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PyTorch 1.6.0，对全书代码进行了更新，同时增加了Transformer

深度学习已经广泛的应用到智能制造的各个方面。本书以智能制造为背景, 分别介绍了深度学习在故障诊断、表面缺陷预测、健康状态评估等方面的工作。本书的内容不仅涵盖了深度学习的基本概念和理论, 更多的介绍了常见的深度学习模型及其实现方式, 以通俗易懂的方式, 为读者呈现出深度学习的核心内容。突出为智能制造专业服务的主线, 在案例的选取上, 摒弃了传统以图像识别、自然语言处理为主的讲解模式, 通过选择智能制造及智能制造系统中案例, 指导读者更好的了解深度学习的使用方法和技巧。本书介绍了深度学习的

《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+Matpl

《TensorFlow Lite移动设备深度学习从入门到实践》循序渐进地讲解了使用 TensorFlow Lite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TensorFlow Lite 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 TensorFlow Lite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。
《TensorFlow Lit

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

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

本书是为高等院校计算机科学与技术、软件工程、人工智能、大数据技术、信息管理等相关专业的“人机交互技术”或“人机界面设计”等课程编写的以实验和实践为主线开展教学的主教材。
全书通过一系列在网络环境下学习和实践的实验练习，把人机交互技术的概念、理论知识与技术融入实践中，加深读者对该课程的认识和理解。内容包括人机交互与用户体验，人机交互相关学科，人机交互界面，概念化交互，社会化交互，情感化交互，发现需求，交互设计过程，设计指南与原则，原型构建与敏捷设计，直接操纵与界面设计，命令、菜单与表格，用户

本书系统阐述了人工智能的基本原理、方法和应用技术，以知识为线索，分为知识搜索、知识发现、知识推理和知识应用四个部分，全面反映了人工智能领域国内外的最新研究进展和动态。为便于读者深入学习，每章的最后一节均配有相关方法的案例和编程内容，大部分章末配有课后练习，读者可扫描书中二维码获取相关代码和参考答案。
本书可作为高等学校智能科学与技术、人工智能、自动化、机器人工程等相关专业学生学习人工智能课程的教材，也可供从事人工智能研究与应用的科技工作者参考。

强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。 本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法，以及策略梯度、近端策略优化、深度Q 网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法，并以大量生动有趣的例子帮助读者理解强化学

虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。 本书是教你使用 PyTorch 创建神经网络和深度学习系统的实