《认知规律启发的显著性物体检测方法与评测》的作者范登平博士在苏黎世联邦理工学院全职从事研究工作。本书的研究内容紧密结合了人类视觉认知机制和显著性计算技术，所提出的核心技术为计算机视觉的诸多任务提供了重要的技术基础。由范博士设计的两项指标已经成为SOD领域评测模型的黄金标准，为该领域的学术共同体提供了更加全面、客观的结果。《认知规律启发的显著性物体检测方法与评测》共七章：第1章 绪论，介绍本书的研究背景并简述研究目标和主要贡献。第2章 相关工作，介绍相关工作，包括图像显著性物体检测、视频显著性物体检测、非二进制显著性物体检测评价指标和二进制显著性物体检测评价指标。第3章 富上下文环境下的显著性物体检测数据集与评测，详细介绍富上下文环境下的显著性物体检测数据集与评测，包括显著性物体检测数据集的构建和基于属性的评测。第4章 基于注意力转移机制的视频显著性物体检测，详细介绍本书提出的基于注意力转移机制的视频显著性物体检测技术、新的视频显著物体检测数据集以及模型的评测。第5章 基于结构相似性的显著性检测评价指标，详细讨论本书提出的基于结构相似性的显著性检测评价指标，并利用该评价指标对多种基于深度学习的模型进行评测。第6章 基于局部和全局匹配的显著性物体检测评价指标，讨论了本书提出的基于局部和全局匹配的显著性物体检测评价指标，该指标主要针对物体分割之后的二值显著图的评价，通过一系列元度量实验，证明了该指标*符合人眼的感知。第7章 总结与展望，总结全书并讨论未来的研究方向。

“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据思维、机器学习、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。 《视觉感知：深度学习如何知图辨物》是“人工智能超入门丛书”中的分册，本分册主要介绍人工智能视觉领域的相关知识，以通俗易懂的文字风格，解读用卷积神经网络等深度学习算法及机器学习算法对图像进行分类和识别的方法，介绍OpenCV在图像处理中的基础知识，为进一步学习高阶内容奠定基础。同时，本书配有关键代码，让读者在学习过程中快速上手，提升解决问题的能力。 本书可以作为大学生以及想要走向计算机视觉相关工作岗位的技术人员的入门读物，同时，对人工智能感兴趣的人群也可以阅读。

本书围绕云计算核心进行展开，从基础知识到集群架构实现，全面系统地讲解了如何从一个什么都不懂的云计算初学者成长为可以根据业务需求进行技术选型实施云计算集群架构。全书分为上下篇，上篇主要是Linux系统原理和使用，云计算的环境是以此为基础，尤其是关于防火墙和网络跟云计算的实现关系紧密，了解其原理和使用是有必要的；下篇主要介绍了云计算集群的设计和实践，从基础知识的介绍、发展趋势及应用、云计算项目的核心组件、企业项目分析及技术选型、云计算集群的搭建、小型集群的调优、大型集群的部署方案、多种网络环境配置、虚拟机和容器的部署使用、不同镜像的制作方案及使用规范、常见问题及解决方案等多个方面进行展开和实践，内容从基础到高阶，技术从概念到原理，项目从业务拆分需求分析到技术选型搭建使用，遵循逐步递进的原则，逐步深入和提高。希望读者通过本书可以了解并掌握云计算集群的使用，并对业务技术架构有自己的思考。 对于有一定的开发、设计经验的技术人员，并想了解云计算集群的搭建和使用，本书具有很大的参考意义。本书涵盖了Linux基础知识与原理，对于没有开发经验的人员，可以稳扎稳打从基础部分学习，以及云计算的核心技术与原理和大型云计算集群的实践案例，可以详细了解到云计算集群的架构及相关问题的解决思路和方案。

本教材主要内容包括计算机视觉历史回顾与介绍、数据驱动的图像分类方式：K最近邻与线性分类器、线性分类器损失函数与很优化、反向传播与神经网络、神经网络的训练、卷积神经网络、迁移学习之物体定位与检测、卷积神经网络的可视化与进一步理解、卷积神经网络工程实践技巧、深度学习开源库使用介绍、图像分割与注意力模型、视频检测与无监督学习等。本书适合高等学校图像处理、模式识别、机器视觉、人工智能相关专业本科高年级学生和研究生使用，也可作为相关专业领域科研工作者参考书。

