本书基于嵌入式人工智能开发板EAIDK-310和嵌入式虹膜门禁系统EAIDK-310-P20实验平台,使用Qt和PyQt作为界面设计和运行框架,通过在嵌入式Linux系统中使用Python和C++语言编写程序代码,实现视频采集、物体分类、人脸识别、虹膜图像预处理、虹膜图像特征提取与匹配、虹膜图像采集与定位显示、虹膜识别门禁系统、智能音箱等实践案例。本书重实践、重应用、重开发、重创新,以人工智能主流应用场景落地为导向、以强化学生应用能力的培养为目标,详细阐述解决实际问题的前沿技术和方法。

本书共分为10章。第1章为绪论;第2、3章分别介绍使用传递函数和状态空间方程描述系统的方法;第4、5章使用这两种方法分析一阶系统与二阶系统的时域响应;第6章介绍系统稳定性的概念;第7、8章重点分析经典控制理论中的控制器设计方法,包含比例积分控制和根轨迹法;第9章介绍系统的频率响应并与滤波器的设计相结合;第10章讨论现代控制理论中的控制器设计,以及观测器设计方法。附录部分介绍两个广泛使用的工程数学工具:线性化与傅里叶变换。

本书讲述如何快速利用无服务器计算和基于云的人工智能服务的能力。介绍基础知识后,将带你领略第一个实际操作的无服务器人工智能项目:一个可识别任意网页图像的系统。在本书中,你将探索用于图像分析的AmazonRekognition工具、云基础设施部署、爬虫服务和简单API等技术。掌握这个有趣项目中的概念和技能后,你将着手构建一个无服务器的应用程序,它使用基于云的人工智能工具,如基于AWSTranscribe和Polly来实现“语音-文本”双向转换功能,基于Lex来创建交互式聊天机器人。

本书主要内容包括：入门篇（初识人工智能）、理解篇（认知人工智能的应用技术）、实践篇（探索生活中的人工智能应用）、拓展篇（理解人工智能的重要概念）。本书力求将人工智能相关理论、知识点与具体实践应用进行结合，通过知识点对应的实践项目的设置，大大地增强教材的应用性、丰富性及实践性，极大地提升学生的学习兴趣、理解能力和实践能力。

本书是《神经网络与深度学习》（蒲公英书）的配套实践书，由复旦大学邱锡鹏教授和百度飞桨团队合作完成。本书在章节设计上和《神经网络与深度学习》一一对应，并以模型解读案例实践的形式进行介绍。模型解读主要聚焦如何从零开始一步步实现深度学习中的各种模型和算法，并结合简单的任务来加深读者对模型和算法的理解；案例实践主要强调如何使用飞桨预定义API来更好地完成实际任务，会涉及一些数据预处理问题。建议读者将本书和《神经网络与深度学习》结合阅读，在动手实践中更深入地理解深度学习的模型和原理。

本书从初学者角度出发，以"讲课”的形式，归纳分析各类迁移学习方法，使读者能快速理解迁移学习的本质问题、抓住重点、举一反三、迅速入门。它的一大亮点是对"两头"的把握：一是源头，抓问题和场景，做到"师出有名”，讲清楚针对什么问题、用在哪里；二是笔头，抓代码与实践，做到"落地结果”，在实战中巩固和深化对技术的理解。本书同时配套丰富的在线学习资源。

本书着重探讨新基建背景下我国人工智能的发展及其基础建设。全书包括基础、应用和实践三篇，共9章。基础篇分析了新基建的背景、概念、短板，以及人工智能的发展与挑战等，尤其是分析了人工智能与新基建内在的关系；应用篇分析了人工智能在产业融合及在医疗、教育、能源、城市建设、社区建设等领域的驱动作用；实践篇探讨了人工智能的数据建设、软硬件建设、技术研发、产品研制和人才培育等。推进人工智能新基建，对加快人工智能技术创新、全面提升其与产业融合和为社会赋能的可持续发展能力具有重大价值，这也是本书重点关注的内容。

本书从产业角度深刻分析了异构计算及智能计算中心建设的诸多关键技术和应用前景，介绍了异构融合智能计算的核心技术—智能计算中心异构算力芯片、异构算力适配、异构操作平台，以及产业界中智能计算中心异构算力的解决方案、智能计算中心的高质量发展与未来展望。本书内容丰富、分析全面，是实现智能计算中心发展相关布局的重要技术参考，对推动我国智能计算中心建设和智能计算领域的发展有很高的参考价值和实际意义，适合从事城市数字化建设、智能化建设、智能计算中心建设的相关技术人员，以及科研机构技术人员、高校师生阅读。

《图机器学习》详细阐述了与图机器学习相关的基本解决方案，主要包括图的基础知识、图机器学习概述、无监督图学习、有监督图学习、使用图机器学习技术解决问题、社交网络图、使用图进行文本分析和自然语言处理、信用卡交易的图分析、构建数据驱动的图应用程序和图的新趋势等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

《PyTorch编程技术与深度学习》讲述深度学习的基本原理，使用PyTorch展示涉及的深度学习算法。通过理论讲解和编程操作，使读者了解并掌握深度学习的原理和PyTorch编程技能，拉近理论与实践的距离。全书共分9章，主要内容包括PyTorch介绍、PyTorch基础编程、深度学习快速入门、神经网络训练与优化、卷积神经网络原理、卷积神经网络示例、词嵌入模型、循环神经网络原理、NLP示例。书中不但涵盖成熟的卷积神经网络和循环神经网络的原理和示例，还包含一些新的如Transformer和知识蒸馏的内