本书讲述如何快速利用无服务器计算和基于云的人工智能服务的能力。介绍基础知识后,将带你领略第一个实际操作的无服务器人工智能项目:一个可识别任意网页图像的系统。在本书中,你将探索用于图像分析的AmazonRekognition工具、云基础设施部署、爬虫服务和简单API等技术。掌握这个有趣项目中的概念和技能后,你将着手构建一

本书系统地阐述机器学习中常见的几类模型,包括模型的思想、原理及实现细节等。同时,本书还结合了当前热门的机器学习框架Sklearn,对书中所涉及的模型进行用法上详细讲解。全书共10章,第1章介绍机器学习开发环境的配置;第2章讲解线性回归模型的基本原理、回归模型中常见的几种评价指标,以及用于有监督模型训练的梯度下降算法;第

本书以任务为导向，讨论了机器学习和深度学习的主要问题，包括聚类、回归、分类、标注、降维、特征工程、超参数调优、序列决策（强化学习）和对抗攻击等。书中对上述每个问题，分别从决策函数类模型、概率类模型和神经网络类模型三个角度来讨论具体的实现算法。本书在内容上兼顾基础知识和应用实践。总体上，以基本理论知识为主线，逐步展开，从

本书从人工智能时代说起，通过项目学习（PBL）的方式由浅入深地剖析图像处理、人脸聚类、语音识别、人脸签到、慧眼识人、自动驾驶小车等人工智能的相关应用案例，并在此基础上推出5个生动有趣的典型综合实践项目--裸眼3D、无人机+智慧农业、创建自己的语音识别库、语音播报智能垃圾桶、垃圾分类机器人。 本书项目在实施过程中，依托

本书主要内容包括：入门篇（初识人工智能）、理解篇（认知人工智能的应用技术）、实践篇（探索生活中的人工智能应用）、拓展篇（理解人工智能的重要概念）。本书力求将人工智能相关理论、知识点与具体实践应用进行结合，通过知识点对应的实践项目的设置，大大地增强教材的应用性、丰富性及实践性，极大地提升学生的学习兴趣、理解能力和实践能力

本书共12个单元，每个单元分为SectionA和SectionB两部分。两个部分围绕同一主题，以不同的体裁形式呈现，并提供了参考译文。本书涵盖了人工智能领域广泛的基础研究主题，比如机器学习、神经网络、计算机视觉、自然语言处理，展示了人工智能在多领域的具体应用，比如推荐系统、人脸识别、聊天机器人、自动驾驶、智能机器人，并

本书分为三部分。第一部分介绍MLOps主题，深入探讨了它是如何(以及为什么)发展成一门学科的、需要谁参与才能成功执行MLOps以及需要哪些组成部分。第二部分介绍了机器学习模型的生命周期，其中包括有关模型开发、生产准备、生产部署、监控和治理的章节。这些章节不仅包括一般的注意事项，还包括MLOps生命周期每个阶段的注意事项

本书以经典控制理论为主，较全面地阐述了自动控制的基本理论与应用。全书共分8章，主要内容包括：绪论，线性连续控制系统的数学模型、时域分析法、根轨迹分析法、频率特性分析法，线性控制系统的设计与校正，线性离散控制系统的基础理论、数学模型、性能分析及校正，非线性控制系统分析以及在MATLAB与Simulink支持下对控制系统的

本书系统全面地阐述了对偶学习，可以让相关研究人员和从业者更好地了解该领域的前沿技术。全书分为五部分。第一部分简要介绍机器学习和深度学习的基础知识。第二部分以机器翻译、图像翻译、语音处理及其他自然语言处理/计算机视觉任务为例，详细介绍了基于对偶重构准则的算法。第三部分介绍基于概率准则的若干研究，包括基于联合概率准则的对偶

本书旨在全面回顾异质图表示学习的发展，并介绍其最新研究进展。首先从方法和技术两个角度总结了现有的工作，并介绍了该领域的一些公开资源。然后分类详细介绍了最新模型与应用。最后讨论了异质图表示学习未来的研究方向，并总结了本书的内容。全书主体内容分为四个部分，第一部分快速介绍整个领域，第二、三部分深入研究相关技术和应用，第四部