本书重点介绍如何将R语言和深度学习模型或深度神经网络结合起来，解决实际的应用需求。全书共6章，分别介绍了深度这习基础知识、训练预测模型、如何防止过拟合、识别异常数据、训练深度预测模型以及调节和优化模型等内容。本书适合了解机器学习概念和R语言并想要使用R提供的包来探索深度学习应用的读者学习参考。

本书主要涉及数据工程、人工智能算法原理，大数据平台技术、人工智能算法在大数据平台上的实现、人工智能算法的应用于实践。 第1章是大数据与人工智能的历史、应用。第2章是数据工程。第三章是人工智能基础算法的原理介绍。第四章是大数据平台的介绍。第五章以第三章中的几种算法为例子，介绍了它们是如何在大数据平台上分布式实现的。第六章是当前热门的深度学习技术的介绍。第七章是实践。本书针对1.对大数据和人工智能感兴趣、希望快速了解和入门本领域知识的在读本科生、研究生。2.希望从事大数据和人工智能岗位、需要快速提升理论基础和实战技能的求职者。3.计算机和互联网领域，对人工智算法感兴趣或工作中迫切需要一定本领域知识的工程师。

在本书中，你将了解如何安装ROS，如何开始使用ROS的基本工具和框架中不同的功能，并从不同方向探索如何创建机器人，例如使用计算机视觉或点云分析传感器感知的世界，使用强大的导航功能包集在环境中实现导航，甚至能够用MoveIt！控制机械臂与周围环境交互。读完本书后，你会发现已经可以使用ROS机器人进行工作了，并理解其背后的原理，我们衷心希望你能全面了解ROS在开发机器人系统时所提供的无限可能性。

本书介绍如何使用Java创建并实现机器学习算法，既有基础知识，又提供实战案例。主要内容包括：机器学习基本概念、原理，Weka、Mahout、Spark等常见机器学习库的用法，各类机器学习常见任务，包括分类、预测预报、购物篮分析、检测异常、行为识别、图像识别以及文本分析。最后还提供了相关Web资源、各种技术研讨会议以及机器学习挑战赛等进阶所需内容。本书适合机器学习入门者，尤其是想使用Java机器学习库进行数据分析的读者。

本书由一线资深技术专家撰写，凝结了其自身多年的实践经验，阐述了深度学习的发展历程、相关概念和工作原理，介绍了两个当前流行的深度学习工具：Caffe 和TensorFlow ，并且初步探讨了强化学习的基本原理和应用。为了帮助初学者快速上手，本书注重从总体框架和脉络上把握深度学习技术，同时在阐述原理时配以简单的实例供读者印证。　本书语言生动风趣，以通俗的语言讲述复杂的原理，循循善诱，深入浅出，适合有志于从事人工智能、深度学习相关研究的信息类专业的高年级本科生或研究生阅读，也可供业界准备或正在从事深度学习、机器视觉等相关研发工作的工程技术人员参考。

《工业机器人应用技术》作为印度鲁班工坊“一带一路”职业教育双语教材之一，是天津机电职业技术学院工业机器人技术专业教师团队以鲁班工坊实训设备作为的教学载体，参照三菱自动化可编程序控制器与六自由度工业机器人手册编写而成的。《工业机器人应用技术》以三菱可编程序控制器和六自由度工业机器人为例，系统地描述了工业机器人系统技术应用。本书主要内容包括可编程序控制器结构与功能，三菱FX3U可编程序控制器的基础指令，三菱编程软件GX work2的基本使用，三菱RV-3SD六自由度工业机器人系统的结构与功能，工业机器人示教器的正确使用方法，三菱编程软件TOOL BOX2的基本使用等。 《工业机器人应用技术》可作为高等职业技术学院电气自动化、机电一体化、工业机器人技术等专业的教材。

本书根据职业教育的特点，注重“做中学”和“学中做”相结合的教学理念，设计了六大教学模块，主要内容包括工业机器人的认知、工业机器人的手动操作、工业机器人的坐标设定、工业机器人的轨迹模拟、搬运工作站的编程设计和码垛工作站的编程设计等六大教学项目。每个教学项目包含2～4个工作任务，项目内容包括学习情景、学习目标、任务实施、考核与评价等多个方面，每个任务还包含知识准备和课后习题。各个教学项目的安排由浅入深，循序渐进。工作任务按照典型工作过程进行设计实施，注重学生职业能力、职业素养和团队协作等综合素质的培养。

《自己动手写神经网络》讲解通俗易懂，使用简单的语言描述人工神经网络的原理，并力求以具体实现与应用为导向，除了理论介绍外，每一章节的应用和实践都有具体的实例实现，让读者达到学以致用。《自己动手写神经网络》分为11章，主要内容为：简单的人工神经网络模型和理论应用；介绍了一个基于Java的人工神经网络框架Neuroph；介绍了基于Neuroph开发一个简单的人工神经网络系统—感知机；介绍了ADALINE网络以及使用Neuroph实现ADALINE神经网络；介绍了BP神经网络的基本原理和具体实现；介绍了BP神经网络的具体实践应用；介绍了Hopfield网络的原理、实践和应用；介绍了双向联想网络BAM的原理、实践和应用；介绍了竞争学习网络，特别是SOM网络以及相关算法与实现；介绍了PCA方法以及与PCA方法等价的PCA神经网络。《自己动手写神经网络》适合以下类型的读者：对神经网络感兴趣，期望可以初步了解神经网络原理的读者；有一定编程经验，期望学习和掌握神经网络的程序员；期望对神经网络进行实际应用的工程人员；任何一名神经网络爱好者。

本书是国内少有的从系统构架角度介绍机器学习应用的图书，总结了笔者多年来在Google、微软工作中积累的精华。书中内容可以从工具、理论和案例三条线路来概括：工具方面，除了数据分析工具Pandas、机器学习工具Scikit Learn和Docker以外，还介绍了RabbitMQ、Elasticsearch，以及MySQL、Cassandra数据库等。理论方面，不仅介绍了监督式机器学习基础、衡量和评价方法，机器学习的常见构架，还在本书末尾对机器学习构架的设计模式进行了总结，这样的总结也属国内外业界首创。案例方面，采用美股交易秒级数据作为案例数据，利用Pandas对秒级交易数据进行分析，利用Scikit Learn对股票变化方向进行预测，还打造了一个以RabbitMQ为消息传导中枢的实时处理系统。

人工神经网络是由众多连接权值可调的神经元连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点，能够完成模式识别、机器学习以及预测趋势等任务。本书通过9章内容，并结合Java编程语言，由浅入深地介绍了神经网络算法的应用。书中涉及神经网络的构建、神经网络的结构、神经网络的学习、感知机、自组织映射等核心概念，并将天气预测、疾病诊断、客户特征聚类、模式识别、神经网络优化与自适应等经典案例囊括其中。本书在附录中详细地指导读者进行开发环境的配置，帮助读者更加顺利地进行程序开发。本书非常适合对神经网络技术感兴趣的开发人员和业余读者阅读，读者无需具备Java编程知识，也无需提前了解神经网络的相关概念。本书将从零开始为读者进行由浅入深地讲解。