深度学习是机器学习研究中的一个活跃领域，《深度学习入门》的宗旨在于为深度机器学习的初学者提供一本通俗易懂、内容全面、理论深入的学习教材。本书的内容大体可以分为机器学习基础、顺序传播神经网络的深度学习、玻尔兹曼机和深度强化学习四个部分，既考虑了通俗性和完整性，又介绍了深度学习的各个方面。其中机器学习基础部分介绍了神经网络

作为机器学习的核心，《机器学入门》介绍了基于贝叶斯推论的机器学习，其基本思想是将数据及数据产生的过程视为随机事件，从数据的固有特征开始，通过一系列假设来进行数据的描述，进而构建出与机器学习任务相适应的随机模型，然后通过模型的解析求解或近似求解得出未知事件的预测模型。通过贝叶斯学习，我们可以了解到更多关于数据的信息，进而

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。

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

数字化技术是智能制造的核心，基于VR/AR的可视化技术则是智能制造的先进载体。本书主要内容包括：介绍基于VR/AR的数字化制造的基础理论与技术支撑体系；然后给出关键支撑技术和使能技术；从智能制造的设计、制造、服务的全生命周期角度，展开航天航空、海工、汽车、纺织、物流等行业领域的VR/AR的智能制造应用新方法；后介绍国内

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

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

本书围绕人工智能研究的发展以及由人工智能技术发展而引起的一系列问题展开讨论。该书首先介绍了什么是人工智能，以及人工智能对社会产生的正面和负面影响，并对人工智能所涉及的伦理道德问题进行分析，最后探讨了人工智能未来发展的可能性。全书配有大量彩色插图与照片、术语表、指南、视频资源链接、文本相关问题与报道观点、详尽的索引补充和

随着机器学习算法的普及，开发和优化这些算法的新工具也得到了发展。本书首先介绍了scikit-learn包，学习如何使用scikit-learn语法；学习监督模型和无监督模型之间的差异，以及为每个数据集选择适当算法的重要性；学习将无监督聚类算法应用到真实的数据集中，发现其中的规律，并在探索中解决无监督机器学习问题。

本书主要内容包括初识人工智能、识文解意、看图辨物、听音识意、观影察行、前瞻人工智能。