《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》以人工智能发展为时代背景，通过20个实际案例应用机器学习模型和算法，为工程技术人员提供较为详细的实战方案，以便深度学习。在编排方式上，全书侧重对创新项目的过程进行介绍。分别从整体设计、系统流程、实现模块等角度论述数据处理、模型训练及模型应用，并剖析模块的功能、使用和程序代码。为便于读者高效学习，快速掌握人工智能开发方法，本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题并给予解决方法，可供读者举一反三，二次开发。本书从系统设计、代码实现以及运行结果展示相结合，语言简洁，深入浅出，通俗易懂，不仅适合对Python编程有兴趣的爱好者，而且可作为高等院校参考教材，还可作为从事智能应用创新开发专业人员的技术用书。

本书基于Python语言，结合实际的数据集，介绍如何使用机器学习与深度学习算法，对数据进行实战分析。本书在内容上循序渐进，先介绍了Python的基础内容，以及如何利用Python中的第三方库对数据进行预处理和探索可视化的相关操作，然后结合实际数据集，分章节介绍了机器学习与深度学习的相关算法应用。本书为读者提供了源程序和使用的数据集，方便读者在阅读时同步运行程序，在增强学习效果的同时为读者节省了编写程序的时间。源程序使用Notebook的形式进行组织，每个小节注释清晰，讲解透彻。同时为程序配备了相应的视频讲解，辅助读者对程序能很好地理解和消化。本书在简明扼要地介绍算法原理的同时，更加注重实战应用和对结果的解读。

本书从理论到实践，循序渐进地介绍人工智能算法的基础知识，帮助读者敲开人工智能算法之门。本书共有8 章，分别为算法入门、算法之内力、算法之招式、算法之****、算法工程的组成部分、算法工程实战、进阶学习、思考与展望。本书主要讲解算法的历史背景与基本概念、与算法相关的数学基础知识、信息学算法与数据结构的概念与知识点、业界常用的几类机器学习算法模型；本书还会介绍算法工程比较完整的组成部分，以及一个典型的算法工程项目，手把手带领读者体验算法的魅力；此外，本书会介绍人工智能算法的三大研究方向，帮读者迈向进阶学习之路。本书适合从事人工智能应用实践的科研人员和工程技术人员阅读，也适合高等院校计算机科学与技术、人工智能、大数据等相关专业的本科生和研究生阅读。

《Python数据分析与可视化（第2版）-微课视频版/大数据与人工智能技术丛书》从Python数据分析的基础知识人手，结合大量的数据分析示例，系统地介绍数据分析与可视化方法，带领读者逐步掌握Python数据分析的相关知识，提高解决实际问题的能力。《Python数据分析与可视化（第2版）-微课视频版/大数据与人工智能技术丛书》共13章，主要内容包括数据分析与可视化概述、Python编程基础、NumPy数值计算基础、Pandas统计分析基础、Pandas数据载人与预处理、Matplotlib数据可视化基础、Seaborn可视化、pyecharts可视化、时间序列数据分析、SciPy科学计算、统计与机器学习、图像数据分析和综合案例实战等。《Python数据分析与可视化（第2版）-微课视频版/大数据与人工智能技术丛书》可作为高等院校数据科学与大数据、软件工程和计算机科学与技术等专业的教材，也可作为Python数据分析初学者和爱好者的参考书。

本书是普通高等教育“十一五”规划教材，系统介绍了人工智能的基本原理和相关的应用领域。全书共10章，包括：绪论、知识表达方法、问题求解方法、基本推理技术、不精确推理、PROLOG语言、专家系统、机器学习、人工神经网络和人工智能游戏。本书内容丰富、条理清楚，各章都配有例题，并给出了相当数量的习题，以帮助读者理解和掌握本书的内容。本书可作为高等学校信息类相关专业的教材，也可供相关专业领域的科技人员使用。

