《Python深度学习入门：从基础知识到实践应用》全面细致地讲解了深度学习的基础知识及其应用，具体内容包括深度学习开发环境的准备、Python的基础知识，以及深度学习模型的使用与开发等。《Python深度学习入门：从基础知识到实践应用》中充分结合了实例，对深度学习的概念、模型和程序语句进行了深入浅出的介绍，尤其是重点介绍了使用迁移学习的“NyanCheck”应用程序如何识别图像的种类，全面剖析了深度学习在实际中的应用。《Python深度学习入门：从基础知识到实践应用》适合人工智能、机器学习和深度学习方向的学生和技术人员学习，也适合广大人工智能爱好者阅读。通过《Python深度学习入门：从基础知识到实践应用》你将学习以下内容：Python的基础知识使用迁移学习的应用程序，及如何将其配置到GCP深度学习的基础和实际编程技术使用迁移学习的NyanCheck应用程序及其在GoogleCloudPlatform上的配置方法《Python深度学习入门：从基础知识到实践应用》特点：简单易懂，没有Python的基本知识，按照《Python深度学习入门：从基础知识到实践应用》章节也可实现深度学习快速入门数学公式少，并且以一种易于理解的方式进行解释实操演练，使用深度学习模型开发Web应用程序

《智能推荐技术（大数据与人工智能技术丛书）》围绕电商、资讯等众多实际应用背后的内核，即智能推荐技术，系统介绍经典和前沿技术，包括基于邻域、矩阵分解、深度学习、迁移学习、联邦学习等的建模方法和推荐算法。《智能推荐技术（大数据与人工智能技术丛书）》围绕用户行为数据的建模问题组织内容，全书共分6部分： 第1部分（第1章）为背景和基础； 第2部分（第2～4章）为单行为推荐，是指仅对一种显式反馈（如评分）或一种隐式反馈（如浏览）数据进行建模； 第3部分（第5～6章）为多行为推荐，是指同时考虑浏览和购买等包含多种行为的数据； 第4部分（第7～8章）为序列推荐，是指同时关注用户行为和这些行为的先后顺序； 第5部分（第9～10章）为联邦推荐，更加关注用户行为中的隐私和数据安全问题； 第6部分（第11章）为总结与展望。全书综合梳理了多个智能推荐问题和相关技术，分析了方法的优缺点和内在联系，并在每章结束时提供了详细的参考文献和有针对性的习题。《智能推荐技术（大数据与人工智能技术丛书）》可以作为计算机科学与技术、软件工程等相关专业的研究生和高年级本科生的教材，也可以作为推荐系统工程师的参考手册。

本书是一本系统介绍深度学习技术及开源框架PyTorch的入门书。书中通过大量案例介绍了PyTorch的使用方法、神经网络的搭建、常用神经网络（如卷积神经网络、循环神经网络）的实现，以及实用的深度学习技术，包括迁移学习、对抗生成学习、深度强化学习、图神经网络等。读者通过阅读本书，可以学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。第2版基于PyTorch 1.6.0，对全书代码进行了全面更新，同时增加了Transformer、BERT、图神经网络等热门深度学习技术的讲解，更具实用性和时效性。

这本书系统阐述了深度学习方法论在道路短期交通状态时空序列预测领域的**研究成果。需要着重说明以下几点：（1）领域限定在了道路交通，因为交通是个大系统，存在着航空、水运、道路等多种运输方式，而本书所阐述的研究均是针对道路交通领域的数据以及面向道路交通领域的应用；（2）本书所讨论的研究问题是道路短期交通状态时空序列预测问题，该问题是时空数据挖掘领域中时空预测问题的一个重要子集，在本书的第1章中将会对这个问题进行数学上的形式化定义；（3）本书针对道路短期交通状态时空序列预测问题的讨论，完全是基于深度学习的方法论，所参考的文献绝大部分发表于2017年以后，并不涵盖前人对该研究问题所采用的全部方法论（如ARIMA，卡尔曼滤波、SVR等）。

