Google的TensorFlow是机器学习世界的游戏规则改变者。《TensorFlow 1.x机器学习（影印版 英文版）》将教你如何发挥Python和TensorFlow 1.x的威力更容易地入门机器学习。首先，你将了解基础的安装过程并浏览TensorFlow 1.x的各种能力。然后是训练和运行分类器，以及介绍库中的特性，包括TensorBoard的数据流图、训练和性能可视化——全部通过一个例子展现——富含背景信息且来自多个行业的实际问题。你将进一步探索文本和图像分析，并在TensorFlow 1.x中学习CNN建模和设置。接下来，实现一个完整的真实生产系统，从训练到运行一个深度学习模型。逐步深入学习Amazon Web Services（AWS）并创建一个深度神经网络以解决视频活动识别问题。*后，把caffe模型转换到TensorFlow，并学习高级TensorFlow库：TensorFlow—Slim。学完《TensorFlow 1.x机器学习（影印版 英文版）》，你会被武装成可以应对机器学习环境中任何TensorFlow 1.x相关挑战的绝地武士。

暂缺简介...

人工智能领域正在以超乎人们想象的速度发展，本书赶在人工智能彻底占领世界之前完成编写，实属万幸。书中收录了超过100道机器学习算法工程师的面试题目和解答，其中大部分源于Hulu算法研究岗位的真实场景。本书从日常工作、生活中各种有趣的现象出发，不仅囊括了机器学习的基本知识，而且还包含了成为出众算法工程师的相关技能，更重要的是凝聚了笔者对人工智能领域的一颗热忱之心，旨在培养读者发现问题、解决问题、扩展问题的能力，建立对机器学习的热爱，共绘人工智能世界的宏伟蓝图。 “不积跬步，无以至千里”，本书将从特征工程、模型评估、降维等经典机器学习领域出发，构建一个算法工程师必-备的知识体系；见神经网络、强化学习、生成对抗网络等新科研进展之微，知深度学习领域胜败兴衰之著；“博观而约取，厚积而薄发”，在末一章为读者展示生活中各种yin领时代的人工智能应用。

深度学习已经成为人工智能炙手可热的技术，PyTorch是一个较新的、容易上手的深度学习开源框架，目前已得到广泛应用。《深度学习框架PyTorch快速开发与实战》从PyTorch框架结构出发，通过案例主要介绍了线性回归、逻辑回归、前馈神经网络、卷积神经网络、循环神经网络、自编码模型、以及生成对抗网络。《深度学习框架PyTorch快速开发与实战》作为深度学习的入门教材，省略了大量的数学模型推导，适合深度学习初学者，人工智能领域的从业者，以及深度学习感兴趣的人阅读。

本书是“十二五”普通高等教育本科国家级规划教材和北京高等教育精品教材。 全书包括8章和附录，主要内容包括：人工智能概述，确定性知识系统，不确定性知识系统，智能搜索技术，机器学习，人工神经网络与连接学习，分布智能，智能应用简介。附录A是新一代人工智能简介。本书为任课教师免费提供电子课件。 本书可以作为高等院校计算机类各专业及相关专业的相关课程的教材。

粒计算是一种模拟人类解决复杂问题的理论方法，是人工智能研究领域的一个重要分支。本书从覆盖的角度基于粗糙集理论对粒计算理论方法进行系统的总结和归纳，具体内容包括：研究覆盖近似空间中概念近似的各种方法，并给出这些近似方法的主要特点；研究基于覆盖的知识表示的知识粒度层次关系，从定性比较和量化度量两个方面进行分析；研究多粒度覆盖近似空间中概念的描述方法，并给出不同方法所构成的格结构；基于覆盖粒计算理论研究知识获取的方法。

本书是在作者已经编写出版的《无人驾驶车辆理论与设计》本科生教材的基础上，考虑深度学习、强化学习等人工智能技术以及智能网联技术在智能车辆新发展，同时结合研究生层次的培养特点编写而成的。全书共8章，包括智能车辆与人工智能概述；智能车辆视觉技术；深度学习与目标检测；智能网联技术；智能车辆行为决策与类人驾驶；智能车辆路径规划与运动规划；智能车辆模型预测控制方法；以及基于ROS+V-REP的智能车辆测试方法和考虑驾乘人员主观感受的智能车辆主客观评价方法。

本书内容由大量的MATLAB计算实例组成。全书共分11章，第1章介绍MATLAB基础知识，第2章介绍多项式处理，第3章介绍MATLAB绘图，第4章介绍复数运算，第5章介绍矩阵计算，第6章介绍解多元一次线性方程组，第7章介绍解一元N次方程（上），第8章介绍解一元N次方程（下），第9章介绍方程及非线性方程，第10章介绍用图像法解实系数一元N次方程，第11章介绍用图像法解实系数N元一次方程组。 本书适合四类读者阅读或参考： 一是学习MATLAB课程的理工科大、中专及高等职业学校、中等职业学校的在校学生； 二是广大工程技术、科研人员； 三是数学爱好者； 四是从事文秘工作的人员。 本书通俗易懂，图文并茂，资料丰富，实用性强，既适合初学者，也适合有一定MATLAB基础的爱好者及专业技术人员。

本书详细介绍了目前深度学习相关的常用网络模型（ANN、CNN、RNN），以及不同网络模型的算法原理和核心思想。本书利用大量的实例代码对网络模型进行了分析，这些案例能够加深读者对网络模型的认识。此外，本书还提供完整的进阶内容和对应案例，让读者全面深入地了解深度学习的知识和技巧，达到学以致用的目的。本书适用于大数据平台系统工程师、算法工程师、数据科学家，可作为对人工智能和深度学习感兴趣的计算机相关从业人员的学习用书，也可作为计算机等相关专业的师生用书和培训学校的教材。

高拱坝质量与安全事关国计民生。我国拱坝建设已进入300m级时代，施工期温控防裂、运行期整体安全和抗震安全是其建设面临的三大挑战。温控防裂是世界性难题，采用现有技术仍然难以解决。本书旨在为特高拱坝建设提供科技支撑和系统解决方案： 针对“特高拱坝温控防裂、工作性态分析、工程数据共享”等难题，基于“感知、分析、控制”的特高拱坝智能化建设理论，在“实时监测、全坝分析、智能控制、协同工作”等多学科技术上进行系统研究，介绍了以“大坝全景信息模型与智能拱坝建设信息化平台”为核心软件环境，及“大坝施工全过程综合信息感知与实时监控技术、基于海量感知数据的大坝仿真分析关键技术、大坝基础质量智能控制技术”等智能控制装置和系统。 \n图书内容新颖翔实，涉及多学科交叉，涵盖移动通信技术、数据筛选分析技术、三维仿真技术、预警预判和决策支持技术、高精度定位技术等多种技术，为特高拱坝施工期质量控制、温控防裂等提供了科技支撑和系统解决方案，可供相关领域人员参考和学习。 \n \n