购物车
个人中心
玩转智能体
￥57.54
本书是一部关于构建各行业智能体的应用指南。全书分为 2 篇，共 8 章。智能体基础篇（第 1～2 章）主要介绍智能体的概念、应用场景、优势、发展趋势，以及*的指令设计。智能体应用篇（第 3～8 章）主要介绍智能体在教育、科研、职场、创意、生活等领域的具体应用，并结合 50 余个实践案例详细讲解其使用方法。全书涵盖 20 余种指令撰写方法，能够帮助读者掌握智能体的*使用方式，在实践中真正体会到智能体带来的变革性力量。本书适合统计学或 IT 相关专业学生、从事教育和科研工作的职场人士，以及人工智能（AI）爱好者阅读。
知识图谱:基础、技术与应用
￥95.90
知识图谱以直观方式呈现实体间的关系，能够有效整合、表示和挖掘复杂知识，为信息检索、智能问答、数据分析等众多领域提供强大的知识支撑。本书系统讲解知识图谱的完整体系，从基础到应用层层深入。*部分介绍基础知识，内容包括知识图谱的建模和表示方法。第二部分聚焦知识图谱构建过程，涵盖领域发现、命名实体识别、信息提取等技术。第三部分讲解知识图谱补全技术，包括实例匹配、统计关系学习等。第四部分阐述知识图谱的访问方式，涉及推理、检索、结构化查询及问答。第五部分展现知识图谱生态系统，介绍关联数据及知识图谱在多个领域中的应用。
AI掌局者:从工具使用者到价值创造者
￥41.90
AI已经无处不在，但大多数人还停留在“用工具”的阶段。本书作者萨迪·凯·圣劳伦斯，人机协作研究院创始人、白宫AI委员会成员，提出了一个关键概念：编创者（Orchestrator），在这本书里，她把这段从神经科学到AI前沿的旅程，变成了一套所有人都能理解和使用的认知框架。 如果把AI时代比作一场交响乐，大多数人还在练习演奏某一件乐器，而真正需要的角色是编创者——在音乐响起之前就决定整场演出面貌的人。从执行者到系统思考者，从给出答案到提出问题，从使用工具到调度工具组合——这不是工具的升级，而是身份的重塑。 全书覆盖AI底层原理、提示词工程、应用版图、规模化编创、机器伦理、社会影响和未来纪元七大板块，每章配有实战练习。无论你是想把AI融入日常工作的专业人士，还是正在带领团队穿越变革的决策者，这本书给你的不是焦虑，而是一张清晰的路线图：在智能时代，找到属于你的位置，创造属于你的交响乐。
RPA智能机器人:实施方法和行业解决方案
￥51.35
这是一部为企业应用RPA智能机器人提供实施方法论和解决方案的著作。 作者团队RPA技术、产品和实践方面有深厚的积累，不仅有作者研发出了行业领先的国产RPA产品，同时也有作者在万人规模的大企业中成功推广和应用国际*有名的RPA产品。本书首先讲清楚了RPA平台的技术架构和原理、RPA应用场景的发现和规划等的理论知识，然后重讲解了人力资源、财务、税务、ERP等领域的RPA实施方法和解决方案，具有非常强的实战指导意义。 全书从逻辑上分为三个部分： 基础篇（第1章） 简单介绍了RPA的定义、产生背景、发展历程、优势、适用场景、行业生态，以及主流RPA平台的技术架构和原理，能帮助读者快速掌握RPA的基础知识。 方法论篇（第2章） 重讲解了企业应该如何去发现适合应用RPA的业务场景和业务流程、如何对识别出的RPA流程行评价和分析、PoC的几种方式、CoE组织的建立，以及RPA发和落地的通用管理理论。 实战篇（第3~5章） 详细讲解了RPA智能机器人在人力资源、财务、税务、ERP等领域的各种场景和业务中的实施方法论和解决方案，包含大量的典型案例。
自然语言处理Python进阶
￥38.35
第1章教你使用内置的NLTK语料库和频率分布。我们还将学习什么是WordNet，并探索其特和用法。 第2章演示如何从各种格式的数据源中提取文本。我们还将学习如何从网络源提取原始文本。*后，我们将从这些异构数据源中对原始文本行规范并构建语料库。 第3章介绍一些关键的预处理步骤，如分词、词干提取、词形还原和编辑距离。 第4章介绍正则表达式，它是*基本、*简单、*重要和*强大的工具之一。在本章中，你将学习模式匹配的概念，它是文本分析的一种方式，基于此概念，没有比正则表达式更方便的工具了。 第5章将学习如何使用和编写自己的词性标注器和文法规则。词性标注是一步句法分析的基础，而通过使用词性标记和组块标记可以产生或改文法规则。 第6章帮助你了解如何使用内置分块器以及训练或编写自己的分块器，即依存句法分析器。