本书分类《机器学习导论》面向机器学习领域的主要模型和算法，重点阐述不同方法背后的基本假设以及它们之间的相关性，帮助读者建立机器学习的基础理论功底，为从事该领域的相关工作打下基础。具体内容包括机器学习研究的总体思路、发展历史与关键问题，线性模型，神经网络及深度学习，核方法，图模型，无监督学习，非参数模型，演化学习，强化学习，数值优化方法等。 本书可作为高等学校相关课程的教材，也可作为研究生及对机器学习感兴趣的科技、工程技术人员的参考用书。本书封面贴有清华大学出版社防伪标签，无标签者不得销售。

本书围绕不确定多属性群决策问题展开研究，重点对将群决策方法移植到灰色关联、D-S证据理论、层次分析法等方法中涉及的不确定信息处理、专家权重调整、专家个体偏好信息的集结，以及集结效果的检验或方法结果的合理性对比分析、基于混合信息的多属性群决策等问题进行研究。在介绍国内外该方向研究进展的基础上，重点介绍作者在基于灰色关联和D-S证据理论的多属性群决策方法、基于群体层次分析法的指标权重求解方法、基于区间直觉模糊数和混合信息的不确定多属性群决策方法，以及不确定多属性群决策在武器装备论证决策中的应用等方面的研究成果。

本书运用深度机器学习等人工智能方法研究了农作物病虫害智能诊断及其在农业智能系统中的应用与实践，提供了大量农作物病害图像实例集和MATLAB例程供相关人员参考。

本书分为4大部分。第一部分（第1~3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。第三部分（第7~9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。第四部分（第10~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。

《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》是一本基于OpenCV4和Python的机器学习实战手册，既详细介绍机器学习及OpenCV相关的基础知识，又通过具体实例展示如何使用OpenCV和Python实现各种机器学习算法，并提供大量示例代码，可以帮助你掌握机器学习实用技巧，解决各种不同的机器学习和图像处理问题。《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》共13章：第1章简要介绍机器学习基础知识，并讲解如何安装OpenCV和Python工具；第2章介绍基本的OpenCV函数；第3章讨论监督学习算法，以及如何使用OpenCV和scikit-learn实现这些算法；第4章讨论数据表示和特征工程，并介绍OpenCV中提供的用于处理图像数据的常见特征提取技术；第5章展示如何使用OpenCV构建决策树进行医疗诊断；第6章讨论如何使用OpenCV构建支持向量机检测行人；第7章讨论朴素贝叶斯算法、多项式朴素贝叶斯等技术及实现，并展示如何使用贝叶斯学习实现垃圾邮件过滤；第8章讨论一些无监督学习算法；第9章详细讲解如何构建深度神经网络来分类手写数字；第10章介绍用于分类的随机森林、bagging方法和boosting方法等；第11章讨论如何通过模型选择和超参数调优来比较各种分类器的结果；第12章介绍OpenCV4.0中引入的OpenVINO工具包；第13章给出一些处理实际机器学习问题的提示和技巧。OpenCV是用于构建计算机视觉应用程序的一个开源库。《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》将全面介绍新发布的OpenCV4版本所提供的大量新特性和平台改进。首先，你将了解OpenCV4的新特性并安装OpenCV4来构建计算机视觉应用程序。然后，你将探索机器学习的基础知识，学习设计用于图像处理的各种算法，循序渐进地掌握监督学习和无监督学习，并将获得使用Python中的scikit-learn开发各种机器学习应用程序的实践经验。接着，你将学习决策树、支持向量机（SVM）、贝叶斯学习等各种机器学习算法，以及如何将这些算法应用于目标检测等计算机视觉操作。之后，你将深入研究深度学习和集成学习，并探索它们在现实世界中的应用，如手写数字分类和手势识别等。最后，你将学习用于构建图像处理系统的英特尔OpenVINO工具包。学习完《机器学习：使用OpenCV、Python和scikit-learn进行智能图像处理（原书第2版）》，你将掌握使用OpenCV4构建智能计算机视觉应用程序所需要的机器学习技能。

《5G时代的网络智能化运维详解》从5G时代通信业务变化、网络变革、技术趋势、AI赋能通信行业等方面阐述5G网络运维中的迫切需求，让读者更加了解5G网络运维的现状和发展趋势。 本书重点从亚信科技国内外项目的实践出发，并结合5G全新体系架构，给广大读者带来5G网络智能化的创新思考。全书共分为11章，其中第1～2章主要介绍5G网络的新运维模式，以及5G网络运维的整体现状和趋势。第3～11章结合9种创新场景案例实践成果，通过对方案架构、业务功能和应用场景的详细分析，系统介绍网络智能化运维中台体系、5G网络业务敏捷编排、基于用户体验的智能化营业厅等的相关实践经验。 本书内容翔实丰富、深入浅出，适用于5G网络运维学习者入门，也适合熟悉运营商企业业务支撑系统或运维支撑系统的管理规划人员、研发实施人员和专业运维人员阅读。

一本书理解Swift和机器学习，掌握构建智能iOS应用方法 利用Swift与Core ML构建和部署机器学习模型，开发出用于NLP和CV的神经网络1.学会如何使用Python和Swift快速进行模型原型开发 2.学会如何使用Core ML将预训练的模型部署到iOS 3.学会通过无监督学习发现数据中隐藏的模式 4.学会深入掌握聚类技术 5.学会如何在iOS设备上应用紧凑架构的神经网络 6.学会如何训练神经网络进行图像处理和自然语言处理本书是机器学习和Swift的完美指南，通过学习对机器学习原理和Swift实现方法、实际案例的详细讲解后，你将能够掌握如何开发使用Swift编写的可自学习的智能iOS应用程序。 本书适合想要开发iOS智能应用程序的iOS技术人员，以及从事基于Swift开展机器学习工作的开发人员阅读。

人工智能是以计算机科学为核心的跨学科知识集合。本书很好地融合了青少年的认知特点和所学知识，基于具备人工智能能力的硬件教具和可视化的编程方法，通过循序渐进的创新课程设计，从理论知识到动手实践，加强青少年对人工智能的认知，培养其图形化编程能力，提升其信息素养。本书可作为中学计算机课程教材，也可供青少年计算机编程入门学习之用！

本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习几个主要方面进行了阐述，并以Python为主要工具进行了相应的编程实践，以使读者对人工智能相关技术有更直观和深入的理解。此外，本书也用几个独立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、增强现实等与人工智能密切相关的前沿技术。本书适合对人工智能领域感兴趣并有一定数学基础的相关人员阅读，也可作为高等院校相关专业的教学参考书。

本教材是一个机器学习工具箱，适用于计算机科学专业本科四年级或研究生一年级的学生。本书为那些想要使用机器学习过程来完成任务的人提供了许多主题，强调使用现有的工具和包，而不是自己重新编写代码。本书适用于从头至尾的讲授或阅读，不同的讲师或读者有不同的需求。