本书重介绍因求解大规模问题十分有效而风靡机器学习界的交替方向乘子法,该方法可以广泛应用于机器学习的优化求解，尤其是分布式凸优化问题。
读者对象：希望在预测分析和机器学习领域建立扎实基础的机器学习工程师、数据工程师和数据科学家 1）便于学习，所有的理论后都附有基于Python的具体实例； 2）版本新，适用Python3.5以上版本； 3）实例丰富，场景多样，配套代码完备。
1. 李国杰院士新作，承载了他多年来在计算机科学领域深研究的工作结晶 2. 产学研三重背景，兼具工程科学与人文科学的思维 3. 涵盖了科技自立自强、理解人工智能、做强先计算、人才培养教育等多个方面，内容深度广度兼备，引发读者深思考科技创新的未来。 4. 关注信息科学技术发展，倡导自主创新品牌建设。书中分享了科研中所遇到的挑战，以及克服困难的经验方法，对于年轻科研工作者来说具有很好的启示作用。
适读人群： 本书可以作为高等院校人工智能、电子信息工程、物联网工程、数据科学与大数据技术、通信工程等专业高年级本科生以及智能科学与技术、信号与信息处理、网络空间安全、通信与信息系统等学科研究生的参考教材，也可供从事语音处理技术研究与应用的科研及工程技术人员参考。 十余年深耕智能语音处理的研究结晶 人工智能在语音处理领域的应用成果
本书主要阐述EDA技术和数字系统设计方法，按照“编程器件→设计语言→开发软件→系统设计”的顺序，系统地介绍PLD器件、VHDL设计语言、流行的EDA设计软件和数字系统设计方法等内容，力求涵盖数字系统开发设计中所涉及的主要方面，并在内容上进行精心编排，以着眼于综合开发能力的提高。
1.本书借孙悟空师徒四人取经的经典故事科普人工智能技术和应用，阐述自然语言处理、计算机视觉、音视频处理等人工智能技术和应用，配合丰富的实验内容，通过百度EasyDL平台体验AI技术的奥秘； 2.本书寓教于乐，结合课堂教学和实验，以及家庭亲子实践的方式，学习和体验AI技术的奥妙，适合8~16岁青少年学习AI门的启蒙书； 3.教育界多位知名青少年教育专家评推荐。
全面、深剖析机器学习的算法原理和模型构建等核心技术 结合大量实例和两个实战项目案例展现各种算法的实际应用 详解监督学习、无监督学习和强化学习的理论基础与应用场景 详解模型训练中的风险函数、参数寻优方法，以及欠拟合与过拟合解决方案 深解析机器学习常用经典模型的基本原理及其Python实现 详解数据标准化、异常值检测、缺失值处理和特征筛选等数据预处理技术 详解两个典型项目实战案例，带领读者动手实践，提高实际发水平 内容丰富：详解机器学习的基础知识和相关算法原理并行实践，还对深度学习的基础知识行讲解，帮助读者系统掌握机器学习的完整知识体系。 循序渐：从机器学习的基本概念和环境搭建始讲解，逐步深其算法原理和模型构建等核心技术，最后行项目实战，学习梯度非常平滑。 理论结合实践：不仅深剖析机器学习的常用算
脑机口研究先驱、巴西世界杯 机械战甲 发明者米格尔 尼科莱利斯扛鼎力作！ 外骨骼、脑联网、大脑校园、记忆永生 2015年度关于人类未来*不可错过的 精彩大片 ！看脑机口如何激发人类潜能、绘制人类未来新图景！ 财讯传媒集团首席战略官段永朝专文推荐！清华大学心理学系主任彭凯平，英特尔中国研究院院长吴甘沙，浙江大学生物医学工程与仪器科学学院教授、求是高等研究院常务副院长郑筱祥，2003年诺贝尔化学奖得主彼得 阿格雷等各界精英联袂推荐！ 湛庐文化机器人与人工智能系列。
MLlib是Apache Spark机器学习库。本书入门简单，实例丰富，详解协同过滤、线性回归、分类、决策树、保序回归、聚类、关联、数据降维、特征提取和转换等MLlib主要算法，用实例说明MLlib大数据机器学习算法的运用。
u 各种大型语言模型及其相关基础方法、实现工具等，从文本单模态、视听觉多模态、具身智能到交互式智能体，几乎都可以完全使用深度神经网络行系统阐述。这充分表明，自2012年AlexNet问世以来，各种基于端到端数据驱动的深度神经网络学习方法，已走了多远，不仅将自然语言处理、计算机视觉、语音处理等领域，行了彻底改变，而且还正在让这些学科之间的边界消融，并迈向统一。 u 本书从深度神经网络的角度切，体系化地介绍了ChatGPT的基本原理与核心算法，既包括了深度神经网络的基础知识与大演化脉络，Transformer兴起的缘由，也涉及ChatGPT等大型语言模型的预训练、微调、安全及价值对齐以及思维提示应用等重内容的介绍。 u 作者对深度卷积神经网络、LSTM、Transformer和强化学习方法行了深细致的剖析，其中对视觉Transformer相关基础大模型和GPT思想之旅的介
