&#23448;&#26415;&#32593;&#95;&#20070;&#21451;&#26368;&#20540;&#24471;&#25910;&#34255;&#33;

人工智能技術

本書介紹了人工智能概覽、機器學習、深度學習、人工智能主流開發框架、華為全棧全場景AI戰略—EI、HiAI、昇騰，以及人工智能綜合實驗等內容？這是一本華為ICT學院人工智能課程培訓的教材。本書是作者和華為的工作人員共同完成的，其間參閱了國內外現有教材和相關文獻后編寫的？全書注重理論與實踐的結合，注重算法與框架的實際應用與實現方法，注重創新思維的訓練與培養？本書既可作為高等院校人工智能課程的培訓教材，也可作為自動化？電氣工程及其自動化？計算機科學與技術？電子信息工程等專業學生“人工智能”課程的本科生？研究生教材，也可供從事人工智能研究與應用的科技工作者學習參考？

AI智能語音技術與產業創新實踐

本書從技術、應用和產業3個維度為切入點，對智能語音語義領域相關的熱點和趨勢展開研究。本書以“人與機器的對話”開篇，講述人類語音生成、傳播和感知的過程，引發對于機器智能語音聽說的思考，進而闡述技術探索發展史；然后，分析了以語音交互為核心的技術現狀，綜合剖析提出全雙工、端到端模型構建、語音假冒攻擊等熱點；其次，從政策、投融資和產業規模上，分析整體智能語音產業環境，縱觀國內外企業在相關技術和產品上的積極布局，介紹了智能語音的產業鏈和產業格局；最后，圍繞語音交互技術形成的應用，以智能汽車、智能家居、可穿戴設備、智能客服、醫療、教育等諸多細分領域為代表，提出“AI+基礎服務”“AI+硬件設備”“AI+垂直行業”的3種應用轉化參考模式，并列舉實際具體案例和解決方案。本書適合從事人工智能技術研發、產品應用、市場規劃的工程技術人員和管理人員參考使用，也可作為高等院校人工智能相關的專業師生參考。同時，也適合對人工智能語音技術感興趣的相關人員閱讀。

ROS 2機器人開發：從入門到實踐

機器人開發是一項復雜的系統工程，ROS2為智能機器人開發提供了強有力的支持，極大地提高了機器人軟件開發效率。本書首先對ROS2的基礎概念、通信機制、常用庫和工具進行介紹，帶領讀者入門ROS2機器人開發；接著引導讀者完成移動機器人的建模和仿真、建圖和導航、自定義控制器和規劃器等一系列實踐；然后在真機實戰環節，通過制作一個基于ROS2的真實機器人，幫助讀者打通仿真與真機之間的壁壘；最后，本書深入講解了ROS2進階使用的相關知識，為讀者進一步在實戰中使用ROS2進行機器人開發打下夯實基礎。考慮讀者基礎，書中示例均以C++和Python兩種語言實現，同時加入了關于C++新特性、Git工具、多線程和回調函數等基礎知識的講解。

TensorFlow神經網絡到深度學習

本書以TensorFlow為平臺，從神經網絡到深度學習由淺入深進行介紹，書中每章都以理論引出，以TensorFlow應用鞏固結束，做到理論與實踐相結合，使讀者快速了解神經網絡、深度學習等內容，同時領略利用TensorFlow解決這些問題的簡單和快捷。本書共12章，主要內容包括TensorFlow軟件介紹、計算機視覺與深度學習、深度神經網絡的基礎、全連接神經網絡、卷積神經網絡、高級卷積神經網絡、循環神經網絡、對抗神經網絡、其他監督學習、非監督學習、自動編碼機、強化學習等。

MXNet深度學習實戰

本書是從一名算法工程師的角度出發介紹算法實現，整體上偏基礎和細節，能夠幫助入門者少走彎路。隨著這幾年深度學習的快速發展，眾多深度學習框架對各類接口的封裝都很完善，使用起來非常方便，但是部分深度學習入門者僅僅停留在跑通demo卻不理解細節內容的層面，這也常常被人調侃有些浮躁，通過本書，筆者希望讀者不僅能夠靈活調用這些接口實現算法，而且能夠理解這些接口的內在含義，不斷夯實自己的算法基礎。

