本書從神經網絡的基礎知識講起，逐步深入到Python進階實戰(zhàn)，通過對各種實用的第三方庫進行詳細講解與實戰(zhàn)運用，讓讀者不但能夠更加深入地了解神經網絡，而且能夠簡單高效地搭建自己的神經網絡，即使沒有專業(yè)背景知識也能輕松入門神經網絡。 本書分為11章，涵蓋的主要內容有神經網絡概述，神經網絡基礎知識，計算機程序的特點，神經網絡

本書全面系統(tǒng)地講解了深度學習相關的知識。全書共8章，內容包括深度學習簡介及TensorFlow安裝，神經網絡基礎、神經網絡的TensorFlow實現(xiàn)、卷積神經網絡基礎、經典卷積神經網絡（上）、經典卷積神經網絡（下）、深度學習用于文本序列和深度學習實驗項目等內容。 本書以知識體系為基礎，以課堂案例為載體，采取理論與實踐相

增強現(xiàn)實（AR）作為虛擬現(xiàn)實的一個技術延伸，是虛擬與現(xiàn)實的連接入口，是一種實時計算攝像機捕捉到的現(xiàn)實影像的位置及角度并加上相應虛擬信息的技術。伴隨著AR技術迅速發(fā)展的是其3D實感攝像設備的快速更新。將這些3D實感攝像設備結合物聯(lián)網技術可廣泛應用于導航與定位、遠程醫(yī)療、智能家居控制等多種領域。本書從系統(tǒng)設計的角度出發(fā)，由

本書采用技術分析與場景描述相結合的模式，圍繞物聯(lián)網體系結構、關鍵技術和安全防控等方面進行系統(tǒng)的介紹。本書主要包括物聯(lián)網概述、物聯(lián)網基礎知識、物聯(lián)網數(shù)據服務、場景角度的IoT安全、技術角度的IoT安全、物聯(lián)網流量安全、區(qū)塊鏈與物聯(lián)網安全七部分內容。

本書分為3部分，分別是綜述篇、通用技術篇和行業(yè)應用篇。綜述篇介紹了現(xiàn)階段人工智能產品發(fā)展情況和人工智能政策環(huán)境。通用技術篇精心挑選10個以研發(fā)底層技術為核心競爭力的企業(yè)的產品，詳細介紹了它們的實現(xiàn)思路以及現(xiàn)階段應用。行業(yè)應用篇共有24個案例，主要匯集了人工智能技術與實體經濟結合的應用案例，重點關注人工智能技術的應用場景

人工智能將引領一場比互聯(lián)網影響更為深遠的科技革命，各領域的企業(yè)都需要盡早地將人工智能納入企業(yè)規(guī)劃路徑中。在人工智能革命的時代，企業(yè)應如何應對挑戰(zhàn)、如何調整企業(yè)發(fā)展方向，以及如何重塑企業(yè)運營模式和管理制度，從而在人工智能的浪潮中獲得機遇。作為個人，我們又應如何面對未來人機協(xié)作的工作模式，如何在未來的工作環(huán)境中尋找適合自己

全書首先概要介紹了傳統(tǒng)語音識別理論和經典的深度神經網絡核心算法。接著全面而深入地介紹了深度學習在語音識別中的應用，包括"深度神經網絡-隱馬爾可夫混合模型”的訓練和優(yōu)化，特征表示學習、模型融合、自適應，以及以循環(huán)神經網絡為代表的若干先進深度學習技術。

本書共11章，主要介紹機器學習的基本概念和兩大類常用的機器學習模型，即監(jiān)督學習模型和非監(jiān)督學習模型。針對監(jiān)督學習模型，本書介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹）、集成學習模型和神經網絡模型及其訓練；針對非監(jiān)督學習模型，本書講解了常用的降維技術（線性降維技術與非線性降

目前，市場上的機器學習算法和深度學習算法相關入門書籍大都過于理論化和數(shù)學化，提高了學習門檻，使得不具有相關專業(yè)背景的讀者望而卻步；或是過于偏重實操，對于算法原理過于簡略，使得讀者無法形成對算法原理和可應用場景的基本認識。本書共分為上下兩篇，共18章：其中第一篇為經典機器學習模型部分，主要講解了常用的機器學習經典模型。第

本書主要針本書主要針對大學低年級學生，講解人工智能基礎知識，幫助初入校大學生了解人工智能的概念，掌握人工智能應用技術，進而獨立創(chuàng)作完成人工智能相關作品。本書包含了人工智能導引、人工智能基礎知識、燈光的智能控制、交通燈的智能識別、文字的智能處理、圖像的智能辨識、語音的智能辨識、人機的智能交互、無人駕駛、智能3D打印等方面