读者对象：本书非常适合知道如何在 Python 中编程并了解深度学习基础知识的读者。本书面向具有传统机器学习实践经验，或希望在实践中探索深度学习世界并将其实现部署到生产中的发人员。 本书是一本深度学习实践指南，聚焦于PyTorch深度学习各场景的动手实现，不涉及模型层面的原理剖析。书中通过大量示例及代码，详细展示如何使用PyTorch构建深度学习模型原型、构建深度学习工作流和将原型用于生产。全书共7章。第1章介绍使用PyTorch行深度学习的方法和PyTorch的基本API；第2章演示如何构建一个简单神经网络；第3章深探讨深度学习工作流和PyTorch生态系统；第4章介绍基于PyTorch构建的CNN；第5章介绍RNN并探讨序列数据处理；第6章详细介绍生成对抗网络（GAN）；第7章介绍强化学习；第8章介绍将PyTorch应用于生产的三种不同方法。
读者对象： 1）人工智能相关专业的研究人员；2）信息科学和计算机科学爱好者；3）统计学或相关IT专业学生；4）不具备专业数学知识的人群。 （1）三位作者资历深厚，分别是阿里巴巴的数据架构师和NLP专家、百炼智能的NLP专家（前明略数据的技术合伙人和科学家）、七牛云AI实验室NLP OCR方向负责人； （2）以实战为导向，绕各种复杂数学公式与证明，确保读者零基础门，详细讲解自然语言处理 的各种核心技术、方法论和经典算法； （3）阿里巴巴达摩院高级算法专家、百炼智能CEO、七牛云AI LAB负责人、天善智能创始人联袂推荐。
读者对象：1、希望在多个平台的C 环境下始使用OpenCV的计算机视觉新手；2、计算机视觉工程师；3、从初级到高级的各级学生、教师、研究人员；4、其他对计算机视觉和OpenCV感兴趣的人员 1、鼓励 复制 粘贴 运行 这种学习方式并尝试将数学基础保持在*限度； 2、涵盖计算机视觉热门主题，提供完整的项目代码; 3、新增 为项目找到*OpenCV算法 、 避免OpenCV中的常见陷阱 ； 4、超越基础知识，从更高层次来设计和实现复杂图像识别项目。 5、版本新：OpenCV的API（v4.0.0）
通过本书，你将学会如何使用TensorFlow行移动端机器学习应用的发，以及了解如下内容： ● TensorFlow对移动平台支持的起源和思路 ● TensorFlow对硬件加速技术的支持 ● TensorFlow Lite的架构和实现原理 ● TensorFlow在各种移动平台和嵌式平台上的发实例 ● 基于TensorFlow和谷歌云行机器学习的方法 ● 基于TensorFlow的机器学习服务框架 ● 基于TensorFlow的各种源技术和工程实践
热话题。元宇宙是社会热话题，如何从概念引申到具体行业的应用，一步加深和深化大众对元宇宙的理解，本书可能从更加具体的维度诠释了这一。 创新性。作者在本书中提出的 元宇宙 ，是对元宇宙概念的扩展和延伸，角度比较新颖，有一定创新性，让读者对元宇宙体系有更深切的认识。 抢占先机。就目前来看，市场上暂无 元宇宙 概念的书。本书如果能在较短时间内出版，就抓住了关于这一话题的先机和制高。
（1）百度旗下“深度学习技术及应用国家工程实验室”、百度技术学院联合北航人工智能专家共同撰写，行业实践与学术理论兼顾 （2）李德毅院士、百度公司总裁张亚勤博士、百度公司高级副总裁/AI技术平台体系总负责人王海峰、北京航空航天大学计算机学院教授/博士生导师吕卫锋 、百度技术委员会理事长/百度技术学院院长陈尚义联袂推荐
初学者学习机器学习课程一般都会面临两大障碍。*大障碍是数学基础。机器学习要求有数学基础，书中大量的公式是初学者的噩梦，尤其是对于已经离大学走向工作岗位的爱好者来说，从头始去学习和理解数据分布和模型背后的数学原理需要花费很多的时间和精力，学习周期非常漫长。第二大障碍是编程实践。并不是所有人都擅长编代码，而只有亲手用代码实现机器学习的各种算法，亲眼见到算法解决了实际问题，才能更深理解算法。除非想做高精尖的前沿研究，理论研究和公式推导并非大多数人的专长，如果只是想更合理地应用机器学习来解决实际问题，掌握必需的数学知识就可以理解问题该如何解决，使用Python编程实现机器学习算法也比使用C 或Java等语言容易得多。 本书就是为了让初学者顺利门而设计的。首先，本书只讲述机器学习常用算法的基本原理，并
京公网安备11010502037644号|经营许可证编号：合字B2-20160011|互联网药品信息服务资格证
购物车