随着互联网的飞速发展，人们在互联网上的行为产生了海量数据，对这些数据存储、处理与分析带动了大数据技术的发展。其中，数据挖掘和分析技术可以帮助人们对庞大的数据进行相关分析，找到有价值的信息和规律，使得人们对世界的认识更快、更便捷。在数据分析领域，Python语言简单易用，第三方库强大，并提供了完整的数据分析框架，因此深受数据分析人员的青睐，Python已经当仁不让地成为数据分析人员的一把利器。因此，《Python数据分析与可视化（微课视频版）》从Python数据分析的基础知识入手，结合大量的数据分析示例，系统地介绍数据分析和可视化绘图的方法，带领读者一步步掌握Python数据分析的相关知识，提高读者解决实际问题的能力。

。

本书系统地介绍了语音识别的和应用，全书共分15章，部分涵盖声学特征、隐马尔可夫模型（hmm）、高斯混合模型（gmm）、深度神经网络（dnn）、语言模型和加权有限状态转换器（wfst），重点描述了gmmhmm、dnnhmm和端到端（e2e）三种语音识别框架。本书应用部分包含kaldi、esp、应用实践介绍，内容主要来自工程经验，极具实用。本书可以作为普通高等学校人工智能、计算机科学与技术、电子信息工程、自动化等专业的本科生及教材，也适合作为从事智能语音系统的科研和工程技术人员的参用书。

本书的写作初衷是，从学者的角度，用一种通俗易懂的方式，将基于深度学习的目标检测的相关论文中的理论和方法呈现给读者，同时针对作者在深度学习教学过程中遇到的难点，进行深入的分析和讲解。本书侧重对卷积神经网络的介绍，而深度学习的内容不止于此。所以，作者将深度学习分为有监督学习、无监督学习和强化学习三类，将图像分类、目标检测、人脸识别、语音识别、双向生成对抗网络和AlphaGo等应用场景归入不同的类别，并分别对其原理进行了概括性的讲解。本书适合有深度学习或目标检测学习基础的学生、研究者、从业者阅读。

你的游戏是否有角色不能任意走动?是否有角色走进障碍物?是否有非玩家角色不能按照团队运动?现在你就可以掌握高级人工智能(AI)技术以解决这些问题。不管你是编程新手或者是个仅仅想快速学习AI的熟练游戏编程人员，你都会发现本书对于理解并应用AI到你的游戏中是非常合适的入门书籍。本书正是为你提供游戏开发方面高级、有用的AI技术的。如果你曾试图使用AI延长你的游戏的生命周期，让你的游戏更加具有挑战性，更重要的是让它们更加有趣，这本书就是为你准备的。DavidM.Bourg(畅销书《游戏开发中的物理学》的作者)和GlennSeemann将用非常直观、易懂的语言给你介绍一些诸如有限状态机、模糊逻辑和神经网络之类的技术，全书使用源代码(用C和C编写)说明这些技术。从基本的诸如追赶、躲避、基于模式的运动和聚集等游戏行为到玩家行为预测，这本书告诉你怎么

本书适合初学者快速入门深度学习算法和TensorFlow框架。我们已讲故事的方式向读者一步步地介绍每个核心算法，非常详细地剖析算法原理，手把手实现每个算法实战，不但让读者能够了解算法的工作原理，更重要的是教会读者如何一步步地思考问题并解决问题。具体地，我们会介绍目前深度学习的数学原理，反向传播算法，卷积神经网络，循环神经网络，对抗生产网络，自编码器，神经网络结构搜索，图卷积网络等等一系列前沿核心算法。使读者不仅可以明白原理，还能学以致用。内容讲解细致，没有数学基础的读者也能轻松入门。

。

本书深入探讨了AIGC传播时代媒介的变化、人机互动的变化与人的变化。生成式AI的核心技术引发了内容生态、媒介行业的升级。在此情景下，传播内容与形式的更新依托于生成式智能技术，进而凸显了认知的重要性，产

本书论述了一种新的零售形式的出现，即零售元宇宙。零售模式的每一次的进化，其实都是对“人”“货”“场”中相关的商业元素的重构，以达到效率的提升。换言之，零售元宇宙，就是效率 高的零售。我们相信，零售元宇宙是当前新零售的下一个阶段和目的地，它脱胎于新零售，又 新零售。本书将从当前新零售和供应链的发展态势开始，分析当前零售业面临的困局以及元宇宙对破局的必要性和意义。 元宇宙的出现打破了 线下的界限，让其融合 加平滑，借助元宇宙的相关技术，消费者在 也可以有身临其境的多元感觉；在线下的门店也可以通过元宇宙实现 为快速、全面且新奇的体验。同时，零售业只有破旧立新，才能迎来增长拐点。不破不立，破掉旧有的商业逻辑，勇于挑战拐点，应用突破性思维，才能创造新的商业模式。 “元宇宙+零售”带来的是一

作为机器学习领域应用比较成熟、广泛的业务，个性化推荐在电商、短视频等平台发挥着重要作用，其背后的推荐系统已成为当今越来越多应用程序的标配。关于推荐算法的论述有很多，而要将其很好地应用到实际场景中，则需要大量的实践经验。本书从实战的角度介绍推荐系统，主要包含三部分 ：召回算法、排序算法和工程实践。书中细致剖析了如何在工业中对海量数据应用算法，涵盖了从算法原理，到模型搭建、优化以及实践等诸多内容。