海洋机器人科学与技术丛书（全套26册）

用Keras、TensorFlow、Core ML，以及TensorFlow Lite训练、微调并发布计算机视觉模型。为不同设备开发AI应用，包括Raspberry Pi、Jetson Nano，以及Google Coral。探索有趣的项目，从硅谷“热狗识别”应用程序到谷歌规模的图像搜索，以及40多个案例研究和行业实例。在电子游戏环境中模拟一辆自动驾驶汽车并用强化学习构建一个微型版自动驾驶汽车。使用迁移学习在几分钟内训练模型。发现50多个实用技巧，用以最Z大化模型准确度和速度、调试程序，以及将应用扩展到数百万用户规模。

本书以云原生（Cloud Native）技术为背景，讲述了 Serverless 的基本原理与实战应用。书中首先探讨 Serverless 与当前云计算技术和前端技术的关系，随后分别从 Serverless 的两大能力（FaaS 和 BaaS）展开，探讨了它们的历史由来和底层原理，并且结合实际应用场景，有针对性地提供了操作指南。本书从手动构建一套基于进程的 FaaS 架构开始，之后深入剖析云计算服务的内核，阐述其背后的原理和思想，从而让读者理解下一代软件架构的本质。 本书主要从前端研发人员的视角介绍 Serverless 的原理及应用。相信无论是希望更多了解服务端技术的前端研发人员，还是已经涉足后端但希望更多了解云原生技术的全栈工程师，或是希望通过 Serverless 提升团队研发效率的架构师，都会从阅读本书中获益良多。

《基于免疫机理和神经网络的智能故障诊断方法》详细阐述了基于免疫机理和神经网络的两种智能故障诊断新方法，主要包括基于免疫网络模型的改进的故障诊断算法、与粗糙集理论相结合的免疫网络故障诊断算法、基于量子超球神经网络的故障检测方法和基于云神经网络的故障诊断方法等8种方法。《基于免疫机理和神经网络的智能故障诊断方法》思路清晰、内容丰富、安排合理，各章相对独立，有利于读者学习参考。《基于免疫机理和神经网络的智能故障诊断方法》在重点阐述思想方法的基础上，追求对工程实践的指导性，力求使读者在较短的时间内学习掌握这些智能故障诊断新方法，并能在实际工程中熟练应用。

本书以Python语言和Tensorflow为工具，由浅入深地讲述了深度学习程序设计的基本原理、算法和思考问题的方法，内容包括自顶向下的程序设计、递归程序设计、面向对象的程序设计、反向传播算法、三层神经网络、卷积神经网络、循环神经网络、生成式对抗网络和目标检测等。本书重在研究代码背后深刻的计算机理论和数学原理，试图说明代码是对理论和思想的实现手段，而不是目的。学以致用是本书的宗旨，提高读者编程水平和动手能力是本书的目的。本书通过大量有趣的实例，说明了理论对深度学习程序设计实践的指导意义。

本书从传统的数值计算技术到先进的多智能体模拟基础，均边展示Python程序，边对其进行了具体讲解。在第1章中，介绍了运用Python进行数值计算时普遍存在的注意点。在接下来的第2章和第3章中，作为传统的模拟技术，提到了运用微分方程式表示的物理现象模拟。在第4章中，提到了利用元胞自动机的模拟。第5章的主题是利用随机数进行模拟。最后，在第6章介绍了多智能体模拟框架。同时还详细说明算法的原理，以及python应用的快捷方便功能。

目前我国人工智能教育与科研领域所使用的基础软硬件多为国外开发研制，其中Nvidia GPU占据了大部分市场。在此背景下，以寒武纪为代表的高科技企业成功开发并流片了国产智能处理器，打破了国外厂商在此领域的垄断地位，但是处理器的普及在于生态的建立与人才的培养，而高等院校是科学研究与人才培养的主阵地，在高等院校开设国产智能处理器相关课程，既有利于推进国产智能处理器的生态建设，也有利于国家人工智能领域人才的培养。为建设基于寒武纪国产智能处理器的人工智能教育科研平台，推动寒武纪在科学与工程研究项目中的广泛使用，培养掌握寒武纪平台的高水平人才，建设寒武纪应用生态，精心组织编写了本教材，并提供相应的实验教学套件。

本书针对产业界在智能化过程中普遍面临的数据不足问题，详细地阐述了联邦学习如何帮助企业引入更多数据、提升机器学习模型效果。互联网数据一般分布在不同的位置，受隐私保护法规限制不能共享，形成了“数据孤岛”。联邦学习像“数据孤岛”之间的特殊桥梁，通过传输变换后的临时变量，既能实现模型效果提升，又能确保隐私信息的安全。 本书介绍了联邦学习技术的原理和实战经验，主要内容包括隐私保护、机器学习等基础知识，联邦求交、联邦特征工程算法，三种常见的联邦形式，以及工程架构、产业案例、数据资产定价等。

《用Python编程和实践！深度学习教科书》是一本专门针对有一定编程经验，但没有Python和机器学习相关经验的读者编写的参考书籍，目标是让读者能够独立编写出机器学习相关的应用程序。书中首先介绍了机器学习和Python语言的基础知识，然后对NumPy、Pandas、matplotlib等在Python中使用频率较高的软件库进行讲解；对数据可视化、lambda和map等Python语法、基于DataFrame的数据整理、OpenCV的运用和图像数据的数据预处理进行讲解；最后对监督学习、超参数和调校等基础的机器学习及深度学习技术进行实践与挑战，并最终使读者达到能够运用深度学习技术之一的CNN来实现图像识别任务项目的技术水平。本书特点是用编程实践的方法学习，特别适合深度学习初学者及参与人工智能（AI）相关开发的程序员、研究人员和理工科学生。

最发达的科技为何不能解决最复杂最重要的问题？缺失的实际上是决策智能。这本书是关于如何以一种新的方式思考决策，与古老的思维模式相联系，并由无限的新信息来源和合作提供新信息。这个领域被称为决策智能（DI）。本书提供了一种新的人工智能：决策智能，一种链接起数据、行为和结果的新智能，也是感知智能和认知智能的下一个阶段。本书讨论了决策智能的核心问题：今天采取行动，做出决策，未来会出来什么结果？也提供了决策智能的核心――因果决策图，是思想的DNA。因果决策模型综合人工智能、行为经济学、因果分析等，形成一种任何人都能使用的决策方法。作者提供如何建立决策模型的方法，决策智能的应用和力量，决策智能为未来提供的技术和智力支持。同时，通过制定决策的思维过程，驱除机器和人决策的迷雾，用可视化图表展现出来，为复杂环境提供了技术的切入点。本书将当前最敏锐的思维从决策智能、人工智能、因果分析和行为经济学整合到一种任何人都可以使用的决策方法中。决策智能是人工智能的新阶段。用真实案例解析决策智能如何将人和计算机等链接，帮助我们解决复杂问题。