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。

本书着眼于人工智能自身的安全问题，旨在将当前人工智能安全的基础问题、关键问题、核心算法进行归纳总结。本书的定位是学习人工智能安全的入门书籍，因此先详细介绍了人工智能安全相关的基础知识，包括相关的基础算法和安全模型，使得读者明确人工智能面临的威胁，对人工智能安全有一个大体的概念和初步认识。然后将人工智能系统的主要安全威胁分为模型安全性威胁和模型与数据隐私威胁两大类。模型安全性威胁主要包括投毒攻击、后门攻击、对抗攻击、深度伪造。模型与数据隐私威胁主要包括窃取模型的权重、结构、决策边界等模型本身信息和训练数据集信息。本书在介绍上述经典攻击技术的同时，也介绍了相应的防御方法，使得读者通过这些攻击了解人工智能模型的脆弱性，并对如何防御攻击的方法、如何增强人工智能模型的鲁棒性有一定的思考。本书主要从隐私保护的基本概念、数据隐私、模型窃取与防御三个维度来介绍通用的隐私保护定义与技术、典型的机器学习数据隐私攻击方式和相应的防御手段，并探讨了模型窃取攻击及其对应的防御方法，使得读者能够直观全面地了解模型与数据隐私并掌握一些经典算法的整体实现流程。这本书还介绍了真实世界场景中不同传感器下的对抗攻击和相应的防御措施以及人工智能系统对抗博弈的现状。相比于数字世界的攻击，真实世界的攻击更需要引起人们的关注，一旦犯罪分子恶意利用人工智能系统的漏洞，将会给人们的生产生活带来安全威胁，影响大家的人身安全、财产安全还有个人隐私。读者可以通过阅读此书的知识内容及相关经典案例了解掌握人工智能系统面临的攻防技术，了解如何在前人的基础上，研究出针对各种攻击的防御方法，为可信人工智能助力。本书适合期望入门人工智能安全的计算机相关专业的学生、技术工作者，人工智能领域的从业人员，对人工智能安全感兴趣的人员，致力于建设可信人工智能的人员，本书所涉及的内容可以帮助读者快速全面地了解人工智能安全所涉及的问题及技术，了解相关攻防技术算法的基本原理，可帮助人工智能领域的开发人员做出更安全的应用产品。

本书为“5G的世界”丛书第二辑的一个分册。农业是与信息通信技术的发展结合最为紧密的行业之一，随着5G技术的商用普及，智慧农业的发展也迎来更大利好。借助5G技术，农业领域能够对土壤、气象等关键数据进行实时监测和获取，对生长环境和生长情况进行实时跟踪，对农机智能装备进行远程控制。本书着眼于智慧农业和5G的发展现状，深入阐述了5G对智慧农业领域的赋能及融合发展趋势，并对多种5G与农业业务场景的应用结合及创新模式进行探索。最后，本书对5G智慧农业的未来进行充分的畅想及展望，并对5G时代智慧农业行业的发展做了远期规划。

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。

机器学习是计算机科学和人工智能的重要分支之一，它被广泛应用在多种领域，如机器人、无人驾驶汽车等。本书是“达人迷”经典系列中关于机器学习的一本。本书内容分为6个部分，共计23 章，由浅入深地讲解机器学习的基本知识、本书使用的语言——Python 和 R、必备的数学知识、处理数据的常用工具、机器学习的应用以及常见的学习包和模型 6 个方面，以帮助读者了解并掌握机器学习的相关知识，并能将其应用于自己的工作中。本书适合Python程序员、R程序员、数据分析人员、机器学习领域的从业人员以及对算法感兴趣的读者阅读。

本书基于以RP2040 MCU 芯片为核心的树莓派Pico开发板，利用Pico硬件扩展接口和面包板设计典型硬件电路，并结合MicroPython编程语言讲述了嵌入式系统典型接口技术与应用实例;在介绍机器学习技术基本方法基础上，讲述了树莓派Pico嵌入式机器学习（TinyML）技术与应用实例，介绍了华为AI云ModelArts开发平台构建机器学习模型和Edge Impulse开发平台构建嵌入式机器学习模型等技术。全书具体内容包括AI嵌入式系统基础知识、树莓派Pico开发板硬件基础、Pico开发板MicroPython编程基础、树莓派Pico开发板人机接口技术、树莓派Pico中断与定时技术、树莓派Pico串行通信与网络接口技术、树莓派Pico无线通信技术实践、树莓派Pico电机接口与控制技术实践、机器学习技术基础及实践、嵌入式机器学习技术实践。

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。

《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。