本书以团体标准《青少年编程能力等级 第2部分：Python编程》为依据，旨在引导青少年走进 Python编程乐园的大门，形成基本的编程思维。本书内容覆盖该标准Python编程一级全部12个知识点。 全书共11个单元，逻辑上形成Python入门的四层台阶。第一级台阶为初步认识Python（第1～2单 元），主要介绍Python是什么，怎样进行Python编程以及Python程序的基本特征。第二级台阶为认识 Python中的基础数据类型（第3～6单元），主要介绍数字、字符串、列表三类Python基础数据类型 及基本应用。第三级台阶为Python初级应用——turtle画图（第7单元），介绍turtle画图的基本编程知 识，让学生领略Python编程的美。第四级台阶为控制结构及简单工具（第8～11单元），介绍Python 的基本控制结构、异常处理及标准函数的使用，为学生构建较为完整的编程思维。 本书适合报考全国青少年编程能力等级考试（PAAT）Python一级科目的考生选用，也是青少年进 行Python入门学习较为理想的教材。

如今绝大多数数据科学家和数据工程师基于高质量的标记数据集来训练学习模型。但是，人工构建训练集既耗时又昂贵，以至于很多公司的机器学习项目无法完成。有一种更为实用的方法。在本书中，Wee Hyong Tok、Amit Bahree和Senja Filipi向你展示了如何使用弱监督学习模型创建产品。你将学习如何通过使用Snorkel（斯坦福大学人工智能实验室的一个衍生产品），在弱标记数据集上构建自然语言处理和计算机视觉项目。由于很多公司研究的机器学习项目从未走出他们的实验室，所以本书还提供了如何在真实案例中使用你所构建的深度学习模型的指南。

本书主要介绍关于人工智能语音测试的各方面知识点和实战技术。全书共分为9章，第1章和第2章详细介绍人工智能语音测试各种知识点和人工智能语音交互原理；第3章和第4章介绍人工智能语音产品需求和评价指标及其相对应的验收标准；第5章介绍如何准备语音数据，包括准备方案和具体方法；第6～9章介绍人工智能语音测试涉及的4大模块，即黑盒测试、自动化测试、算法测试、性能测试。本书从理论概念到测试实践，从手工测试到自动化测试，内容翔实且丰富，其中的项目方案、范例和实战代码都是经过长时间验证的，可直接用于实际环境。 本书适合初中高级软件测试工程师，测试经理/总监、开发工程师以及人工智能语音测试爱好者阅读，也可以作为培训机构和大专院校的教学用书。

本书在对人工智能技术的内涵、构成和各国对人工智能采取的监管政策进行梳理的基础上，从哲学、伦理、道德、法律等方面对人工智能技术在应用过程中可能引发的不确定性风险进行分析，提出了相应的变革之道。全书共有十一章，内容包括人工智能技术的内涵与构成，各国对人工智能采取的监管政策，人工智能对就业、医疗、金融和司法等领域的的影响，人工智能主体性的哲学和伦理审视，人工智能人格权确认的道德风险和法律困境以及人工智能时代的公共政策议程，政府治理、算法与权力的博弈，公共安全和全球治理秩序等。

本书是针对ROS（机器人操作系统）初学者的入门教程，内容聚焦于ROS的使用和开发。以Ubuntu操作系统安装和使用为起点，依次介绍了ROS安装、实体/仿真机器人搭建、机器视觉、SLAM建图、导航、多机器人系统等知识，*终引导读者独立完成机器人应用开发的任务。本书中的实验环境和代码基于ROS的Noetic版本。本书为读者提供了全部案例源代码和学习资料，读者可以直接扫描二维码下载。本书适合ROS用户及其编程开发人员使用，也可以作为高等学校或培训学校相关专业的参考教材。

时间序列在现代生活中无处不在，它也是数据分析的重要对象。本书介绍时间序列分析的实用技巧，展示如何结合机器学习方法和传统的统计方法来分析各类时间序列数据，并提供Python示例和R示例。本书共有17章，首先概览时间序列分析的历史，然后介绍数据的获取、清洗、模拟和存储，接着关注可用于时间序列分析的建模技术，最后探讨时间序列分析在几个常见领域中的应用。 本书适合与时间序列打交道的数据分析师、数据工程师、数据科学家及其他相关从业人员阅读。