《深度学习》内容介绍：《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。 《动手学深度学习》内容简介：本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以

本书是《动手学深度学习》的重磅升级版本，选用PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，部分介绍深度学习的基础知识和预备知识，并由线性模型引出基础的神经网络 多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识中描述的线性代

《Python深度学习：基于PyTorch 第2版》 这是一本能指导读者快速掌握PyTorch和深度学习的著作，从PyTorch的原理到应用，从深度学习到强化学习，提供了全栈解决方案。 第1版上市后销量和口碑俱佳，是深度学习领域的畅销书，被誉为PyTorch领域的标准著作。第2版在第1版的基础上，去芜存菁，与时俱进，根据PyTorch新版本全面升级，技术性、实战性、丰富性、针对性、易读性均得到了进一步提升，必能帮助读者更轻松、更高效地进入深度学习的世界。 全书一共19章，在结构上分为三大部分： 部分（第1~4章） PyTorch基础 首先有针对性地讲解了Python和PyTorch的基石NumPy中的关键知识，然后详细讲解了PyTorch的基础知识、神经网络工具箱和数据处理工具箱等内容，帮助读者快速了解和掌握PyTorch。 第二部分（第5~10章） 深度学习基础 依次讲解了机器学习、视觉处理、自然语言处理

（1） 本书内容全面，详细介绍了经典自动控制理论、状态空间控制理论、离散数字系统控制理论技术和非线性系统分析的基本知识。整本书结构清晰明了、内容丰富，融会贯通了由基本概念到实际应用的思想。本书浅显易懂，数学理论分析过程翔实， 读者只需要的微分方程、线性代数和拉普拉斯变换基础就可以理解其中的知识，可以作为大多数高校的教材。（2） 每章的结构安排清晰合理。每章的简介（Introduction）部分都提纲挈领地给出了章节的知识背景和控制要求，以及章节的主要内容结构分布。在每章的各个小节，作者首先详细介绍各种理论、技术，紧接着给出翔实的例子，避免了读者局限于抽象的理论。而每章末尾对关键的知识点及时地进行了小结，有助于加深读者对所学知识的了解，形成完整的知识理论体系。（3） 本书较早地引入了MATLAB的使用，并且在

如何应对以人工智能为代表的新一轮科技革命带来的伦理和治理上的挑战？这是一个未被以往任何单个学科的研究所涵盖的问题。相比以往的技术，人工智能的独特之处就在于它的“自主性”。换言之，或由于技术本身的特性、或由于其应用过程中社会赋予了它特定角色，当代人工智能技术已经在深度“参与”人的决策。在这个意义上，人工智能技术与传统的工具意义上的技术有质的区别。正是由于这种对人的决策的深度“参与”，人工智能技术导致了短期和长期的伦理问题。本书系统地讨论了这些问题，在社会如何应对新一轮科技革命和产业变革的问题上有思想资源和分析框架上的性贡献。

《深度学习与图像识别：原理与实践》 这是一部从技术原理、算法和工程实践3个维度系统讲解图像识别的著作，由阿里巴巴达摩院算法专家、阿里巴巴技术发展专家、阿里巴巴数据架构师联合撰写。 在知识点的选择上，本书广度和深度兼顾，既能让完全没有基础的读者迅速入门，又能让有基础的读者深入掌握图像识别的核心技术；在写作方式上，本书避开了复杂的数学公式及其推导，从问题的前因后果 、创造者的思考过程，利用简单的数学计算来做模型分析和讲解，通俗易懂。更重要的是，本书不仅仅是聚焦于技术，而是将重点放在了如何用技术解决实际的业务问题。 全书一共13章： 第1-2章主要介绍了图像识别的应用场景、工具和工作环境的搭建； 第3-6章详细讲解了图像分类算法、机器学习、神经网络、误差反向传播等图像识别的基础技术及其原理； 第7

本书的主要主题包括自动驾驶汽车的 控制、认知数据处理、高性能计算、功能安全和全面验证。这些主题被视为推动自动驾驶技术前进的基石。本书调研了自动驾驶汽车研究、开发和创新的*新动态，并阐述了重大新技术进步的行业驱动路线图，以及支持自动驾驶发展的欧洲合作计划。本书中给出的各种示例突出了自动驾驶的发展状况以及前进的方向，适合工程学界的学者和研究人员、汽车及相关专业研究生、OEM和供应商的汽车工程师、ICT和软件工程师、汽车技术管理人员及汽车企业决策人员阅读使用。

《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。