本书是介绍自然语言处理（NLP）和深度学习的实战书。NLP已成为深度学习的核心应用领域，而深度学习是NLP研究和应用中的必要工具。本书分为3部分：第一部分介绍NLP基础，包括分词、TF-IDF向量化以及从词频向量到语义向量的转换；第二部分讲述深度学习，包含神经网络、词向量、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆（LSTM）网络、序列到序列建模和注意力机制等基本的深度学习模型和方法；第三部分介绍实战方面的内容，包括信息提取、问答系统、人机对话等真实世界系统的模型构建、性能挑战以及应对方法。本书面向中高级Python开发人员，兼具基础理论与编程实战，是现代NLP领域从业者的实用参考书。

随着物联网的快速发展，软件与硬件逐渐融合，硬件产品经理这个角色越来越受到大家的重视。本书主要对与硬件产品经理相关的知识进行了系统梳理，为大家介绍了什么是硬件和硬件产品经理，以及智能硬件产品经理这个新兴岗位的特点和发展。同时本书为读者介绍了物联网产品（也称智能硬件产品）在市场分析、需求分析、同类产品分析、产品设计、硬件方案设计、合作伙伴的选择方面的特点和方法，以及产品经理需要编写的文档。在此过程中还穿插了案例分析，帮助读者理解其内容。

本书基于人手操作技能，综合运用智能算法、神经网络以及深度学习等方法，构建机器人灵巧手的人机交互模型；基于滑膜自适应控制理论、模糊控制理论以及高斯混合控制模型优化了机器人灵巧手的闭环控制方法，并建立了原型系统。

内容简介 这是一部讲解如何用AI技术解决银行、保险、证券行业的核心痛点并帮助它们实现数智化转型的著作。 作者从金融智能一线从业者的视角，深入剖析了传统金融行业的痛点与局限，以及金融智能的特点与优势，阐明了人工智能等技术在金融业的必要性，并针对金融智能在银行、保险和证券业的诸多应用场景，给出了具体解决方案。此外，本书还分析了金融智能在各行业中的未来发展趋势。 本书从金融智能的现实意义出发，围绕底层技术和赋能应用对金融智能展开了全方位、多视角的深度剖析，聚焦科技赋能金融中的热点领域，充分挖掘潜在商业价值，洞悉与变革未来金融新生态，详尽展现了金融智能的产业版图。本书注重技术模式与应用实践相结合，涵盖大量金融场景下的应用案例和前瞻分析，对金融从业者具有指导意义。

本书是基于冲突证据进行推理和决策的一部专著，综述了国内外同领域的研究现状，提出改进创新思路，是作者在该领域多年研究成果的凝练总结。全书共15章，主要内容有冲突的度量，对冲突证据进行定量计算来判断冲突；冲突原因分析，包括冲突度量函数、判定准则和组合规则的适用范围等；冲突证据推理，包括基于DS证据理论、改进后的D数理论和推广的BF-TOPSIS算法等进行冲突证据的合成；冲突证据决策，包括利用概率转换得到反馈证据、利用有序加权向量实现信息焦元集分配等。书中探讨了系列冲突证据推理与融合方法，考虑了多种推理逻辑与合成规则，一方面可为证据推理的理论研究提供借鉴，另一方面可为优化推理决策系统的性能提供参考，具有一定的理论和实用价值。本书适合具有信息融合、人工智能等理论基础，从事系统工程、指挥控制、运筹决策等相关领域的科研技术人员阅读和参考。

如今，全球各种组织在网络安全上花费了数十亿美元。为了构建更智能、更安全的安全系统，人工智能已经成为了一个很好的解决方案，可以用于预测和检测可疑的网络活动，如网络钓鱼或未经授权的入侵。本书介绍并演示了热门和成功的人工智能方法和模型，可以用于检测潜在的攻击和保护企业的系统。您将学习机器学习和神经网络在网络安全中的作用，以及网络安全中的深度学习，你还将学习如何将人工智能应用于构建智能防御机制。进一步地，您将能够在各种应用中采取这些策略，包括垃圾邮件过滤器、网络入侵检测、僵尸网络检测和安全身份验证。最后，您将可以开发智能系统，用于检测异常、可疑的模式和攻击，使用人工智能实现强大的网络安全防御。

机器学习是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。无监督学习是机器学习中的一种学习方式，是数据科学的一个重要分支，常用于数据挖掘领域，通过构建模型来为业务决策提供依据。本书通过Python语言讲解无监督学习，全书内容包括10章，前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射，第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读，通过学习本书介绍的无监督学习理论和Python编程方法，读者能够在业务实践中获得有价值的参考。

《阿里云天池大赛赛题解析——机器学习篇》聚焦机器学习算法建模及相关技术，以工业蒸汽量预测、天猫用户重复购买预测、O2O优惠券预测和阿里云安全恶意程序检测等四个天池经典赛题作为实战案例，针对实际赛题按照赛题理解、数据探索、特征工程、模型训练、模型验证、特征优化、模型融合等步骤，将赛题的解决方案从0到1层层拆解、详细说明，在展现专业选手解题过程的同时，配以丰富的相关技术知识作为补充。 《阿里云天池大赛赛题解析——机器学习篇》从经典商业案例出发，内容由浅入深、层层递进，既可以作为专业开发者的参考用书，也可以作为参赛新手研读专业算法的实战手册。

本书详细描述了PMML规范（Ver4.3）所支持的8种模型：神经网络模型、决策树模型、规则集模型、序列模型、评分卡模型、支持向量机模型、时间序列模型和聚合模型。全书不是简单地介绍PMML语法，而是融合各种挖掘模型基础知识和算法知识，告诉开发者如何融会贯通地掌握、使用PMML语言，不仅能够学习到标准的PMML模型表达方式，而且能学习机器学习模型的丰富知识，从而熟练地把PMML语言应用到自己的项目实践中。 本书可供从事数据挖掘（机器学习）、人工智能系统开发的软件开发者和爱好者学习使用，也可以作为高等院校大数据和人工智能等相关专业的教材。

　　？？ 学习成功机器学习项目的最佳实践。 ？？ 使用Azure完成自动机器学习。 ？？ 理解分类和回归，以及模型可解释性和透明性等概念。 ？？ 了解如何在其他环境中使用Automated ML，如Azure Databricks、ML.NET和SQL Server。 ？？ 探索推动机器学习大众化的工具。