自制糖燃料火箭

本書遵循由淺入深、由易到難的原則，循序漸進地介紹使用樹莓派玩轉機器人的必備軟硬件知識與技術。全書共8章，第1~4章為樹莓派入門部分，主要介紹樹莓派軟硬件、Scratch和Python編程語言以及各種傳感器的使用，并提供豐富的操作案例，方便讀者輕松構建樹莓派項目。本部分學會之后，讀者基本上可以掌握使用樹莓派軟硬件與第三方軟硬件協同工作，搭配和使用傳感器親手搭建一個簡單的用于巡線且自動跟隨和停止的機器無人車。第5~8章為提高部分，本部分深入地介紹樹莓派的各種高級玩法，還將介紹更多、更加智能的第三方軟硬件，比如近年來火熱的人工智能系列傳感器以及機器人操作系統ROS的使用，同時兼顧PC和手機操作，為讀者玩轉機器人提供更多的趣味場景。本書的特點是使用低成本硬件，趣味性和可操作性強，適合對樹莓派及機器人感興趣的各類讀者閱讀。

·6.3萬字

會員

知識圖譜實戰：構建方法與行業應用

這是一本綜合介紹知識圖譜構建與行業實踐的著作，是作者多年從事知識圖譜與認知智能應用落地經驗的總結，得到了多位知識圖譜資深專家的推薦。本書以通俗易懂的方式來講解知識圖譜相關的知識，尤其對從零開始構建知識圖譜過程中需要經歷的步驟，以及每個步驟需要考慮的問題都給予較為詳細的解釋。本書基于實際業務進行抽象，結合知識圖譜的7個構建步驟，深入分析知識圖譜技術應用以及8個行業綜合案例的設計與實現。全書分為基礎篇、構建篇、實踐篇，共16章內容。基礎篇（第1章），介紹知識圖譜的定義、分類、發展階段，以及構建方式、邏輯技術架構、現狀與應用場景等。構建篇（第2～8章），詳細介紹知識抽取、知識表示、知識融合、知識存儲、知識建模、知識推理、知識評估與運維等知識圖譜構建的核心步驟，并結合實例講解應用方法。實踐篇（第9～16章），詳細講解知識圖譜的綜合應用，涵蓋知識問答評測、知識圖譜平臺、智能搜索、圖書推薦系統、開放領域知識問答、交通領域知識問答、汽車領域知識問答、金融領域推理決策。

·13.8萬字

會員

聯邦學習實戰

數據孤島和隱私保護已經成為制約人工智能發展的關鍵因素。聯邦學習作為一種新型的隱私保護計算方案，在數據不出本地的前提下，能有效聯合各參與方聯合建模，從而實現“共同富裕”，成為當下人工智能領域備受關注的熱點。本書以實戰為主（包括對應用案例的深入講解和代碼分析），兼顧對理論知識的系統總結。全書由五部分共19章構成。第一部分簡要介紹了聯邦學習的理論知識；第二部分介紹如何使用Python和FATE進行簡單的聯邦學習建模；第三部分是聯邦學習的案例分析，篩選了經典案例進行講解，部分案例用Python代碼實現，部分案例采用FATE實現；第四部分主要介紹和聯邦學習相關的高級知識點，包括聯邦學習的架構和訓練的加速方法等；第五部分是回顧與展望。本書適合對聯邦學習和隱私保護感興趣的高校研究者、企業研發人員閱讀。

·13.8萬字

會員

自動駕駛算法與芯片設計

目前自動駕駛的一個發展趨勢就是智能化。隨著人工智能的飛速發展以及各種新型傳感器的涌現，汽車智能化形成趨勢，輔助駕駛功能的滲透率越來越高。這些功能的實現需要借助于攝像頭、雷達、激光雷達等新增的傳感器數據，其中視頻處理需要大量并行計算。然而，傳統CPU算力不足，而DSP擅長圖像處理，對于深度學習卻缺乏足夠的性能。盡管GPU擅長訓練，但它過于耗電，影響汽車的性能。因此，本書著眼于未來，認為定制化的ASIC必將成為主流。本書以自動駕駛的芯片設計為最終目標，來論述設計一個面向未來的自動駕駛SoC芯片的學術支撐和工程實踐。本書共13章。其中第1章主要介紹自動駕駛目前遇到的挑戰和研究方向。第2～6章重點講述環境感知以及規劃控制方面的算法設計；第7～10章重點講述深度學習模型的優化和深度學習芯片的設計；第11章和第12章重點講述具有安全功能的自動駕駛軟件架構設計；第13章介紹5G車聯網。