如果你想从程序员转型为人工智能专家，这里是一个理想的起点。基于LaurenceMoroney极其成功的人工智能课程，这本入门书提供了一种面向实践、代码优先的方法，帮助你在学习关键主题的同时建立信心。你所需要的只是Python的使用经验，了解其处理数据和数组的写法。你将学习如何实现机器学习中非常常见的场景，包括计算机视觉、自然语言处理（NLP）以及用于Web、移动、云端、嵌入式运行时的序列建模。大多数与机器学习相关的书开篇就是令人生畏的高级数学知识。这本指南提供了实用的课程，你可以直接同代码打交道。通过使用代码示例了解机器学习的基础知识使用TensorFlow为各种场景建模使用仅包含一个神经元的神经网络建模实现包括图像特征检测在内的计算机视觉使用NLP标记和序列化单词与句子将你的模型嵌入安卓和iOS设备通过TensorFlowServing在Web和云端提供模型

《机器学习设计模式（影印版）》中的设计模式针对机器学习中反复出现的问题给出实践和解决方案。作者为来自谷歌的三位工程师，他们整理了已证实的方法，帮助数据科学家解决整个机器学习过程中的常见问题。这些设计模式将数百位专家的经验转化成直接、易懂的建议。在这本书中，你会找到关于数据和问题表示、操作化、可重复性、可复现性、灵活性、可解释性和公平性的30种模式的详细解释。每个模式包括对问题的描述、各种可能的解决方案，以及针对你的情况选择技术的建议。你将学习：·识别和减轻在训练、评估以及部署机器学习模型时的常见挑战·为不同类型的机器学习模型表示数据，包括嵌入、特征交叉等·针对具体问题选择合适的模型类型·使用检查点、分发策略和超参数优化，建立一个鲁棒的训练循环·部署可扩展的机器学习系统，通过它你可以再训练和更新以反映新的数据·为用户解释模型的预测结果，确保模型公平地对待用户·提高模型的准确性、可复现性和弹性

本书从人工智能系统平台环境部署为主线讲解了人工智能的概念以及人工智能平台环境的部署，主要涉及Linux系统安装、GPU环境配置、Python环境配置、人工智能基础概念、Hadoop环境部署、数据库部署、Docker部署、集群的部署和维护等知识。全书知识点的讲解由浅入深，使每一位读者都能有所收获，也保持了整本书的知识深度。本书主要涉及八个项目，即基础环境搭建、人工智能平台知识基础、分布式计算原理及Hadoop部署、数据库基础知识、容器知识基础、容器管理工具及Kubernetes部署、人工智能平台实施、人工智能平台监控与维护，严格按照生产环境中的操作流程对知识体系进行编排。使用循序渐进的方式从Linux系统安装、GPU配置一直到相关服务的部署等知识进行讲解。

在人工智能浪潮的大背景之下，机器视觉的应用已经覆盖各个行业。机器视觉及其应用研究的主要目的是，让计算机实时处理传感器感知的信息，用图像和图像序列来识别和认知三维世界，最终让机器人或机器具有“视觉”功能，以满足社会对机器的智能化需求。《机器视觉与应用》以应用为导向，从机器视觉的硬件构建、算法实现及应用案例研究这3个层次，系统地介绍机器视觉的基本知识，以及图像处理、模式识别和机器视觉应用问题的一般求解方法。该书理论与实际相结合，分享了机器视觉在物体识别和测量、实时3D环境建模以及机器人的视觉伺服应用等方面的解决方案。《机器视觉与应用》可作为工程领域非电类专业的大学高年级学生和研究生的教材或自学资料，也可供从事先进制造、智能控制研究与应用的科技人员及管理人员学习。

《人工智能产品经理技能图谱》首先对人工智能产品经理做了分类，并对每类人工智能产品经理的工作流程进行了介绍，然后从相关技术、数学、算法、软件设计、硬件设计等方面对人工智能产品经理需掌握和了解的相关知识做了详细介绍。本书以丰富的实际案例贯穿始终，对各类人工智能产品设计方法论和人工智能技术指标进行了详细说明，方便读者快速掌握人工智能的发展现状及相关产品的设计方法。《人工智能产品经理技能图谱》适合希望或刚刚走上人工智能产品经理岗位的读者阅读，也适合人工智能相关专业的高年级本科生或研究生以及教师参考。