心與芯：我們與機器人的無限未來

我們當下正在經歷一場AI革命。現在有創紀錄的310萬個機器人在工廠工作，從事從組裝電腦到包裝貨物以及監測空氣質量等各種工作。數量龐大的智能機器以各種各樣的方式影響著我們的生活，如提高外科醫生的手術精確度，清潔我們的家等等，我們正處于機器智能帶來的令人興奮的可能性當中。下一個萬億規模的企業，也許正在AI機器人領域誕生。當下的機器人產業，遠遠超出常人的想象。你會看到全世界最先鋒的機器人研究團隊如何開發機器人，這個團隊使用人工智能，通過令人難以置信的速度進行試驗和試錯，找出最有效的方式來開發機器人。你將在這本書中了解到多達幾十種功能不同的機器人，從可重構機器人到自動駕駛車輛，再到微型醫療機器人、自我折疊的機器人、仿生機器魚，甚至是可以在人體內導航的微型機器人等等。通過閱讀這本書，你將了解機器智能發展的最前沿，獲得新一輪競爭性優勢。

跨數據中心機器學習：賦能多云智能數算融合

本書基于作者多年的研究成果，詳細介紹了跨數據中心機器學習的訓練系統設計和通信優化技術。本書面向多數據中心間的分布式機器學習系統，針對多數據中心間有限的傳輸帶寬、動態異構資源，以及異構數據分布三重挑戰，自底向上討論梯度傳輸協議、流量傳送調度、高效通信架構、壓縮傳輸機制、同步優化算法、異構數據優化算法六個層次的優化技術，旨在提升分布式機器學習系統的訓練效率和模型性能，突破跨數據中心機器學習的通信瓶頸和數據壁壘，實現多數據中心算力和數據資源的高效整合。

人工智能程序員面試筆試寶典

《人工智能程序員面試筆試寶典》是一本講解人工智能面試筆試的百科全書，在寫法上，除了講解常見的面試筆試知識點，還引入了相關示例和筆試題輔以說明，讓讀者能夠更加容易理解。《人工智能程序員面試筆試寶典》將人工智能面試筆試過程中各類知識點一網打盡，在內容的廣度上，通過各種渠道，搜集了近3年來知名IT企業針對人工智能崗位面試涉及的知識點，包括但不限于人工智能、計算機網絡、操作系統、算法等，所選擇的知識點均為企業招聘考查的知識點。在講解的深度上，本書由淺入深分析每一個知識點，并提煉歸納，同時，引入相關知識點，并對知識點進行深度剖析，讓讀者不僅能夠理解這個知識點，還能在遇到相似問題的時候，也能游刃有余地解決。本書對知識點進行歸納分類，結構合理，條理清晰，對于讀者進行學習與檢索意義重大。

智能學習的未來

人工智能發展迅猛，與之相比，我們人類到底還有沒有優勢？我們最終會被取代嗎？想要在這場人機大戰中取勝，我們就必須換一種方式來思考智能。羅斯瑪麗?盧金教授是國際AI教育學會主席，她在《智能學習的未來》中重新定義了人類智能，提出了交織型智能模型，詳解了人類智能的7大要素，指明了如何在當下和未來進行智能的學習，使我們不至于因過時的“智能”而落后于時代。

虛擬現實與增強現實技術

虛擬現實和增強現實技術目前在智能制造中得到了越來越多的應用。本書重點介紹在應用此類技術涉及的關鍵技術，包括繪制技術、人機交互技術、開發平臺特別是幾何引擎和動力學引擎等，對于其在智能制造中的典型應用給予了專門介紹。書中大部分案例都取自作者所在課題組實際開發的工程實例，是一本理論與實用兼顧的參考工具書。

神經網絡與深度學習：基于MATLAB的仿真與實現

本書闡述經典神經網絡及典型的深度學習（神經網絡）方法的基本架構、算法原理及相關問題。在此基礎上，介紹MATLAB中神經網絡工具箱在神經網絡、深度學習中的應用，并給出相應的應用實例。本書可作為高等院校相關專業的本科生、研究生及從事神經網絡及深度學習方面學習及研究工作的專業人員的參考書。

從零開始：機器學習的數學原理和算法實踐

零基礎讀者應如何快速入門機器學習？數學基礎薄弱的讀者應如何理解機器學習中的數學原理？這些正是本書要解決的問題。本書從數學基礎知識入手，通過前3章的介紹，幫助讀者輕松復習機器學習涉及的數學知識；然后，通過第4-第13章的介紹，逐步講解機器學習常見算法的相關知識，幫助讀者快速入門機器學習；最后，通過第14章的綜合實踐，幫助讀者回顧本書內容，進一步鞏固所學知識。《機器學習的數學原理和算法實踐》適合對機器學習感興趣但數學基礎比較薄弱的讀者學習，也適合作為相關專業的學生入門機器學習的參考用書。

