近几年，人工智能和机器学习很热门，相信它终究会成为一个标准功能，应用在生活和工作的方方面面。同时，电脑编程技术也会继续突飞猛进，从单机、终端大机模式、客户端服务器多层模式、API接口模式等一直到现在的微服务、无服务模式、公有云，等等。在这个飞速发展的世界中，或许有压力，所以更需要学习的动力。市场上有很多Python从入门到高级的专著，本书的目的就是想从更加实际的角度，分享一些项目开发中总结的经验，帮助使用Python进行机器学习开发的新手或者从其他语言转过来的朋友，少踩一些坑。本书的主要内容分为四大部分：（1）Python开发程序的一些方法技巧，如虚拟环境管理、敏捷开发入门、单元测试等；（2）Python中的一些中级使用技巧，如列表生成式、多线程与多进程、Python程序性能分析等；（3）机器学习的基本概念和常用算法介绍，以及如何选择合适的算法；（4）一些使用Python来进行建模和机器学习的实际举例。

暂缺简介...

TensorFlow是2015年年底开源的一套深度学习框架，是目前*活跃的深度学习框架。本书基于1.3版本，首先介绍了它的安装和基本用法，然后讨论了深度学习的基本概念，包括神经网络前向计算、损失函数、反向传播计算和优化函数等，接着介绍了卷积神经网络和循环神经网络，*后介绍了在大规模应用的场景下，如何实现分布式的深度学习训练。本书适合深度学习的初学者学习和参考。

本书在研究方法上参考了国内外相关研究成果，依据脑信息学系统方法学原理，利用ACT-R平台建立相应的认知假设模型并仿真，同时，对抑郁症患者和正常对照组完成不同情绪刺激下认知计算任务的信息加工过程从更细的时间微粒上进行解释和验证。本书提出采用模糊近似熵方法研究不同性别、不同年龄及抑郁症患者和正常对照组之间的差异，这在国内尚属首次。本书在研究内容上也是一种新的尝试，属于探索性研究。本书的主要创新点如下：①针对被试完成加法计算和减法计算的任务信息加工过程差异问题，分别建立了对应的认知假设模型，模拟数据和真实数据的有效拟合，证明了假设模型的有效性。首次采用ACT-R建模的方式对加法计算和减法计算任务的信息加工过程差异性进行解释和验证，提出加法计算主要以提取策略为主，减法计算则是提取策略与计算策略共同完成，该结果与Deheane提出的三联体模型相一致。②针对正常人完成不同情绪刺激下加减法计算任务的差异问题，依据行为实验数据、事后问卷调查表结果，分别对其信息加工过程建立了对应的ACT-R假设模型。首次采用ACT-R结合fMRI技术对正常人完成不同情绪刺激下加减法计算任务之间的差异问题进行了分析和研究，提出了正常人具有正性情绪偏向和负性情绪偏离的特点。③针对抑郁症患者具有情绪功能障碍和认知功能障碍特点，首次提出了抑郁症患者与正常对照组完成不同情绪刺激下加法计算的ACT-R假设模型，并进行了仿真验证。模拟数据和真实数据的有效拟合验证了假设模型的有效性，首次从更细的时间微粒上解释正常对照组和抑郁症患者完成不同情绪刺激下加法计算任务的脑区内部信息加工过程。④针对不同性别、不同年龄的抑郁症患者及抑郁症患者和正常对照组的BOLD信号数据的非线性动力学之间差异性问题，首次提出采用模糊近似熵的方法对其进行分析和研究，并与样本熵进行比较。结果表明，模糊近似熵更适合BOLD信号数据分析，从而可能为抑郁症患者的临床诊断和康复治疗提供一个新的客观量化指标，为抑郁症患者的BOLD信号研究提供一个新的手段和方法。本书从计算机建模角度对抑郁症患者的情绪功能障碍与认知功能障碍进行了研究，获得了一些结论，丰富了抑郁症、情绪和认知交互作用的研究内容，有利于从更细的时间微粒方面了解人脑内部各脑区信息加工过程与脑损伤的神经机制，同时也为抑郁症患者BOLD信号数据的非线性动力学研究提供了新的研究方法。

《创造智能》主要分三个章节外加一个番外篇。一章从生物学的角度衍生出计算机视觉识别以及虚拟现实的实现方法。作者通过对人眼眼颤现象和机理的剖析，提出了一种对空间的三维信息的采集、处理及还原的方法。第二章详细说明了利奥的设计指导原则和设计原理。第三章作者对人工智能相关的哲学话题发表了看法，并着重对利奥项目在现实中的可应用领域进行了详细说明。在番外篇中，作者试图人工智能的相关问题在生物学方面的结论应当与在物理学方面的结论一致，以主流科学家的理论作为基础，对于理论物理中的物质、空间、时间话题发表了个人见解。