在本章中，你将学习评估自己训练的模型。 第7章介绍信息抽取和文本分类，告诉你关于命名实体识别的更多信息。我们将使用内置的命名实体识别工具，并使用字典创建自己的命名实体。我们将学会使用内置的文本分类算法和一些简单的应用实例。 第8章介绍高阶自然语言处理方法，该方法将目前为止你所学的所有课程结合到一起，并创建应对你现实生活中各种问题的适用方法。我们将介绍诸如文本相似度、摘要、情感分析、回指消解等任务。 第9章介绍深度学习应用于自然语言处理所必需的各种基本原理，例如利用卷积神经网络（CNN）和长短型记忆网络（LSTM）行邮件分类、情感分类等，*后在低维空间中可视化高维词汇。 第10章描述如何利用深度学习解决*前沿的问题，包括文本自动生成、情景数据问答，预测下一个*词的语言模型以及生成式聊天机器人的发。
机器学习实战:基于Scikit-Learn、Keras和TensorFlow(原书第2版)
￥96.85
这本机器学习畅销书基于TensorFlow 2和Scikit-Learn的新版本行了全面更新，通过具体的示例、非常少的理论和可用于生产环境的Python框架，从零帮助你直观地理解并掌握构建智能系统所需要的概念和工具。 全书分为两部分。首先介绍机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分介绍神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。*部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。 通过本书，你会学到一系列可以快速使用的技术。每章的练习可以帮助你应用所学的知识，你只需要有一些编程经验。所有代码都可以在GitHub上获得。 代码获取方式： 1、微信关注“华章计算机” 2、在后台回复关键词：新版蜥蜴书
机器学习入门:数学原理解析及算法实践
￥47.40
本书面向初学者，比较全面的介绍了机器学习的基本方法，循序渐的阐述了其中的数学原理，让读者能够知其然，然后知其所以然。书中结合应用场景，列举了大量编程实例帮助读者展动手实践，理论与实践相辅相成，对算法原理产生更加直观和感性的认识。作者希望能够通过本书帮助读者揭人工智能领域的神秘面纱，走人工智能和机器学习的大门，了解其中的奥秘，甚至成为该领域的学习者、研究者和实践者。
CentOS 8 Linux系统管理与一线运维实战
￥65.40
本书结合编者十余年一线运维工作实战精心编撰，从Linux系统门到企业级服务器搭建和维护行了全面讲解，内容包括基础和实战两部分：基础部分主要介绍CentOS Stream 8 Linux的安装和系统初始化、Linux运维常用命令、用户和磁盘管理、日志与安全管理等内容；实战部分主要介绍各类服务平台的搭建和运维，包括日志管理工具禅道系统的安装和使用，HTTP服务器的搭建与配置，Samba、VSFTP、NFS共享平台的搭建与使用，Lighttpd、Nginx和Tomcat源轻型Web服务器的搭建与维护，数据库平台MySQL和高速内存数据库Redis的安装与运维，代码管理工具Git的使用，企业虚拟化工具Docker的安装与使用，Hadoop大数据平台的安装及集群搭建，以及集中式运维工具Ansible、SecureCRT和系统监控工具Zabbix的安装和使用等。
ROS机器人编程实践
￥53.40
本书首先介绍GoPiGo3及其配备的传感器和执行器。然后，通过从零始创建3D模型并使用Gazebo在ROS中运行模拟机器人来使用GoPiGo3的数字孪生模型。下来展示如何使用GoPiGo3构建和运行一个了解周围环境的自主移动机器人。还探索了机器人如何学习尚未在代码中编程但通过观察其环境而获得的任务。本书甚至还涵盖深度学习和强化学习等主题。在本书的末尾，读者将熟悉在机器人技术中构建特定用途应用程序的基础知识，并具备从零起步发高度智能自主机器人的能力。本书适合机器人技术人员和业余爱好者阅读。
Serverless架构下的AI应用开发:入门、实战与性能优化
￥59.40
