本书从神经网络的基础知识讲起，逐步深入到Python进阶实战，通过对各种实用的第三方库进行详细讲解与实战运用，让读者不但能够更加深入地了解神经网络，而且能够简单高效地搭建自己的神经网络，即使没有专业背景知识也能轻松入门神经网络。 本书分为11章，涵盖的主要内容有神经网络概述，神经网络基础知识，计算机程序的特点，神经网络

本书全面系统地讲解了深度学习相关的知识。全书共8章，内容包括深度学习简介及TensorFlow安装，神经网络基础、神经网络的TensorFlow实现、卷积神经网络基础、经典卷积神经网络（上）、经典卷积神经网络（下）、深度学习用于文本序列和深度学习实验项目等内容。 本书以知识体系为基础，以课堂案例为载体，采取理论与实践相

增强现实（AR）作为虚拟现实的一个技术延伸，是虚拟与现实的连接入口，是一种实时计算摄像机捕捉到的现实影像的位置及角度并加上相应虚拟信息的技术。伴随着AR技术迅速发展的是其3D实感摄像设备的快速更新。将这些3D实感摄像设备结合物联网技术可广泛应用于导航与定位、远程医疗、智能家居控制等多种领域。本书从系统设计的角度出发，由

本书采用技术分析与场景描述相结合的模式，围绕物联网体系结构、关键技术和安全防控等方面进行系统的介绍。本书主要包括物联网概述、物联网基础知识、物联网数据服务、场景角度的IoT安全、技术角度的IoT安全、物联网流量安全、区块链与物联网安全七部分内容。

本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景

人工智能将引领一场比互联网影响更为深远的科技革命，各领域的企业都需要尽早地将人工智能纳入企业规划路径中。在人工智能革命的时代，企业应如何应对挑战、如何调整企业发展方向，以及如何重塑企业运营模式和管理制度，从而在人工智能的浪潮中获得机遇。作为个人，我们又应如何面对未来人机协作的工作模式，如何在未来的工作环境中寻找适合自己

全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括"深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。

本书共11章，主要介绍机器学习的基本概念和两大类常用的机器学习模型，即监督学习模型和非监督学习模型。针对监督学习模型，本书介绍了线性模型（线性回归、Logistic回归）、非线性模型（SVM、生成式分类器、决策树）、集成学习模型和神经网络模型及其训练；针对非监督学习模型，本书讲解了常用的降维技术（线性降维技术与非线性降

目前，市场上的机器学习算法和深度学习算法相关入门书籍大都过于理论化和数学化，提高了学习门槛，使得不具有相关专业背景的读者望而却步；或是过于偏重实操，对于算法原理过于简略，使得读者无法形成对算法原理和可应用场景的基本认识。本书共分为上下两篇，共18章：其中第一篇为经典机器学习模型部分，主要讲解了常用的机器学习经典模型。第

本书主要针本书主要针对大学低年级学生，讲解人工智能基础知识，帮助初入校大学生了解人工智能的概念，掌握人工智能应用技术，进而独立创作完成人工智能相关作品。本书包含了人工智能导引、人工智能基础知识、灯光的智能控制、交通灯的智能识别、文字的智能处理、图像的智能辨识、语音的智能辨识、人机的智能交互、无人驾驶、智能3D打印等方面