本书首先介绍联邦学习的定义和发展历史，按类别介绍联邦学习算法和发展现状，介绍联邦学习的应用场景，以及相关安全机器学习的技术。然后我们将介绍zui新zui前沿的联邦学习算法，用数科系统作为实例，对联邦学习系统构建和实现进行讲解。zui后我们将介绍数科自研的基于区块链的联邦学习技术。

当前，人工智能技术正在火热发展之中，并广泛应用于生产生活的方方面面，极大地改变了人们的生活。同时，人工智能技术的发展也对更多的领域产生了冲击。本书就以人工智能技术的发展和应用为出发点，讲述人工智能当前的发展现状、机遇和挑战，以及人工智能技术在诸多方面的应用、未来的发展前景等。 在讲述理论的同时，本书还加入了诸多经典案例

本书包括驱动篇(第1章-第9章)：分别讲解了OneOs的设备驱动的原理以及源码，实现IIC、SPI等多种通信机制设备驱动讲解。组件篇(第10章-第15章)：分别讲解0ne0S部分组件的原理以及源码，实现MQTT、CoAP等网络协议讲解。异核通信篇(第16章-第21章)：本篇讲解如何实现主处理器对协处理器生命周期管理以及

本书为深圳信息职业技术学院等高职院校与腾讯集团共同编写的高等职业教育人工智能技术服务专业校企“双元”合作系列教材，同时也是高等职业教育计算类课程新形态一体化教材。本书采用项目化任务分解的形式，讲解深度学习开发与应用技术。全书分为10个项目16个任务，主要内容包括：认识人工智能，Linux系统和Python开发环境安装，

本书目的是从作者最近出版的《强化学习预**控制》教科书中更深入地发展一些方法。特别是，提出了有关涉及多个代理，分区架构和分布式异步计算的系统的新研究。本书还将详细讨论该方法在挑战离散/组合优化问题（例如路由，调度，分配和混合整数编程）中的应用，包括在这些情况下使用神经网络近似。本书可作为计算机科学与技术、控制科学与技术

本书将基础理论和案例实战相结合，循序渐进地介绍了关于机器学习领域中的经典和流行算法，全面、系统地介绍了使用Python实现机器学习算法，并通过PyTorch框架实现机器学习算法中的深度学习内容。第一部分为基础篇，包括第1~8章，系统地介绍了机器学习基础、数据预处理、简单分类算法、决策树、支持向量机、回归分析、聚类分析、

书拟根据“厘清内涵、促进交叉、赋能应用”来研究讨论通专融合的人工智能交叉课程体系。厘清内涵指确立专业培养定位和专业培养方向，重视数学与统计知识（如概率论、微积分、线性代数、优化求解和矩阵变换等）、计算机编程和系统能力（如程序设计、算法分析和系统等）以及人工智能基础知识（如逻辑推理、机器学习、强化学习、控制与博弈决策等）

本书是一本介绍深度学习的实践教材,采用的深度学习工具为TensorFlow。本书主要内容包括深度学习环境搭建，数据处理与模型加载，图像处理，图像增强识别实战和两阶段目标检测实战，单阶段目标检测，实战文本识别和图像生成，机器创作，情感分类、翻译、对话，GAN及其变体的创作，强化学习与迁移学习等。降低了深度学习的门槛。本书

本书系统性地介绍了资产定价和机器学习算法的基础理论与实践知识，并以机器学习算法应用于中国股票市场资产收益率预测项目为案例，具体展示了机器学习算法落地应用于中国金融业界的流程和效果。本书主要内容包括资产定价基础方法、机器学习算法评估知识、线性机器学习模型、回归树类机器学习模型、神经网络模型、中国股票市场制度背景、机器学习

本书是一本系统介绍深度学习技术及开源框架PyTorch的入门书。书中通过大量案例介绍了PyTorch的使用方法、神经网络的搭建、常用神经网络（如卷积神经网络、循环神经网络）的实现，以及实用的深度学习技术，包括迁移学习、对抗生成学习、深度强化学习、图神经网络等。读者通过阅读本书，可以学会构造一个图像识别器，生成逼真的图画