本书以系统性地介绍深度学习理论和相关技术应用为目标，对框架实现及多种深度学习模型进行了详细讲解，并且在介绍计算机图形学（CV）和自然语言处理（NLP）任务之外，还会对科学研究、城市监测等方面的范例应用进行讲解。本书知识全面、实用，共10章，内容包括深度学习数学基础，深度学习基础模型（全连接网络、卷积神经网络、循环神经网络和Transformer等）和实现，多场景多领域最佳实践，模型优化、加速与部署等。本书配套有完整的案例源码，获取方式见封底。本书适合有数据分析需求的技术人员、科研人员，以及互联网数据分析人员阅读，还可以作为深度学习培训班及相关专业研究生的教学参考用书。

本书前几章涵盖了DevOps和MLOps的理论和实践，然后介绍了如何设置持续集成和持续交付，接着介绍Kaizen，即对所有事物进行持续改进的想法。与云计算相关的MLOps分为三章，涵盖AWS、Azure 和GCP（谷歌云平台）。之后介绍了机器学习互操作性、构建MLOps命令行工具和微服务。这些主题包括许多具有积极吸引力的尖端新兴技术。结尾介绍了一些真实案例研究，以及执行MLOps时面临的挑战。

《深度学习与计算机视觉：核心算法与应用》理论结合实践，详细介绍机器学习与深度学习常用算法和模型及其在计算机视觉领域的典型应用。对于初学者而言，本书从零开始系统地介绍建模的流程和方法，可以带领他们快速上手；对于有一定基础的读者而言，《深度学习与计算机视觉：核心算法与应用》介绍多种算法和模型的原理，可以帮助他们深入理解并进行实践。 《深度学习与计算机视觉：核心算法与应用》共10章，分为3篇，每篇均从基本概念、模型与算法原理、代码实现三个方面讲解。第1篇“机器学习原理”，围绕机器学习流程，重点介绍特征处理、模型训练和模型评估等相关内容，包括数据集的划分和使用、数据探索和预处理、模型原理分析和选择、模型评估和应用等。第2篇“计算机视觉基础”，介绍计算机视觉的基本概念和处理流程，以及OpenCV的使用和图像特征提取等相关内容。第3篇“深度学习模型与计算机视觉应用”，首先介绍前馈神经网络和循环神经网络的结构，然后介绍深度学习的多种经典算法和14种常见模型，最后结合实例介绍图像分类、目标检测、语义分割、实例分割和目标追踪5类常见的计算机视觉应用。 《深度学习与计算机视觉：核心算法与应用》内容翔实，实例丰富，适合人工智能初学者尤其是计算机视觉初学者阅读，也适合有一定基础的机器学习、深度学习和计算机视觉从业人员阅读，另外还适合作为高等院校人工智能相关专业的教材。

人类意识与人工智能

本书介绍了人工智能技术的基础，包括智能的产生过程，从原始的机械“智能”到人脑、计算机“脑”、计算机思考方式等，而后讲解了计算机智能是如何发生的，从计算机如何获得知识，到计算机如何思考。后，以刷脸门禁系统和各种智能服务系统为例进行应用举例。 全书共分四单元：、第二单元以门禁为例介绍人工智能技术的基础知识，并在后一小节将刷脸门禁系统制作出来。第三、第四单元以各种实例来介绍人工智能技术在“智能服务”领域的应用。 本书适合作为小学中、高年级的教材或辅助资料，也可供小学科技教师参考。

随着智能时代的到来，人们越来越多的关注人工智能。人工智能为人类提供了多个领域的帮助并赋能社会。本书主题为人工智能与社会，学生通过在线社会、大数据与信息安全、智能生活和智能机器人等四个单元，了解人工智能在人们生活、学习和工作中带来的便利，了解人工智能社会的运作机制。 五年级的孩子具备了一定的学习能力和动手能力，他们可以利用在线网站、应用、小程序和一些硬件来实现对人工智能的体验，从而形成信息意识、计算思维和信息安全意识。

本书是机器学习领域的入门教材，从理论、抽象和设计三方面阐述了机器学习的理论基础、算法实现和具体应用技巧。全书共12章，包括Python概述，Pythor语言基础，基础数据结构，函数与模块，面向对象程序设计，NuPy数据分析，数据可视化，基础算法分析与实现，机器学习概述，回归分析，分类算法，聚类算法。本书既注重保持理论分析的严谨性，又注重机器学习算法的实用性，同时强调机器学习算法的思想和原理在计算机上的实现。本书可作为高等职业院校人工智能相关专业的入门课程教材或教学参考书，也可以供从事机器学习应用开发的技术人员参考。

本书从大数据分析的原理、技术和应用的角度，围绕着大数据分析的基础知识、大数据分析平台的核心原理、大数据分析的关键技术、大数据分析的应用四个方面进行讲述，使学生能掌握大数据分析的基本原理和核心技术，同时通过大数据分析在上市公司信用风险预测研究中的应用案例使学生熟悉大数据分析的原理和技术的实际应用，并能搭建大数据分析平台分析大规模数据集。其中，大数据分析的基础知识包括：大数据产生的背景、大数据的概念、特点、价值、大数据带来的思维变革；大数据分析平台的核心原理包括：两种常用开源大数据分析平台――Hadoop和Spark的起源、发展及应用现状，理解两种平台各自的体系架构、基本运行机制及适用范围，掌握其安装部署过程及基本使用方法，为大数据分析的应用打下基础；大数据分析的关键技术包括：Hadoop分布式文件系统、MapReduce并行编程模型、Hadoop 2.0的资源管理调度框架――YARN、大数据的获取和预处理、大数据的聚类和分类算法。

本书从MATLAB仿真角度系统地介绍了滑模变结构控制的几种先进方法和应用技术，是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。 本书是在原有第三版基础上修改而成，并增加和修改了部分内容。全书共分十四章，包括欠驱动系统滑模控制、基于观测器和解耦算法的滑模控制、控制输入受限条件下的滑模控制、挠性系统和奇异摄动系统的滑模控制、机械手滑模控制、基于函数逼近的机械手滑模控制、基于干扰观测器的机械手滑模控制、柔性机械手滑模控制、飞行器滑模控制、基于轨迹规划的滑模控制、基于传感器和执行器容错的滑模控制、基于事件驱动的滑模控制、主辅电机的协调跟踪滑模控制和具有控制输入延迟的滑模控制。每种控制方法都通过MATLAB仿真程序进行了仿真分析。 本书各部分内容既相互联系又相互独立，读者可根据自己需要选择学习。本书适用于从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员阅读，也可作为大专院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的教学参考书。

《Python分布式机器学习》本书详细阐述了与分布式机器学习相关的基本解决方案，主要包括拆分输入数据、参数服务器和All-Reduce、构建数据并行训练和服务管道、瓶颈和解决方案、拆分模型、管道输入和层拆分、实现模型并行训练和服务工作流程、实现更高的吞吐量和更低的延迟、数据并行和模型并行的混合、联合学习和边缘设备、弹性模型训练和服务、进一步加速的高级技术等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。