内容简介 这是一部指导读者在Serverless 架构下发、部署和运维机器学习项目的实战性著作。 本书由阿里巴巴官方出品，来自阿里云和蚂蚁集团的Serverless产品专家、AI算法专家、Serverless解决方案架构师、Serverless工具技术负责人联合撰写，全方位地梳理和总结了阿里在Serverless架构下的机器学习实战经验，得到了企业界和学术界的10余位专家的高度认可。 具体内容上，本书主要包含如下几个方面： （1）Serverless架构基础 详细介绍了Serverless架构的概念、特和应用场景，Serverless架构下的应用发、部署的流程和方法，以及传统的Web框架如何向Serverless架构迁移和部署，这些都是在Serverless架构下发和部署应用的基础知识。 （2）机器学习算法和机器学习框架在Serverless架构下的应用 详细讲解了支持向量机、神经网络等各种机器学习常用的算法和模型，以及Scikit-learn、TensorFlow、Pytorch、PaddlePaddle等4种主流深度学习框架与Serverless架构的结合，为读者在Serverless架构下发机器学习应用下基础。 （3）Serverless架构下的机器学习项目实战 首先通过几个实战案例讲解了图像识别、模型升级、情感分析等机器学习领域的高频应用的Serverless化，为传统的AI应用迁移和部署到Serverless架构给出指引；然后通过两个综合案例讲解了机器学习应用在Serverless架构上从设计、发、部署到运维的全流程。 （4）Serverless应用性能优化 总结了Serverless架构下应用性能优化的方法和经验，比如冷启动的优化方案、发注意事项等。
Linux从入门到精通
￥73.50
本书从Linux的概念说起，由浅深地介绍如何使用Linux命令行日常操作与管理。每章都附有实战案例，方便回顾所学内容与生产工作中的实用技巧。读者不但可以系统地学习Linux的基础操作，而且能对Linux上的运维、发有更为深的理解。本书共10章，涵盖的主要内容有Linux系统选择与安装、Linux门命令与文件管理、Linux用户与权限、磁盘挂载与扩展、程管理与性能监控、网络通信与安全等。本书内容通俗易懂，案例丰富，实用性强，特别适合Linux的门读者和阶读者阅读，也适合经常与Linux系统交道的发、测试、运维岗位的IT从业者阅读。另外，本书也适合作为相关培训机构的教材使用。
TensorFlow自然语言处理
￥65.35
第1章是对NLP的简单介绍。该章将首先讨论我们需要NLP的原因。下来，将讨论NLP中一些常见的子任务。之后，将讨论NLP的两个主要阶段，即传统阶段和深度学习阶段。通过研究如何使用传统算法解决语言建模任务，我们将了解传统阶段NLP的特。然后，将讨论深度学习阶段，在这一阶段中深度学习算法被大量用于NLP。我们还将讨论深度学习算法的主要系列。*后，将讨论一种*基本的深度学习算法：全连神经网络。该章结束时会提供一份路线图，简要介绍后面的内容。 第2章介绍Python TensorFlow库，这是我们实现解决方案的主要平台。首先在TensorFlow中编写一段代码，执行一个简单的计算，并讨论从运行代码到得到结果这一过程中到底发生了什么。我们将详细介绍TensorFlow的基础组件。把Tensorflow比作丰富的餐厅，了解如何完成订单，以便一步加强对TensorFlow的理解。稍后，将讨论TensorFlow的更多技术细节，例如数据结构和操作（主要与神经网络相关）。*后，我们将实现一个全连的神经网络来识别手写数字。这将帮助我们了解如何使用TensorFlow来实现端到端解决方案。 第3章首先讨论如何用TensorFlow解决NLP任务。在该章中，我们将讨论如何用神经网络学习单词向量或单词表示。单词向量也称为词嵌。单词向量是单词的数字表示，相似单词有相似值，不同单词有不同值。首先，将讨论实现这一目标的几种传统方法，包括使用称为WordNet的大型人工构建知识库。然后，将讨论基于现代神经网络的方法，称为Word2vec，它在没有任何人为干预的情况下学习单词向量。我们将通过一个实例来了解Word2vec的机制。着，将讨论用于实现此目的的两种算法变体：skip-gram和连续词袋（CBOW）模型。我们将讨论算法的细节，以及如何在TensorFlow中实现它们。 第4章介绍与单词向量相关的更高级方法。首先，会比较skip-gram和CBOW，讨论其中哪一种有明显优势。