本书内容丰富，阐述清晰详尽，文图结合紧密，可读性好，实用性强，主要介绍了人脸识别中的一些算法与案例，主要包括素描人脸识别与人脸合成的研究与应用、传统特征提取算法在素描人脸识别中的应用、深度学习在素描人脸识别上的研究与应用、传统素描人脸合成方法、基于生成对抗网络的素描人脸合成方法、人脸超分辨率重建方法等内容。本书可作为研究人脸识别技术的参考用书，也可以作为高等院校相关专业的本科生和研究生参考书，还可供人脸识别技术领域工作的工程技术人员阅读。

本书介绍学习深度学习的基础知识，了解机器学习流程：产生可交付模型的步骤，掌握进行预测，改进决策，并应用概率方法，以及通过分类和聚类对数据进行分组机器学习可以解决哪些问题。提出了一系列可以用来解决现实问题的算法，以及利用神经网络的深度学习技术。本书适合对于想要构建机器学习应用程序的专业人员。

人工智能到底是什么？人工智能可以做什么？人工智能未来发展将面临什么样的问题？本书将深入浅出地为你讲述人工智能那些事儿，包括人工智能的历史、人工智能的核心概念与关键技术、人工智能思维与各类应用，以及人工智能未来的发展趋势，等等。所有你想了解的，书中可能都会涉及，即使从未接触过人工智能的人，通过阅读本书，也能对人工智能有一个全方位的认识和理解。本书适合所有想了解人工智能的读者阅读。

在5G应用场景中，每个垂直行业都与大数据密不可分。本书希望把亚信科技二十多年的电信运营商领域经验，总结成一套体系化、标准化、基于5G网络特征云边协同架构的大数据技术框架，更好地推动新业务模式及应用场景落地。 全书共五篇：第一篇（第1～2章） 介绍5G网络环境下的大数据技术生态的发展趋势，以及大型企业大数据技术架构发展路线；第二篇（第3～5章） 介绍边缘计算的概念，以及大数据技术基于云边协同计算的落地方式；第三篇（第6～8章）介绍如何通过DataOps实现大数据的敏捷开发与运维服务。第四篇（第9～11章）介绍多种大数据智能化分析技术，如行业知识图谱、增强型分析、可信数据流通，快速实现大数据应用服务构建；第五篇（第12～14章）通过行业应用场景，详细描述如何通过5G网络及大数据技术重构行业应用及服务形态，并对未来技术趋势作出展望。 本书适合运营商企业的信息化负责人、系统架构师、IT人员，以及大型企业内的IT从业者阅读，也适合对5G及大数据技术感兴趣的其他读者阅读，可作为软件架构培训类参考书。

本书为浙江省普通高中精品选修课程“Arduino创意机器人”的衍生成果，由两位深度参与Mind+开发的创客教育专家和多位经验丰富的小学创客教师共同编写，设计了大量需要学生动手实践的任务或实验，可以引导学生在玩中学、做中学、研中学，由浅入深地逐步理解和掌握机器人技术。本书共设计18课内容，采用项目式学习的理念，设计了智能LED、智能风扇和智能小车3个专题。每一个专题都是一个相对独立的项目，但在难度上逐步提高，体现了螺旋上升的特点。在体例方面，根据中小学生的年龄特点，书中内容分为“我要学”“我要做”“我要想”“我要练”和“我要读”5个方面，用语通俗、亲切。本书有多个姐妹版本，涉及 ArduBlock、Mixly 等常见的 Arduino编程软件。为了让中小学教师开展教学更加方便，编写团队提供了电子教材、教学设计、课件、微课、工具和源代码等完整的配套教学资源、充分体现了开源精神。本书除适用于小学高年级学生外，也适用于中学生和零基础的成年初学者，尤其适用于大班教学。

本书首先概述人工智能、深度学习相关的基本概念和发展历程;然后详细介绍深度学习的基本理论和算法，包括神经网络的关键技术、卷积神经网络的主要框架和应用实例、循环神经网络和无监督学习深度神经网络的模型和应用、深层神经网络的参数优化方法、深度学习模型的轻量化方案以及移动端深度学习案例;之后阐述强化学习的基本理论和算法，包括传统的强化学习方法及其衍生算法以及新型的多智能体或多任务学习模型;最后介绍深度强化学习的具体算法及应用、迁移学习的概念及其在深度学习和强化学习中的应用。本书可作为学习深度学习及强化学习算法的参考书，也可作为高等院校相关课程的教材，还可供从事人工智能领域的专业研究人员和工程技术人员阅读。

《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。

智能优化技术作为解决工程领域优化问题的核心方法，在金融、医疗、交通、航空、航天等领域发挥着非常重大的作用。适应度地形理论作为智能优化技术的研究热点，从优化问题解空间特性分析方法出发，挖掘问题解空间特性，为优化问题的求解方法设计以及参数控制等方面提供指导。作者基于多年从事智能优化技术以及组合优化问题研究的思考，从时域、频域和空域分别对适应度地形理论进行研究、整理，并以工程应用中的组合优化问题为载体，对适应度地形理论的实际应用进行介绍。作者在本书内容的介绍过程中，结合个人及相关人员的研究成果，不仅可以对智能优化理论提供技术支持，同时也可为各领域中实际工程问题的特性分析以及解决方法提供借鉴。 本书可供计算机、电子、自动化、管理、航天工程等各领域的本科生、研究生以及相关领域的科学技术人员阅读，同时为从事智能优化技术及工程应用的相关机构提供翔实的资料。

本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成，力求精准、最小地覆盖机器学习的数学知识。包括微积分，线性代数与矩阵论，**化方法，概率论，信息论，随机过程，以及图论。本书从机器学习的角度讲授这些数学知识，对它们在该领域的应用举例说明，使读者对某些抽象的数学知识和理论的实际应用有直观、具体的认识。 本书内容紧凑，结构清晰，深入浅出，讲解详细。可用作计算机、人工智能、电子工程、自动化、数学等相关专业的教材与教学参考书。对人工智能领域的工程技术人员与产品研发人员，本书也有很强的参考价值。对于广大数学与应用的数学爱好者，本书亦为适合自学的读本。

《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。本书极具专业性、思想性和趣味性，既适合缺少专业背景的读者了解人工智能的来龙去脉，作为人工智能的启迪之书，也适合专业人士了解人工智能鲜为人知的历史，提供深入学习的指导。