人工智能应用，引导学生认识与了解身边的人工智能世界，学习并实践人工智能技术，由浅入深，正确理解人工智能的概念，并最终达到人工智能的培养目标：1. 人工智能意识：提升对人工智能技术的敏感度与理解力；2. 技术应用能力：实践与探究人工智能技术的应用价值；3. 实践创新思维：激发人工智能技术的实践创新思维；4. 智能社会责任：树立适应智能社会发展的责任意识特色： 1品牌效应：该教材由北京师范大学、中国人民大学附属中学、清华大学出版社、沐邦高科（原邦宝益智）、网易科技教育有限公司联合打造，汇聚高校、中小学、出版、软硬件支持的国内z强品牌，保证了本套丛书整体的高质量。 2.项目式学习。丛书以项目为单元，在任务解决中培养学生的创新精神与实践能力。采用深度学习的理念，尤其关注学生思维能力的发展。 3.游戏化学习。本书辅以软件支撑平台，学生能通过即时应用与实践。平台界面友好，符合小学生认知特点，读者对象为小学一至六年级在校学生、教师、广大家长朋友，及人工智能教育研究者。

Web3是一场基于加密货币和DAO的革命。作为一种对Web3提供支撑的组织形式——DAO，是一种基于区块链的规则共享及以共同目的为中心的组织。这算是对DAO的一个简单的理解，详情后述。 本书不是纯经济学图书，也不是纯技术类图书，更不是一本用来自学的参考书或者预测未来的科幻小说，而是一本关于Web3和DAO的图书。Web3可以称为互联网的转折点，它的出现使得DAO成为可能。在本书里，我们一边梳理互联网的历史，一边对Web3和DAO的概念与本质进行归纳总结。你能阅读本书，说明你对Web3应该是感兴趣的。这对从事这个行业的作者来说是一件值得感谢和高兴的事情。本书适合想了解元宇宙和Web3的普通读者、想提前布局Web3的资本投资人、Web3相关的研究人员和从业人员阅读参考。

随着人工智能技术的广泛应用，网络智能化近年来受到广泛的关注，已经成为下一代移动通信与未来网络的重要技术。阿尔法围棋（AlphaGo）之后，深度强化学习不断推陈出新，为网络中的决策问题提供了有效的潜在解决方案。本书系统介绍了网络智能化中深度强化学习的基本理论、算法及应用场景。全书共8章，针对互联网、移动通信网、边缘网络、数据中心等典型网络，阐述了网络管理、网络控制、任务调度等决策需求，深入论述了深度强化学习的模型构建与应用技术。第1章介绍了网络智能的需求与挑战；第2章介绍了先进的深度强化学习模型与方法；第3～6章论述了无线接入优化、网络管理、网络控制与任务调度等普遍网络管控任务中，深度强化学习技术的应用方法；第7章和第8章论述了深度强化学习在流媒体控制以及自组织网络等典型场景中的新研究进展。 本书可为高等院校计算机和通信相关专业的本科生、研究生提供参考，也可供对网络智能化与深度强化学习领域感兴趣的研究人员和工程技术人员参考。

本书先介绍深度强化学习的基础知识及相关算法，然后给出多个实战项目，以期让读者可以根据环境的直接反馈对智能体加以调整和改进，提升运用深度强化学习技术解决实际问题的能力。 本书涵盖深度Q网络、策略梯度法、演员-评论家算法、进化算法、Dist-DQN、多智能体强化学习、可解释性强化学习等内容。本书给出的实战项目紧跟深度强化学习技术的发展趋势，且所有项目示例以Jupter Notebook样式给出，便于读者修改代码、观察结果并及时获取经验，能够带给读者交互式的学习体验。 本书适合有一定深度学习和机器学习基础并对强化学习感兴趣的读者阅读。

本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 第一部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikitlearn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践篇（第4~19章），对监督学习、无/非监督学习、强化学习三大类常用算法逐一讲解，包括机器学习算法的原理、算法的优缺点、算法的实例解释以及Python的实践应用。 本书适合对人工智能、机器学习感兴趣的读者，希望用机器学习完成设计的计算机或电子信息专业的学生，准备开设机器学习、深度学习实践课的授课老师，学习过C语言，且希望进一步提高编程水平的开发者，刚从事机器学习、语音、机器视觉、智能机器人研发的算法工程师阅读。

本书为深入理解学习Go语言必经之路中的重点知识领域，采用大量精美详细的图文介绍，文章讲解深入浅出，极大降低了理解Golang底层精髓的学习门槛。 本书包含3篇：第一篇为深度理论篇（第1章~第4章），包含深入理解Golang中GPM模型、深入理解Golang垃圾回收GC三色标记与混合写屏障、深入理解Golang内存管理模型、网络IO复用模型等。第二篇为Golang实战中需要进阶的知识盲区介绍（第5章~第12章）。第三篇为基于Golang从0到1的实现轻量级网络服务框架Zinx及相关应用案例。 本书主要的面向读者是已经具有软件编程开发经验的工程师、系统开发工程师、期望由Python、PHP、C/C++、Ruby、Java等编程语言转职到Golang开发的后端工程师、期望深入理解Go语言特性的计算机软件学者等。