《TensorFlowLite移动设备深度学习从入门到实践》循序渐进地讲解了使用TensorFlowLite开发移动设备深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlowLite的方法和流程。全书共12章，分别讲解了人工智能和机器学习基础、搭建开发环境、第一个TensorFlowLite程序、转换模型、推断、使用元数据进行推断、优化处理、手写数字识别器、鲜花识别系统、情感文本识别系统、物体检测识别系统、智能客服系统。《TensorFlowLite移动设备深度学习从入门

全书围绕Alink（阿里在Flink基础上做的开源版本）的展开，以实例为主阐述Alink的使用。?以机器学习的知识架构将各个章节串联起来，每个章节配合实例，用户更容易理解和入手尝试。?数据会采用读者能免费下载的数据集，在加上Alink本身是开源的、免费的。用户试用起来没有成本。?实例实现的源代码，准备放在Alink开源git上，大家容易看到，可以直接下载，代码旁边会有实体书的介绍?以机器学习的知识架构将各个章节串联起来，每个章节配合实例，用户更容易理解和入手尝试。?数据会采用读者能免费下载的数据

本书以新版深度学习框架PyTorch为基础，循序渐进地介绍其在深度学习中的应用。全书共10章，从深度学习数学知识入手，逐步介绍PyTorch在数值建模、图像建模、文本建模、音频建模中的基本概念及应用示例，还将介绍模型的可视化和联邦学习等内容，以扩展读者的视野。本书在讲解每一个知识点的同时，都配合有动手练习实例，便于读者深入理解所学知识，并达成学以致用的目标。本书原理与实践并重，易于理解且可操作性强，特别适合PyTorch新手、大学生、研究人员和开发人员使用，也可作为高等院校相关专业的教学用书。

进入21世纪，随着大数据、高性能计算等信息技术的发展变革，以及机器人系统加速向产业化迈进，推动了以深度学习为代表的第三次人工智能（ArtificialIntelligence，AI）热潮，使得人类社会开始从信息化时代迈入智能化时代。人工智能理论、技术与应用发展迅速，正在深刻的影响和改变着人们的生产和生活。从手机中的语音识别、银行交易中的生物特征认证、医疗诊断中的专家系统，到正在发展中的智能机器人和无人驾驶汽车，都离不开人工智能理论和技术的支撑。在信息化时代，数字化和网络化是推动人类社会发展变革的

阿里云IoTHaaS（HardwareasaService）物联网设备云端一体低代码开发框架集合阿里云、达摩院、平头哥相关技术，基于数亿台物联网设备接入经验，提供积木式硬件开发能力，实现低代码快速开发，帮助中小开发者聚焦业务，实现设备安全上云，加速设备创新迭代。本书主要对HaaS开发框架中的技术进行详细的介绍，主要包括HaaS云端一体低代码开发框架、国产全自研AliOSThings物联网操作系统、物联网云平台、IoTStudio物联网应用开发新模式、HaaS轻应用开发新模式，以及轻应用进行Haa

本书介绍统计计算与智能分析基础理论以及基于Python的模型算法实现。全书由13章组成，主要内容有：随机数生成技术；数据探索性分析；特征提取与选择方法；期望算法；Markov链蒙特卡罗方法；重采样技术；重要采样技术；序贯重要性采样；非参数概率密度估计；非参数回归分析；树模型理论；概率图模型；模型性能评价技术。

《OpenCV4.0+Python机器学习与计算机视觉实战》详细阐述了机器学习与计算机视觉相关的基本解决方案，主要包括滤镜、深度传感器和手势识别、通过特征匹配和透视变换查找对象、使用运动恢复结构重建3D场景、在OpenCV中使用计算摄影、跟踪视觉上的显著对象、识别交通标志、识别面部表情、对象分类和定位、检测和跟踪对象等内容。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。本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。 本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q学习等传统强化学习算法，以及策略梯度、近端策略优化、深度Q网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法，并以大量生动有趣的例子帮助读者理解强化学习问

本书从强化学习的基础知识出发，结合PyTorch深度学习框架，介绍深度强化学习算法各种模型的相关算法原理和基于PyTorch的代码实现。作为一本介绍深度强化学习知识的相关图书，本书介绍了常用的强化学习环境，基于价值网络的强化学习算法和基于策略梯度的强化学习算法，以及一些常用的比较流行的深度强化学习算法（如蒙特卡洛树搜索）等。另外，还介绍了深度强化学习算法在实际问题中的一些应用。

虽然很多深度学习工具都使用Python，但PyTorch库是真正具备Python风格的。对于任何了解NumPy和scikit-learn等工具的人来说，上手PyTorch轻而易举。PyTorch在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。 本书是教你使用PyTorch创建神经网络和深度学习系统的实用指南。它帮助读