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，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。 第2版基于PyTorch1.6.0，对全书代码进行了更新，同时增加了Transformer、

本书旨在利用TensorFlow针对各种现实场景设计深度学习系统，引导读者实现有趣的深度学习项目。本书涵盖10个实践项目，如用目标检测API标注图像、利用长短期记忆神经网络（LSTM）预测股票价格、构建和训练机器翻译模型、检测Quora数据集中的重复问题等。通过阅读本书，读者可以了解如何搭建深度学习的TensorFlow环境、如何构建卷积神经网络以有效地处理图像、如何利用长短期记忆神经网络预测股票价格，以及如何实现一个能够自己玩电子游戏的人工智能（AI）！ 本书适合数据科学家、机器学习和深度学

本书介绍了人工智能和大数据涉及的核心概念和模型。书中涉及概念包括监督和非监督学习、数据类型、可视化、线性回归、逻辑回归、分类回归树、神经网络等。同时，本书理论和实际并重，基于真实的实例和数据集，引入了R语言演示实际计算和操作，为读者展示解决实际问题的代码，从而让读者掌握在实际生活中解决相关问题的方法。 本书适合想要综合学习人工智能、大数据和数据科学，尤其是想要依靠这些学科解决实际问题的人学习，也适合作为相关课程的参考教材。

《Scikit-Learn机器学习核心技术与实践》循序渐进地讲解了使用Scikit-Learn开发机器学习程序的核心知识，并通过具体实例的实现过程演练了使用Scikit-Learn的方法和流程。全书共10章，包括人工智能与Scikit-Learn简介，加载数据集，监督学习，无监督学习，模型选择和评估，数据集转换，实现大数据计算，英超联赛比分预测系统（Matplotlib+Scikit-Learn+Flask+Pandas），AI考勤管理系统（face-recognition+Matplotlib

主要内容●探索深度学习的**似然原理和统计学基础●发现能输出各种可能结果的概率模型●学习使用标准化流来建模和生成复杂分布●使用贝叶斯神经网络获取模型中的不确定性

《TensorFlowLite移动设备深度学习从入门到实践》循序渐进地讲解了使用TensorFlowLite开发移动设备深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlowLite的方法和流程。全书共12章，分别讲解了人工智能和机器学习基础、搭建开发环境、第一个TensorFlowLite程序、转换模型、推断、使用元数据进行推断、优化处理、手写数字识别器、鲜花识别系统、情感文本识别系统、物体检测识别系统、智能客服系统。《TensorFlowLite移动设备深度学习从入门

全书围绕Alink（阿里在Flink基础上做的开源版本）的展开，以实例为主阐述Alink的使用。?以机器学习的知识架构将各个章节串联起来，每个章节配合实例，用户更容易理解和入手尝试。?数据会采用读者能免费下载的数据集，在加上Alink本身是开源的、免费的。用户试用起来没有成本。?实例实现的源代码，准备放在Alink开源git上，大家容易看到，可以直接下载，代码旁边会有实体书的介绍?以机器学习的知识架构将各个章节串联起来，每个章节配合实例，用户更容易理解和入手尝试。?数据会采用读者能免费下载的数据

TensorFlowLite移动端深度学习循序渐进地讲解了在移动设备中使用TensorFlowLite开发机器学习和深度学习程序的核心知识，并通过具体实例演练了各知识点的使用方法和流程。全书共9章，分别讲解了人工智能开发基础、编写个TensorFlowLite程序、创建模型、转换模型、推断、优化处理、微控制器、物体检测识别系统和姿势预测器。全书简洁而不失技术深度，内容丰富全面，以简明的文字介绍了复杂的案例。同时书中配有二维码视频，结合视频讲解可加深对相关内容的理解，是学习TensorFlowLi

本书针对人工智能硬件电路设计基础、着重介绍硬件电路相关的设计知识及SoC设计开发过程中数字前端知识，包括VHDL技术、Verilog技术及HLS技术。同时将开发SoC中常用的模块作为应用实例进行详细讲解。VHDL技术部分详细介绍了VHDL语言的背景知识、基本语法结构和VHDL代码的编写方法。另外，该部分还加入了基础电路和简单系统的设计实例，以及设计共享的内容，以便进行代码的分割、共享和重用。Verilog技术部分详细介绍了与VHDL技术部分相对应的内容，以便读者对照学习。在此基础上，本书还给出了

本书以新版深度学习框架PyTorch为基础，循序渐进地介绍其在深度学习中的应用。全书共10章，从深度学习数学知识入手，逐步介绍PyTorch在数值建模、图像建模、文本建模、音频建模中的基本概念及应用示例，还将介绍模型的可视化和联邦学习等内容，以扩展读者的视野。本书在讲解每一个知识点的同时，都配合有动手练习实例，便于读者深入理解所学知识，并达成学以致用的目标。本书原理与实践并重，易于理解且可操作性强，特别适合PyTorch新手、大学生、研究人员和开发人员使用，也可作为高等院校相关专业的教学用书。