下来，将讨论可用于提高Word2vec算法性能的几项改。然后，将讨论一种更新、更强大的词嵌学习算法：GloVe（全局向量）算法。*后，将在文档分类任务中实际观察单词向量。在该练习中，我们将看到单词向量十分强大，足以表示文档所属的主题（例如，娱乐和运动）。 第5章讨论卷积神经网络（CNN），它是擅长处理诸如图像或句子这样的空间数据的神经网络家族。首先，讨论如何处理数据以及处理数据时涉及哪种操作，以便对CNN有较深的理解。下来，深研究CNN计算中涉及的每个操作，以了解CNN背后的数学原理。*后，介绍两个练习。*个练习使用CNN对手写数字图像行分类，我们将看到CNN能够在此任务上很快达到较高的准确率。下来，我们将探讨如何使用CNN对句子行分类。特别地，我们要求CNN预测一个句子是否与对象、人物、位置等相关。 第6章介绍递归神经网络。递归神经网络（RNN）是一个可以模拟数据序列的强大的神经网络家族。首先讨论RNN背后的数学原理以及在学习期间随时间更新RNN的更新规则。然后，讨论RNN的不同变体及其应用（例如，一对一RNN和一对多RNN）。*后，用RNN执行文本生成任务的练习。我们用童话故事训练RNN，然后要求RNN生成一个新故事。我们将看到在持久的长期记忆方面RNN表现不佳。*后，讨论更高级的RNN变体，即RNN-CF，它能够保持更长时间的记忆。 第7章介绍长短期记忆网络。RNN在保持长期记忆方面效果较差，这使我们需要探索能在更长时间内记住信息的更强大技术。我们将在该章讨论一种这样的技术：长短期记忆网络（LSTM）。LSTM功能更强大，并且在许多时间序列任务中表现得优于其他序列模型。首先通过一个例子，研究潜在的数学原理和LSTM的更新规则，以说明每个计算的重要性。然后，将了解为什么LSTM能够更长时间地保持记忆。下来，将讨论如何一步提高LSTM预测能力。*后，将讨论具有更复杂结构的几种LSTM变体（具有窥孔连的LSTM），以及简化LSTM门控循环单元（GRU）的方法。 第8章介绍LSTM的应用：文本生成。该章广泛评估LSTM在文本生成任务中的表现。我们将定性和定量地衡量LSTM产生的文本的好坏程度，还将比较LSTM、窥孔连LSTM和GRU。*后，将介绍如何将词嵌应用到模型中来改LSTM生成的文本。 第9章转到对多模态数据（即图像和文本）的处理。在该章中，我们将研究如何自动生成给定图像的描述。这涉及将前馈模型（即CNN）与词嵌层及顺序模型（即LSTM）组合，形成一个端到端的机器学习流程。 第10章介绍有关神经机器翻译（NMT）模型的应用。机器翻译指的是将句子或短语从源语言翻译成目标语言。首先讨论机器翻译是什么并简单介绍机器翻译历史。然后，将详细讨论现代神经机器翻译模型的体系结构，包括训练和预测的流程。下来，将了解如何从头始实现NMT系统。*后，会探索改标准NMT系统的方法。 第11章重介绍NLP的现状和未来趋势。我们将讨论前面提到的系统的相关*发现。该章将涵盖大部分令人兴奋的创新，并让你直观地感受其中的一些技术。 附录向读者介绍各种数学数据结构（例如，矩阵）和操作（例如，矩阵的逆），还将讨论概率中的几个重要概念。然后将介绍Keras，它是在底层使用TensorFlow的高级库。Keras通过隐藏TensorFlow中的一些有难度的细节使得神经网络的实现更简单。具体而言，通过使用Keras实现CNN来介绍如何使用Keras。下来，将讨论如何使用TensorFlow中的seq2seq库来实现一个神经机器翻译系统，所使用的代码比在第11章中使用的代码少得多。*后，将向你介绍如何使用TensorBoard可视化词嵌的指南。TensorBoard是TensorFlow附带的便捷可视化工具，可用于可视化和监视TensorFlow客户端中的各种变量。
Keras深度学习实战
￥44.85
第1章介绍了Keras的安装和设置过程以及如何配置Keras。 第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。 第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。 第4章详细描述了不同的Keras层，包括递归层和卷积层等。 第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。 第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。 第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。 第8 章包括使用Keras行单词分析和情感分析的NLP基础知识。 第9章展示了如何在Amazon评论数据集中使用Keras模型行文本概述。 第10章侧重于使用Keras设计和发强化学习模型。
