《写给新手的深度学习——用Python学习神经网络和反向传播》一书以Python为基础，不借助TensorFlow、PyTorch等任何框架，以浅显易懂的语言，结合大量图示，对机器学习、深度学习、AI相关技术中的通用技能进行了解说。主要内容包括深度学习的概念，Python基础，深度学习必备数学知识，神经网络的结构及编程实现，反向传播算法原理，小型深度神经网络的构建，卷积神经网络CNN的原理及编程实现，最后一章对循环神经网络RNN、自然语言处理、强化学习等内容进行了简要介绍。通过本书，读者可以从根本上理解深度学习技术的本质和相关算法原理，能够构建简单的深度学习模型，特别适合作为零基础读者学习深度学习技术的入门书，也适合作为高校人工智能相关专业的教材和参考书。

《诱发式脑-机接口技术》主要介绍诱发式脑-机接口技术。《诱发式脑-机接口技术》共12章，主要内容包括：SSVEP特征机理研究与SSVEP-BCI优化，基于听触觉的非视觉P300-BCI方法，基于P300和SSVEP的多模态BCI，基于P300和ErrP的多模态BCI等。《诱发式脑-机接口技术》是作者在多项国家自然科学基金项目和科技委创新特区项目支持下取得的研究成果的总结，意在推动脑-机接口理论与应用的发展，对于人-机混合智能的机理研究和脑-机智能融合系统的应用具有一定的科学意义。

《深度学习基础与应用》分四部分介绍深度学习算法模型及相关应用实例。首部分介绍在深度学习中必备的一些数学和机器学习的基础知识。第二部分介绍卷积神经网络、循环神经网络、深度强化网络等经典模型，并对每种模型从原理、结构、优化等方面进行论述。第三部分介绍深度学习中常用的优化方法及训练技巧。第四部分结合实践来介绍深度学习在计算机视觉、模式识别中的应用。《深度学习基础与应用》同时兼顾理论和应用，有助于读者理解基本理论知识，并将理论知识用于实际应用。《深度学习基础与应用》既可以作为高等院校计算机及相关专业的高年级本科生和研究生教材，也可供从事人工智能相关领域的工程师和研究人员参考。

《企业级AI技术内幕：深度学习框架开发+机器学习案例实战+Alluxio解密》分为盘古人工智能框架开发专题篇、机器学习案例实战篇、分布式内存管理Alluxio解密篇，分别对人工智能开发框架、机器学习案例及Alluxio系统进行透彻解析。盘古人工智能框架开发专题篇，通过代码讲解多层次神经网络、前向传播算法、反向传播算法、损失度计算及可视化、自适应学习和特征归一化等内容。机器学习案例实战篇，选取机器学习中具代表性的经典案例，透彻讲解机器学习数据预处理、简单线性回归、多元线性回归、多项式回归、支持向量回归、决策树回归、随机森林回归等回归算法，逻辑回归、k近邻算法、支持向量机、朴素贝叶斯、决策树分类、随机森林分类等分类算法、ｋ均值聚类、层次聚类等聚类算法，以及关联分析算法，并对回归模型、分类模型进行性能评估。分布式内存管理Alluxio解密篇，详细讲解Alluxio架构、部署、底层存储及计算应用、基本用法、运行维护等内容。

内容简介 这是一部讲解如何利用树莓派、OpenCV、Python等软硬件构建智能硬件并在其上实现图像分析、文字识别、人脸识别与追踪、视频监控等机器视觉功能的实用性著作。 全书一共11章： 第1~4章首先讲解了机器视觉在智能硬件领域的应用场景以及智能硬件上4种常见的机器视觉技术方案；然后讲解了树莓派和OpenCV的安装、配置以及其他准备工作；*后通过一些简单的案例和代码手把手教读者如何使用OpenCV。 第5~11章是本书的核心内容，通过几个具体的综合案例讲解了如何使用树莓派低成本玩转如下机器视觉场景：拍摄照片和视频、处理相机的原始数据、道路和商场的人流统计、道路信息的文字识别、人脸识别与追踪、中央AI视频监控等。以上案例循序渐进，环环相扣，所有代码均可在树莓派上运行，可轻松移植到任何ARM开发板上。