·15.7萬字

會員

破解深度學習（基礎篇）：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基礎知識。本書總計9章，深入淺出地介紹了深度學習的理論與算法基礎，從理論到實戰全方位展開。前三章旨在幫助讀者快速入門，介紹了必要的數學概念和必備工具的用法。后六章沿著深度學習的發展脈絡，從最簡單的多層感知機開始，講解了深度神經網絡的基本原理、常見挑戰、優化算法，以及三大典型模型（基礎卷積神經網絡、基礎循環神經網絡和注意力神經網絡）。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，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專業的教學用書。

·14.8萬字

會員

Chatbot從0到1（第2版）：對話式交互實踐指南

本書內容共6部分。第1部分幫助你理解通用人工智能時代下，“Chatbot”和“對話式交互”的概念；第2部分帶你了解通用人工智能及其代表GPT；第3部分和第4部分介紹Chatbot的生命周期；第5部分介紹通用人工智能與現實世界的接口——機器人流程自動化；第6部分介紹行業對Chatbot的評價，明確Chatbot的邊界并給出可落地的方法。現在就讓我們開始這場干貨滿滿的旅程吧！

·23.4萬字

會員

MasterCAM造型與仿真加工項目范例

本書通過大量的項目任務驅動，不僅使學生在完成任務的過程中完成知識的建構，以典型引路，舉一反三，深化學生對理論知識的理解，而且使教學內容鮮活而生動，促使學生有效掌握。為此，結合多年的教學改革與實踐，在收集和整理國內外最新教材，調研同類教材使用情況的基礎上，提出本教材的建設計劃。

·7.5萬字

會員

智能制造時代的研發智慧：知識工程2.0

本書的副書名指出知識工程2.0是智能制造時代的研發智慧，書中的討論對象和舉例均以研發企業或研發過程為背景。但這只是因為研發過程是知識最密集、產出最豐富和應用最深入的過程，并不代表本書所提的方法不適用于非研發型企業。非研發型企業或非研發過程的知識工程方法是本書所提方法的子集，大部分方法進行適應性改造，即可適用于這些企業或過程。

·13.9萬字

會員

Python人工智能

本書以Python為平臺，以將概念、實例和經典應用相結合的方式，介紹如何利用Python實現人工智能。全書分為9章，內容包括：人工智能的基礎，人工智能背景下的科學計算，人工神經網絡，遷移學習，網絡爬蟲，智能數據分析，機器學習，智能模型分析，人工智能的應用。為了幫助讀者更好地掌握相關知識，書中每章節都通過理論與實例相結合的方式，讓讀者在掌握概念的同時，掌握程序設計方法，并能利用程序設計解決實際問題。

·11.6萬字

會員

機器學習算法競賽實戰

本書是算法競賽領域一本系統介紹競賽的圖書，書中不僅包含競賽的基本理論知識，還結合多個方向和案例詳細闡述了競賽中的上分思路和技巧。全書分為五部分：第一部分以算法競賽的通用流程為主，介紹競賽中各個部分的核心內容和具體工作；第二部分介紹了用戶畫像相關的問題；第三部分以時間序列預測問題為主，先講述這類問題的常見解題思路和技巧，然后分析天池平臺的全球城市計算AI挑戰賽和Kaggle平臺的CorporaciónFavoritaGrocerySalesForecasting；第四部分主要介紹計算廣告的核心技術和業務，包括廣告召回、廣告排序和廣告競價，其中兩個實戰案例是2018騰訊廣告算法大賽：相似人群拓展和Kaggle平臺的TalkingDataAdTrackingFraudDetectionChallenge；第五部分基于自然語言處理相關的內容進行講解，其中實戰案例是Kaggle平臺上的競賽QuoraQuestionPairs。本書適合從事機器學習、數據挖掘和人工智能相關算法崗位的人閱讀。