TensorFlow深度学习实战
￥65.35
本书将介绍如何有效地使用Google的源框架TensorFlow行深度学习。通过学习，你将实现不同的深度学习网络，如卷积神经网络（CNN）、循环神经网络（RNN）、深度Q learning网络（DQN）和生成对抗网络（GAN），以及如何使用TensorFlow的高级封装Keras工具。
深入理解XGBoost:*机器学习算法与进阶
￥65.35
本书以机器学习基础知识做铺垫，深剖析XGBoost的原理、分布式实现、模型优化、深度应用等。 ?第1～3章使读者对机器学习算法形成整体认知，了解如何优化模型以及评估预测结果，并熟悉常用机器学习算法的实现原理和应用，如线性回归、逻辑回归、决策树、神经网络、支持向量机等。 ?第4章借助实际案例，讲解如何通过XGBoost解决分类、回归、排序等问题，并介绍了XGBoost常用功能的使用方法。 ?第5～7章是本书的重，从理论推导与源码层面深剖析XGBoost，涵盖XGBoost原理与理论证明、分布式XGBoost的实现、XGBoost各组件的源码解析。 ?第8～9章为阶内容，着重解析算法实践与工程应用中的难，而帮助读者更好地解决实际问题。 ?第10章介绍了一些较为前沿的将树模型与其他模型融合的研究方法，以拓眼界，拓展思路。
测试反模式:有效规避常见的92种测试陷阱
￥38.35
《测试反模式：有效规避常见的92种测试陷阱》系统归纳了在日常的发过程中容易出现的92种测试陷阱，从描述、可能出现之处、典型症状、潜在的负面后果、潜在原因、建议和相关的陷阱等多个方面探讨了这些陷阱，可帮助测试人员、技术经理和其他利益相关者避免陷这些陷阱、在陷的时候识别这些陷阱，以及在逃脱陷阱的同时将负面后果小化。 《测试反模式：有效规避常见的92种测试陷阱》共分4章：第1章讲解测试、缺陷和测试陷阱等重要概念，并介绍如何对测试陷阱行分类和记录，以便能更容易地找到并理解它们；第2章总结了92种常见的测试陷阱，并对每种陷阱行了简要介绍，以帮助读者轻松寻找并识别出相关的陷阱；第3章是本书的核心内容，详细讲解经常发生的92种测试陷阱，包括名字、描述、适用性、典型症状、潜在的负面后果、潜在原因和相关的规避陷阱或限制后果的建议；第4章提供了关于测试陷阱的整体总结，然后简单地介绍了未来可能使测试陷阱分类更加有用的研究。此外，附录部分还提供了词汇表、缩略语、注释、参考和计划检查单，帮助读者快速了解大部分陷阱，指导实际工作。
深度探索Linux系统虚拟化:原理与实现
￥57.85
这是一部深度讲解如何在Linux操作系统环境下用软件虚拟出一台“物理”计算机的著作。 两位作者都是百度的资深技术专家，一位是百度的主任架构师，一位是百度智能云的副总经理，都在操作系统和虚拟化等领域有多年的实践经验。 本书从计算机体系结构、操作系统、硬件等多个方面深度探索了如何从CPU、内存、中断、外设、网络5个维度去虚拟化Linux系统，不仅剖析了其中的关键技术原理，而且深阐述了具体的实现。 全书共6章： 第1章：CPU虚拟化 介绍了X86架构下的VMX扩展，讨论了在VMX下虚拟CPU的完整生命周期，着重阐述了Host和Guest的切换、指令的模拟以及KVM是如何虚拟多处理器的。 第2章：内存虚拟化 讨论了操作系统如何为虚拟机呈现物理内存，结合影子页表以及EPT探讨了KVM如何完成从GVA到HPA的2层地址映射。 第3章：中断虚拟化 首先，讨论了从单核系统的8259A始，到多核系统的APIC，再到绕I/O APIC直从设备向LAPIC发送基于消息的MSI的虚拟化原理和实现。然后，讨论了Intel为了提高效率，是如何从硬件层面对虚拟化中断行支持的，以及KVM是如何使用它们的。 第4~5章 外设虚拟化 从完全虚拟化始，依次讲解了半虚拟化（Virtio）和Intel的VT-d支持下的硬件辅助虚拟化。通过实现一个模拟串口带领读者直观体会了设备虚拟化的基本原理，然后深阐述了Virito标准和实现，以及支持SR-IOV的DMA重映射和中断重映射。 第6章 网络虚拟化 讨论了在通用硬件网络的基础上，操作系统如何虚拟出专用的网络设备，为租户组建虚拟网络。
