本书从不同角度来介绍企业级推荐系统构建的理论、方法、策略。首先让读者对推荐系统有一个基础的认知，然后针对将要用到的算法知识进行了详细讲解，接着从用户维度、标的物维度、算法维度、平台方维度等角度介绍了评估方法，再进行了工程实现，通过案例对工程实现的核心模块、架构设计、技术选型进行分解。紧接其后从运营角度讲解了推荐产品的应用场景及设计推荐产品的基本原则，并进行了实践，通过实践案例分析，进一步强化前面介绍的各个知识点，让读者有一个系统认识。

本书将理论介绍与经典案例相结合，对文娱行业的现状、人工智能在文娱行业的应用和智能文娱的未来发展进行全面、深入、系统的解读与预测。本书选取的案例都极具代表性，涵盖文娱行业的诸多领域，如影视、游戏、文学等，涉及众多科技巨头，如阿里巴巴、百度、腾讯、今日头条等。笔者在介绍案例时，并非只是简单描述，而是通过深入分析来抛砖引玉，向读者揭示文娱行业的发展方向，帮助文娱行业的从业者学习、了解人工智能带来的改变。

机器学习是关于从数据中建立预测或描述模型，以提升机器解决问题能力的学科。在建立模型后，需要采用适当的优化算法来求解模型的参数，因此优化算法是机器学习的重要组成部分。但是传统的优化算法并不完全适用于机器学习，因为通常来说机器学习模型的参数维度很高或涉及的样本数巨大，这使得一阶优化算法在机器学习中占据主流地位。 本书概述了机器学习中加速一阶优化算法的新进展。书中全面介绍了各种情形下的加速一阶优化算法，包括确定性和随机性的算法、同步和异步的算法，以求解带约束的问题和无约束的问题、凸问题和非凸问题，对算法思想进行了深入的解读，并对其收敛速度提供了详细的证明。 本书面向机器学习和优化领域的研究人员，包括人工智能、信号处理及应用数学特别是计算数学专业高年级本科生、研究生，以及从事人工智能、信号处理领域产品研发的工程师。

本书介绍如何在PyTorch框架中使用BERT模型完成自然语言处理（NLP）任务。 BERT模型是当今处理自然语言任务效果最好的模型。掌握了该模型，就相当于掌握了当今主流的NLP技术。本书共3篇。 -第1篇介绍了神经网络的基础知识、NLP的基础知识，以及编程环境的搭建； -第2篇介绍了PyTorch编程基础，以及BERT模型的原理、应用和可解释性； -第3篇是BERT模型实战，帮助读者开阔思路、增长见识，使读者能够真正驾驭BERT模型，活学活用，完成自然语言处理任务。通过本书，读者可以熟练地在PyTorch框架中开发并训练神经网络模型，快速地使用BERT模型完成各种主流的自然语言处理任务，独立地设计并训练出针对特定需求的BERT模型，轻松地将BERT模型封装成Web服务部署到云端。本书结构清晰、案例丰富、通俗易懂、实用性强，适合对自然语言处理、BERT模型感兴趣的读者作为自学教程。另外，本书也适合社会培训学校作为培训教材，还适合计算机相关专业作为教学参考书。

零样本图像分类主要解决在标记训练样本不足以涵盖所有对象类的情况下，如何对未知新模式进行正确分类的问题，近年来已逐渐成为机器学习领域的研究热点之一。　利用可见类训练样本学习到的分类器对新出现的对象类进行分类识别是非常困难的学习任务。《零样本图像分类》针对零样本图像分类问题从属性角度入手，基于深度学习及知识挖掘、属性自适应、属性扩展和相对属性4个方面进行展开，分别对应第3～6章、第7～8章、第9～11章和第12～13章，《零样本图像分类》共13章。此外，各章内容涉及相关领域基础知识的介绍，能够为不同层次的读者与研究人员提供入门知识与参考信息。

本书以案例介绍的形式为主，从基础创新、产业落地、防疫抗疫、应用场景等多个方面展现上海人工智能发展情况。这是一份地区发展人工智能产业的“建议书”，更是一份企业商业落地人工智能的“指导手册”。

《人工智能概论》全面介绍了人工智能的基本技术，目标是用通俗易懂的方法帮助读者构建完整的人工智能知识体系，为后续的深入学习打下基础。全书共分为10章，内容包括人工智能概述、知识表示、搜索技术、机器学习、深度学习、自然语言处理、机器人及智能控制等。《人工智能概论》适合高职高专和应用型本科，作为非人工智能专业的选修课和人工智能专业的导论课教材。也适合作为人工智能技术爱好者的入门书。

《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。