《AI可解释性（Python语言版）》全面介绍了AI可解释性的概念和可用技术，使机器学习系统更易于解释。书中提出的方法可以应用于几乎所有现有的机器学习模型：线性和逻辑回归、深度学习神经网络、自然语言处理和图像识别等等。随着机器学习的发展，如今人们越来越多地使用人工智能体来执行以前由人类处理的关键任务(医疗、法律和金融等等)。虽然智能体的设计原则已被理解，但目前的大多数深度学习模型对人类理解而言是“不透明的”。《AI可解释性(Python语言版)》从理论和实践的角度填补了这个新兴主题文献方面的空白

本书深入浅出地介绍了近年来AI领域中十分引人注目的新型人工神经网络——生成对抗网络（GAN）的基本原理、网络结构及其在图像处理领域中的应用；同时，分析了近年来在GAN训练、GAN质量评估及多种改进型GAN方面取得的进展；在实践方面，给出了基于Python的基本GAN编程实例。另外，本书还介绍了支撑GAN模型的基础理论和相关算法，以使读者更好地理解和掌握GAN技术。

作为机器学习领域应用比较成熟、广泛的业务，个性化推荐在电商、短视频等平台发挥着重要作用，其背后的推荐系统已成为当今越来越多应用程序的标配。关于推荐算法的论述有很多，而要将其很好地应用到实际场景中，则需要大量的实践经验。本书从实战的角度介绍推荐系统，主要包含三部分：召回算法、排序算法和工程实践。书中细致剖析了如何在工业中对海量数据应用算法，涵盖了从算法原理，到模型搭建、优化以及最佳实践等诸多内容。

本书围绕人工智能与大数据技术这一主题，简明扼要地阐述了人工智能与大数据技术的基本理论和发展趋势。全书分七章，包括人工智能概述、人体行为之智能机器人、智能信息处理技术、分布式人工智能中的Agent技术等。

本书共分为10章。第1章为绪论;第2、3章分别介绍使用传递函数和状态空间方程描述系统的方法;第4、5章使用这两种方法分析一阶系统与二阶系统的时域响应;第6章介绍系统稳定性的概念;第7、8章重点分析经典控制理论中的控制器设计方法,包含比例积分控制和根轨迹法;第9章介绍系统的频率响应并与滤波器的设计相结合;第10章讨论现代控制理论中的控制器设计,以及观测器设计方法。附录部分介绍两个广泛使用的工程数学工具:线性化与傅里叶变换。

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,你将着手构建一个无服务器的应用程序,它使用基于云的人工智能工具,如基于AWSTranscribe和Polly来实现“语音-文本”双向转换功能,基于Lex来创建交互式聊天机器人。

本书从初学者角度出发，以"讲课”的形式，归纳分析各类迁移学习方法，使读者能快速理解迁移学习的本质问题、抓住重点、举一反三、迅速入门。它的一大亮点是对"两头"的把握：一是源头，抓问题和场景，做到"师出有名”，讲清楚针对什么问题、用在哪里；二是笔头，抓代码与实践，做到"落地结果”，在实战中巩固和深化对技术的理解。本书同时配套丰富的在线学习资源。

本书着重探讨新基建背景下我国人工智能的发展及其基础建设。全书包括基础、应用和实践三篇，共9章。基础篇分析了新基建的背景、概念、短板，以及人工智能的发展与挑战等，尤其是分析了人工智能与新基建内在的关系；应用篇分析了人工智能在产业融合及在医疗、教育、能源、城市建设、社区建设等领域的驱动作用；实践篇探讨了人工智能的数据建设、软硬件建设、技术研发、产品研制和人才培育等。推进人工智能新基建，对加快人工智能技术创新、全面提升其与产业融合和为社会赋能的可持续发展能力具有重大价值，这也是本书重点关注的内容。

本书从产业角度深刻分析了异构计算及智能计算中心建设的诸多关键技术和应用前景，介绍了异构融合智能计算的核心技术—智能计算中心异构算力芯片、异构算力适配、异构操作平台，以及产业界中智能计算中心异构算力的解决方案、智能计算中心的高质量发展与未来展望。本书内容丰富、分析全面，是实现智能计算中心发展相关布局的重要技术参考，对推动我国智能计算中心建设和智能计算领域的发展有很高的参考价值和实际意义，适合从事城市数字化建设、智能化建设、智能计算中心建设的相关技术人员，以及科研机构技术人员、高校师生阅读。

《图机器学习》详细阐述了与图机器学习相关的基本解决方案，主要包括图的基础知识、图机器学习概述、无监督图学习、有监督图学习、使用图机器学习技术解决问题、社交网络图、使用图进行文本分析和自然语言处理、信用卡交易的图分析、构建数据驱动的图应用程序和图的新趋势等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。