ROS机器人开发实践
￥65.35
本书在介绍ROS总体框架和理论要的基础上，讲解ROS的通信机制、常用组件和阶功能；同时以实践为主，讲解机器视觉、机器听觉、SLAM与导航、机械臂控制、机器学习等多种ROS应用的主要原理和实现方法；并分析基于ROS的机器人系统设计方法和典型实例；后论述ROS2的框架特和使用方法，剖析ROS的发展方向。
MXNet深度学习实战
￥57.85
这是一本详细讲解计算机视觉算法实现以及MXNet框架的原理和使用的工具书。 作者是网易的资深计算机视觉算法工程师，本书融合了他丰富的工程实践经验，一方面详细讲解了深度学习框架MXNet的技术原理和应用方法，一方面以MXNet为工具讲解了算法实现的具体细节。辅以大量简洁的代码，助你从零基础始实现深度学习算法。 全书共12章，分为4个部分： *部分 准备篇（第1~2章） 介绍了MXNet的发展、优势、预备知识、各种深度学习框架的对比，以及发环境的搭建，包括Docker的使用。 第二部分 基础篇（第3~7章） 纤细讲解了MXNet主要模块使用和原理，如MXNet的数据读取、数据增强操作、常用网络层的含义及使用、常见网络结构的设计思想、模型训练相关的参数配置等。 第三部分 实战篇（第8~10章） 以图像分类、目标检测、图像分割这三个常用领域为例演示了如何通过MXNet实现算法训练和模型测试，同时还结合MXNet的口详细讲解了算法实现的细节。 第四部分 扩展篇（第11~12章） 主要介绍了基于动态图构建网络结构的Gluon口，以及MXNet专门为计算机视觉任务推出的深度学习库GluonCV。
InDesign CC排版设计全攻略:视频教学版
￥44.85
InDesign是主流的专业排版设计软件，被广泛应用于书刊、媒体、平面设计、印刷出版、数字媒体等领域。本书由浅深、图文并茂地讲解了InDesign CC 2018的各项功能、应用技巧和设计手法，并且提供了丰富的设计案例和视频教学，特别适合InDesign新手阅读，对具有一定使用经验的用户其中的案例也有很好的参考价值，还可作为学校、培训机构的教学用书以及广大自学者的学习教材。
智能语音处理
￥51.35
本书从智能化社会对语音处理提出的新要求出发，系统地介绍了智能语音处理涉及的基础理论、基本技术、主要方法以及典型的智能语音处理应用，理论与实际紧密结合，适合作为高等院校人工智能、电子信息工程、物联网工程、数据科学与大数据技术、通信工程等专业高年级本科生以及智能科学与技术、信号与信息处理、网络空间安全、通信与信息系统等学科研究生的参考教材，也可供从事语音处理技术研究与应用的科研及工程技术人员参考。 本书共11章，可分为四个部分。 *部分是导论，对应第1章，概要介绍了经典语音处理与智能语音处理的基本概念以及语音处理的典型应用。 第二部分是基础理论，包括第2～5章。第2章介绍了稀疏和稀疏表示、冗余字典以及压缩感知的基本原理和方法；第3章介绍了隐变量模型，包括高斯混合模型、隐马尔可夫模型和高斯过程隐变量模型等；第4章主要介绍主成分分析和非负矩阵分解两种典型的组合模型；第5章主要介绍人工神经网络和深度学习的基础知识以及深度神经网络的典型结构。 第三部分是应用实践，包括第6～10章。第6章综合利用稀疏表示、字典学习、深度学习等智能处理技术，分别介绍基于K-L展的字典学习的语音压缩感知、基于梅尔倒谱系数重构的抗噪低速率语音编码以及基于深度自编码器的抗噪低速率语音编码这三种方案；第7章重介绍了基于非负矩阵分解和基于深度学习的智能语音增强方法；第8章在介绍语音转换的基本原理的基础上，重介绍了基于非负矩阵分解和基于深度神经网络的谱转换方法；第9章首先介绍了说话人识别系统的框架和模型，然后分别介绍了基于i-vector和基于深度神经网络的说话人识别方法；第10章在介绍骨导语音特性和骨导语音盲增强的基本原理的基础上，分别介绍了基于长短时记忆网络和基于均衡-生成组合谱映射的骨导语音盲增强方法。 第四部分是结束语，对应第11章，对全书行了总结，并对智能语音处理的未来发展行展望。