Google、微软和Facebook等公司正在积极发展内部的深度学习团队。对于我们而言，深度学习仍然是一门非常复杂和难以掌握的课题。如果你熟悉Python，并且具有微积分背景，以及对于机器学习的基本理解，本书将帮助你开启深度学习之旅。* 检验机器学习和神经网络基础 * 学习如何训练前馈神经网络 * 使用TensorFlow实现你的第1个神经网络 * 管理随着网络加深带来的各种问题 * 建立神经网络用于分析复杂图像 * 使用自动编码器实现有效的维度缩减 * 深入了解从序列分析到语言检验 * 掌握强化学习基础

TensorFlow是谷歌2015年开源的主流深度学习框架，目前已得到广泛应用。《TensorFlow：实战Google深度学习框架（第2版）》为TensorFlow入门参考书，旨在帮助读者以快速、有效的方式上手TensorFlow和深度学习。书中省略了烦琐的数学模型推导，从实际应用问题出发，通过具体的TensorFlow示例介绍如何使用深度学习解决实际问题。书中包含深度学习的入门知识和大量实践经验，是走进这个前沿、热门的人工智能领域的优选参考书。第2版将书中所有示例代码从TensorFlow 0.9.0升级到了TensorFlow 1.4.0。在升级API的同时，第2版也补充了更多只有TensorFlow 1.4.0才支持的功能。另外，第2版还新增两章分别介绍TensorFlow高层封装和深度学习在自然语言领域应用的内容。《TensorFlow：实战Google深度学习框架（第2版）》适用于想要使用深度学习或TensorFlow的数据科学家、工程师，希望了解深度学习的大数据平台工程师，对人工智能、深度学习感兴趣的计算机相关从业人员及在校学生等。

在引入开源Deeplearning4j（DL4J）库用于开发产品级工作流之前，作者Josh Patterson和Adam Gibson介绍了深度学习——调优、并行化、向量化及建立管道——任何库所需的基础知识。通过真实的案例，你将学会在Spark和Hadoop上用DL4J训练深度网络架构并运行深度学习工作流的方法和策略。* 深入机器学习一般概念，特别是深度学习相关概念* 理解深度网络如何从神经网络基础演化* 探索主流深度网络架构，包括Convolutional和Recurrent * 学习如何将特定的深度网络映射到具体的问题* 一般神经网络和特定深度网络架构调优基础概览* 为不同的数据类型使用DL4J的工作流工具DateVec实现向量化* 学习如何在Spark和Hadoop本地使用DL4J

随着科学和医学技术的迅猛发展，人类的寿命延长到数百年，甚至摆脱疾病和死亡的困扰，将不再是遥不可及的想象。 在未来的新世界里，是否每个人都有机会享受技术带来的奇迹？科学突破和技术创新，将如何帮助我们克服人类与生俱来的“缺陷”？我们会拥有一个被科技解放的未来，还是成为人工智能的奴仆？ 本书作者、美国基因政策研究中心负责人伊芙·赫洛尔德，细致入微地分析了随着计算机、微电子和纳米技术的突飞猛进，以及细胞、基因疗法和机器人技术的相互关联，医疗技术将如何延长我们的生命，显著地改变我们的生活。 本书既从医生、科学家和工程师的角度探讨了医学前沿新技术的发展，也讲述了一些病患勇于尝试还未正式使用的新疗法的故事。

人机工程学是工业设计、机械设计、环境设计、交互设计等专业重要的基础课。通过这门课程，读者需要了解 人机工程学的基础知识，理解与产品紧密关联的人的因素，掌握各种形式的人机工程设计的基本内容、原理和方法。《人机工程学》共分 7 章，第 1 章介绍人机工程学的含义、发展、范畴、方法及其与 “ 以人为本 ” 设计理念之间的关系； 第 2 章介绍作为设计依据的人体系统、人体尺度、感觉及其特性、知觉及其特性、人的信息处理机制、情绪与情感、 运动器官及其特性、个体作业行为等方面的人因；第 3 ～ 6 章分别介绍人机界面设计 （ 包括信息显示、操纵控制、 计算机交互 ） 、作业器具设计、作业空间设计、作业环境设计等各领域的人机工程设计的内容和方法；第 7 章则从总体上介绍运用系统工程的观点和方法进行人机工程设计的原理与程序。《人机工程学》结构合理，内容丰富，不仅可以作为高等院校工业设计和产品设计专业的教材使用，而且可供其他相关专业及广大从事工业产品设计的人员阅读参考。