这本机器学习畅销书基于TensorFlow 2和Scikit-Learn的新版本进行了全面更新，通过具体的示例、非常少的理论和可用于生产环境的Python框架，从零帮助你直观地理解并掌握构建智能系统所需要的概念和工具。全书分为两部分。第一部分介绍机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分介绍神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。第一部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。通过本书，你会学到一系列可以快速使用的技术。每章的练习可以帮助你应用所学的知识，你只需要有一些编程经验。所有代码都可以在GitHub上获得。 代码获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：新版蜥蜴书

本图书注重数字化转型的根本任务、核心路径、关键驱动要素。从价值体系优化、创新和重构，新型能力建设，数据要素驱动提出系统化推进数字化转型的一整套参考架构，提出能力单元的模型及建设要点，具有系统性、针对性、可执行性，具有很高的应用价值。本图书从按照价值体系优化、创新和重构的要求提出数字化转型的主要视角，以新型能力建设为主线提出数字化转型的过程方法，围绕数据要素驱动作用的逐步发挥提出数字化转型的发展阶段要求，构建一套数字化转型参考架构，从而支持相关各方更加系统化、体系化、全局化推进数字化转型这一复杂巨系统工程。本图书面向开展数字化转型的企业及提供数字化转型服务的各类组织。

《深度学习实战——基于TensorFlow 2.0的人工智能开发应用》以TensorFlow 2.0人工智能平台的基础架构为切入点，逐步过渡到TensorFlow 2.0项目开发实战和项目部署上线中，并重点介绍了使用TensorFlow 2.0的高级封装Keras搭建神经网络、训练神经网络和进行神经网络模型预测，让读者在项目实战中系统学习人工智能任务的工作流程及使用TensorFlow 2.0框架开发任务的完整过程，帮助读者深入系统地学习人工智能的开发应用。 全书3篇共14章，第1篇为入门篇，介绍了人工智能的基础知识，包括人工智能的发展、人工智能开发环境的部署与使用、TensorFlow 2.0框架与模型、神经网络、图像处理和TensorBoard可视化组件等；第2篇为实战篇，通过实例讲解如何使用TensorFlow 2.0进行实际项目开发、模型评估与优化，包含了神经网络曲线拟合、MNIST手写字体识别、图像风格迁移、车牌识别、智能中文对话机器人等实例应用；第3篇为部署上线篇，主要讲解TensorFlow Serving 部署模型上线和Flask 部署模型上线，从而实现完全生命周期的人工智能开发过程。 全书内容通俗易懂，知识全面，内容丰富，实用性和可操作性强，特别适合深度学习框架TensorFlow 2.0的入门读者和进阶读者阅读，同样适合TensorFlow 1.x版本的人工智能开发人员转型到TensorFlow 2.0、Python程序员、Python Web开发者等其他编程爱好者阅读。另外，本书也适合作为相关培训机构的教材使用。

《深度学习进阶：自然语言处理》是《深度学习入门：基于Python 的理论与实现》的续作，围绕自然语言处理和时序数据处理，介绍深度学习中的重要技术，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本书语言平实，结合大量示意图和Python代码，按照“提出问题”“思考解决问题的新方法”“加以改善”的流程，基于深度学习解决自然语言处理相关的各种问题，使读者在此过程中更深入地理解深度学习中的重要技术。

本书全面介绍自动机器学习，主要包含自动机器学习的方法、实际可用的自动机器学习系统及目前所面临的挑战。在自动机器学习方法中，本书涵盖超参优化、元学习、神经网络架构搜索三个部分，每一部分都包括详细的内容介绍、原理解读、具体运用方法和存在的问题等。此外，本书还具体介绍了现有的各种可用的AutoML系统，如Auto-sklearn、Auto-WEKA及Auto-Net等，并且本书最后一章详细介绍了具有代表性的AutoML挑战赛及挑战赛结果背后所蕴含的理念，有助于从业者设计出自己的AutoML系统。 本书英文版是国际上第一本介绍自动机器学习的英文书，内容全面且翔实，尤为重要的是涵盖了z新的AutoML领域进展和难点。本书作者和译者学术背景扎实，保证了本书的内容质量。 对于初步研究者，本书可以作为其研究自动机器学习方法的背景知识和起点；对于工业界从业人员，本书全面介绍了AutoML系统及其实际应用要点；对于已经从事自动机器学习的研究者，本书可以提供一个AutoMLz新研究成果和进展的概览。总体来说，本书受众较为广泛，既可以作为入门书，也可以作为专业人士的参考书。