智能計算系統實驗教程

本書是《智能計算系統》的配套實驗教程，結合智能計算系統的軟硬件技術棧設計了基于通用CPU平臺和深度學習處理器平臺的分階段實驗和綜合實驗。其中，分階段實驗以風格遷移作為驅動范例，包括算法實驗（第2～3章）、編程框架實驗（第4章）、智能編程語言實驗（第5章）、深度學習處理器運算器設計實驗（第6章）。通過完成分階段實驗，讀者可以開發出一個可完成圖像風格遷移任務的智能計算系統。綜合實驗（第7章）包括目標檢測、文本檢測、自然語言處理等不同應用領域的實驗，可以幫助讀者鞏固對軟硬件技術棧相關知識的系統理解，讓讀者了解不同應用領域對智能計算系統的需求。本書適合作為高等院校人工智能及相關專業的教材，以及相關領域從業人員的參考書。作者團隊還為本書設計了一款配套的游戲，利用游戲中的“稠密獎勵”“即時獎勵”和“體系性獎勵”等機制來提升讀者的學習熱情。

計算思維與人工智能基礎

本教材共分9章：第1章計算機技術與計算思維基礎、第2章計算機中信息表示、第3章計算機系統基本組成和基本工作原理、第4章互聯網與物聯網、第5章計算機新技術、第6章計算機求解問題基礎、第7章人工智能概述、第8章搜索與博弈和第9章機器學習。

人工智能

從《終結者》、《黑客帝國》、《機器人瓦利》再到《超驗駭客》，我們多數人對人工智能的認識還停留在好萊塢電影階段，然而，人工智能作為一門計算機科學分支究竟是什么樣的？目前發展到了什么階段？能夠戰勝人類的終極AI機器真的會存在嗎？從這本書中，你很快就會發現問題的答案。本書將全面介紹人工智能的發展歷史、探究過程以及在各個領域的應用，以通俗易懂的語言和生動有趣的示例為你揭示人工智能不為人知的奧秘。全面介紹了人工智能的歷史及其在各個領域的發展及應用。既有科學的嚴謹性，又不乏趣味性，以通俗的語言和生動的示例將科學之美展現得淋漓盡致，有助于讀者開闊視野，激發進一步探索科學的興趣。

會話式AI：自然語言處理與人機交互

本書從邏輯上看分為三大部分。第一部分（第1～2章）介紹語言理解的基礎概念與環境搭建。其中，第1章介紹人機交互的演變歷史及技術變革。第2章介紹前置技術，重點涵蓋PyTorch、TorchText、Jieba等自然語言處理學習庫的使用方法。第二部分（第3～8章）介紹自然語言處理和人機交互相關的核心技術。本書強調理論與實戰并行，在介紹相關核心技術的同時，每章針對相應核心算法展開實戰，在真實中文數據集下驗證算法性能，讓讀者從更深層面了解相關算法。第3章主要介紹中文分詞技術，包含分詞概念、分類體系、常見分詞算法，并針對HMM算法進行實戰。第4章主要介紹數據預處理相關內容，重點關注TorchText針對數據預處理與構建數據集的使用。詞向量（第5章）、序列標注（第6章）、文本分類（第7章）、文本生成（第8章）作為4種核心技術將分別單獨介紹。第三部分（第9～12章）通過講解人機交互中4個不同類型的高階技術，幫助讀者了解人機交互中的深層技術。其中包括對話生成（第9章）、知識圖譜問答（第10章）、自然語言推理（第11章）和實體語義理解（第12章）。

破解深度學習（核心篇）：模型算法與實現

本書旨在采用一種符合讀者認知角度且能提升其學習效率的方式來講解深度學習背后的核心知識、原理和內在邏輯。經過基礎篇的學習，想必你已經對深度學習的總體框架有了初步的了解和認識，掌握了深度神經網絡從核心概念、常見問題到典型網絡的基本知識。本書為核心篇，將帶領讀者實現從入門到進階、從理論到實戰的跨越。全書共7章，前三章包括復雜CNN、RNN和注意力機制網絡，深入詳解各類主流模型及其變體；第4章介紹這三類基礎模型的組合體，即概率生成模型；第5章和第6章著重介紹這些復雜模型在計算機視覺和自然語言處理兩大最常見領域的應用；第7章講解生成式大語言模型的內在原理并對其發展趨勢予以展望。本書系統全面，深入淺出，且輔以生活中的案例進行類比，以此降低學習難度，能夠幫助讀者迅速掌握深度學習的基礎知識。本書適合有志于投身人工智能領域的人員閱讀，也適合作為高等院校人工智能相關專業的教學用書。