《Scikit-Learn机器学习核心技术与实践》循序渐进地讲解了使用 Scikit-Learn 开发机器学习程序的核心知识，并通过具体实例的实现过程演练了使用 Scikit-Learn 的方法和流程。全书共10章，包括人工智能与Scikit-Learn 简介，加载数据集，监督学习，无监督学习，模型选择和评估，数据集转换，实现大数据计算，英超联赛比分预测系统（Matplotlib+Scikit-Learn+Flask+Pandas），AI考勤管理系统（face-recognition+Matplotlib+ Django+Scikit-Learn+Dlib），实时电影推荐系统（Scikit-Learn+Flask+Pandas）。本书简洁而不失其技术深度，内容丰富全面，易于阅读。 \n《Scikit-Learn机器学习核心技术与实践》适用于已经了解Python语言基础语法的读者，以及想进一步学习机器学习和深度学习技术的读者，还可以作为大专院校相关专业的师生用书和培训学校的专业教材。 \n

本书以读者熟知的姜子牙的故事为线索，围绕人工智能技术的特色和应用，介绍自然语言处理、机器翻译、计算机视觉等人工智能技术内容，并通过大量实例帮助读者动手实践，掌握用AI解决实际问题的能力。

本书包含智能无人系统理论技术与产业应用发展总体态势、智能无人系统技术理论及应用创新重点、智能无人系统产业发展趋势和吴国智能无人系统发展重点与机遇四个部分，读者为无人系统领域从业人员，本书的主要特点为对无人系统未来的发展做趋势性研判，能够对相关从业人员予以指导。联盟发布智能无人系统白皮书，探讨以人工智能技术为主要驱动力的智能无人系统发展状况、技术创新重点与产业发展趋势，总结我国发展情况，提出未来发展方向与机遇，以期联合政府、业界、高校共同推动我国智能无人系统的技术创新与产业发展。

当前，人工智能技术正在火热发展之中，并广泛应用于生产生活的方方面面，极大地改变了人们的生活。同时，人工智能技术的发展也对更多的领域产生了冲击。本书就以人工智能技术的发展和应用为出发点，讲述人工智能当前的发展现状、机遇和挑战，以及人工智能技术在诸多方面的应用、未来的发展前景等。 在讲述理论的同时，本书还加入了诸多经典案例，并针对人工智能技术在应用上的难点提出了解决方案。对于互联网、人工智能等领域的企业以及从事高新技术的人员而言，本书是一本可操作性极强的实战书。

本书主要介绍数字图像处理基础知识与基于OpenCV和C++的图像编程技术的相关内容，旨在帮助读者尽快掌握数字图像理论知识和编程技术。 本书第1章主要介绍OpenCV基础；第2章主要介绍图像预处理；第3章主要介绍图像分割和数学形态学；第4章主要介绍特征提取与匹配；第5章主要介绍模板匹配与轮廓绘制；第6章主要介绍视频录制与目标追踪；第7章主要介绍三维重建；第8章主要介绍距离测量与角点检测；第9章主要介绍图像识别应用，涉及文字识别、二维码识别、人脸识别和车牌识别等内容；第10章主要介绍基于深度学习的图像应用。书中通过近百个编程实例和项目，帮助读者掌握数字图像处理原理，并进一步掌握数字图像的编程技术。本书不仅适合各类院校相关专业的学生使用，也适合对数字图像编程感兴趣，已有一定的C++编程基础，但没有数字图像基础理论知识的读者阅读。

当前AI图书市场，理论知识与实践经验的脱节，是很多书籍的缺点。本书立足于理论，从实例入手，将理论知识和实际应用结合，目标是让读者能够快速地熟悉人工智能中经典算法。全书分为4篇，共20章。其中第1篇为基础算法篇，主要讲述排序、查找、线性结构、树、队列、散列、图、堆栈等基本数据结构算法；第2篇为机器学习算法篇，主要讲述分类算法、回归算法、聚类算法、降维算法和集成算法；第3篇为强化学习算法篇，主要讲述基于价值的强化学习算法和基于策略的强化学习算法；第4 篇为深度学习算法篇，主要讲述神经网络模型算法、循环神经网络算法和卷积神经网络算法等内容。 本书适合从事数据科学与人工智能相关行业的读者阅读。