·15.3萬字

會員

機器學習算法的數學解析與Python實現

學習機器學習的動機很多，可能是實際工作需要，可能是興趣愛好，也可能是學業要求，從每種動機的角度看，這個問題都可能有不同的答案。我認同許多人所說的求知不能太功利這一觀點，不過大家的時間和精力畢竟有限，就算不去追求投入產出比，至少也應該有一個學這門知識想要達到的目的。機器學習是更偏重于應用的學問，在當下的發展也確實使得機器學習越來越像一門技能，而不僅僅是技術。初學算法時我最想學的是里面的“最強算法”，不過在第1章我將介紹，機器學習算法沒有最強的，只有最合適的，對于不同的問題，對應會有不同的最合適算法。所以，我們更需要關注的應該是問題，而不是算法本身。在本書中我選擇介紹市面上成熟的機器學習算法包，通過現成的算法包，就能夠根據實際要解決的問題直接選擇所需要的機器學習算法，從而把注意力集中在對不同算法的選擇上。本書的目標讀者是想要學習機器學習的學生、程序員、研究人員或者愛好者，以及想要知道機器學習是什么、為什么和怎么用的所有讀者。本書第1章介紹機器學習總體背景，第2章介紹配置環境，第3章到第10章彼此獨立，每一章介紹一種具體的機器學習算法，讀者可以直接閱讀想要了解的算法，第11章介紹了集成學習方法，這是一種組合機器學習算法的方法，也是當前在實際使用中常見又十分有效的提升性能的做法。

·11.5萬字

會員

機器學習：基于OpenCV和Python的智能圖像處理

本書利用Windows系統下的Anaconda搭建環境，并基于OpenCV框架和Python語言，詳細闡述了智能化圖像處理的實現方法。本書共12章，主要內容包括智能圖像處理入門、Python基礎、圖像處理基礎、圖像幾何變換、圖像直方圖處理、圖像平滑濾波處理、圖像閾值處理、圖像形態學處理、圖像分割處理、圖像梯度及邊緣檢測、圖像輪廓檢測與擬合、人臉識別實現等，最后結合具體案例，使用Python語言和OpenCV庫函數闡述圖像處理技術。

·6.9萬字

會員

人形機器人（原書第2版）

本書結合人形機器人研究中各類先進方法，系統地介紹了驅動人形機器人運動的基礎知識、推導過程以及應用案例，闡述了人形機器人的運動學、動力學表示方法，解釋了ZMP的概念及其與地面反作用力的關系，描述了人形機器人雙足行走行為的生成和控制方法，并拓展了其他多種動作的實現方法，最后介紹了動力學建模、仿真和高效動力學的計算方法。

·8.7萬字

會員

深度學習

本書初定五個章節，第一章淺層模型部分介紹線性回歸、Logistics回歸、Softmax回歸、廣義線性回歸模型以及機器學習基本概念。第二章介紹深度學習模型以及相應的正則化技術。第三章介紹卷積的物理意義、卷積神經網絡及其各種改進。第四章介紹反饋神經網絡及其改進的長短期記憶單元。第五章介紹深度強化學習，展示深度卷積網絡如何與強化學習技術融合用以人機圍棋博弈以及自動駕駛領域。

·20.4萬字

會員

AIGC輔助軟件開發：ChatGPT 10倍效率編程實戰

這是一本講解如何用ChatGPT、GithubCopilotX、Cursor等主流AIGC工具優化和提升軟件開發全流程效率和質量的實戰性著作。全書以軟件開發的流程位主線來組織內容，詳細講解了程序員、架構師、項目經理、產品經理、技術團隊管理者們如何在技術方案構建、需求文檔撰寫、代碼編寫與注解、客戶端開發、前端開發、后端開發、測試和調試、性能優化、疑難問題解決、產品設計、軟件架構與設計、應試與面試12個主題充分發揮AIGC工具的潛能，在提高研發效率和質量的同時，提升自身的實力。AIGC工具在軟件研發12個主題的使用方法，全部以實戰項目案例的方式展開講解，有具體的工程化思路，也有可復用的提示詞，還有對使用經驗的總結和注意事項的提醒。只要跟著本書的案例實操一遍，就能順利躍遷為AI時代的新程序員，與AI共同進化，成為不被AI淘汰的人。

·15.1萬字

會員

生成式AI實戰

本書由淺入深地介紹了生成式AI的理論與實踐，內容涉及從基礎原理到前沿應用，為讀者提供了一個系統的認知框架。本書從生成式AI技術的基礎工具入手，逐步深入到Transformer模型與GPT的原理和應用，詳細介紹了圖像生成模型StableDiffusion，以及LangChain與AIAgent的相關知識。書中結合開源代碼分析，展示了生成式AI在各行各業的實際應用，并探討了其在高速發展過程中所面臨的倫理和隱私風險。本書適合對生成式AI感興趣的讀者閱讀，無論你是初學者還是有一定編程基礎的人士，都能從中獲得寶貴的知識和經驗。對于零編程基礎的讀者，本書提供了跳過代碼實現的理論學習路徑。

·11.7萬字

會員

深入淺出圖神經網絡：GNN原理解析

這是一本從原理、算法、實現、應用4個維度詳細講解圖神經網絡的著作，在圖神經網絡領域具有重大的意義。本書作者是圖神經網絡領域的資深技術專家，作者所在的公司極驗也是該領域的領先者。本書是作者和極驗多年研究和實踐經驗的總結，內容系統、扎實、深入淺出，得到了白翔、俞棟等幾位來自學術界和企業界的領軍人物的高度評價和強烈推薦。全書共10章：第1～4章全面介紹了圖、圖數據、卷積神經網絡以及表示學習等基礎知識，是閱讀本書的預備知識；第5～6章從理論的角度出發，講解了圖信號處理和圖卷積神經網絡，深入剖析了圖卷積神經網絡的性質，并提供了GCN實現節點分類的實例。第7～9章全面的講解了圖神經網絡的各種變體及范式、圖分類機制及其實踐，以及基于GNN的圖表示學習；第10章介紹了圖神經網絡的最新研究和應用。

·8.9萬字

會員

未知環境中移動機器人自定位技術

本書以未知環境中移動機器人導航控制中自定位技術作為研究內容，對未知環境中移動機器人自定位技術的基本原理、典型技術和研究進展進行了比較詳細的介紹和討論，并融入了作者多年來的相關研究成果。本書共分八章，重點介紹了內外部定位傳感器誤差分析、復雜地形下的航跡推測、動態環境中基于環境感知的自定位、未知數據關聯下基于概率技術的并發建圖與定位等方面的研究進展，意在推動認知科學、模式識別等學科的前沿問題的研究，對提高探測移動機器人導航控制中的自定位技術水平具有重要的意義。本書可作為高等院校計算機科學與技術、智能科學與技術、自動化等專業的研究生或高年級本科生的專業基礎課輔助教材，亦可供廣大從事智能機器人、人工智能、智能控制和智能系統研究、設計、應用和開發領域的科技工作者和高等院校的師生閱讀和參考。

·17.6萬字

會員

可解釋人工智能導論

本書全面介紹可解釋人工智能的基礎知識、理論方法和行業應用。全書分為三部分，共11章。第一部分為第1章，揭示基于數據驅動的人工智能系統決策機制，提出一種基于人機溝通交互場景的可解釋人工智能范式。第二部分為第2～5章，介紹各種可解釋人工智能技術方法，包括貝葉斯方法、基于因果啟發的穩定學習和反事實推理、基于與或圖模型的人機協作解釋、對深度神經網絡的解釋。第三部分為第6～10章，分別介紹可解釋人工智能在生物醫療、金融、計算機視覺、自然語言處理、推薦系統等領域的應用案例，詳細說明可解釋性在司法、城市管理、安防和制造等實際應用中發揮的積極作用。第11章對全書進行總結，并論述可解釋人工智能研究面臨的挑戰和未來發展趨勢。此外，本書的附錄給出可解釋人工智能相關的開源資源、中英文術語對照及索引，方便讀者進一步查閱。本書既適合高等院校計算機和信息處理相關專業的高年級本科生和研究生，以及人工智能領域的研究員和學者閱讀；也適合關注人工智能應用及其社會影響力的政策制定者、法律工作者、社會科學研究人士等閱讀。