视频流媒体直播技术详解，适合自媒体、教师、技术人员及爱好者。
编辑推荐
TuringLab实验室在商业游戏测试中的先进技术和经验总结，引领自动化测试未来发展。
内容简介
这是一部讲解如何将AI技术创造性地应用到自动化测试领域的前沿性著作。由腾讯互动娱乐事业群TuringLab实验室撰写，从技术原理、平台构建、工程实践3个维度全面讲解AI技术在中的应用，融合了团队先进的理论研究成果和丰富的工程实践经验。
全书一共14章，分为三个部分：
第一部分 技术原理（第1-5章）：
首先，从宏观角度介绍了自动化测试和AI技术的发展，以及二者的相互结合；然后，讲解了图像识别算法、强化学习、模仿学习等用于自动化测试的AI技术的原理；最后，介绍了Android设备的调试原理和技术。
第二部分 平台搭建（第6-11章）：
以TuringLab实验室开源的Game AI SDK为例，不仅讲解了AI自动化测试平台的架构设计、开发流程、环境搭建和二次开发等内容，而且还讲解了AI SDK Tool工具的使用，以及如何以图像类方式和数据类方式接入Game AI SDK。
第三部分 工程实践（第12-14章）：
主要讲了TuringLab团队在游戏AI自动化测试领域的最佳佳实践，包括手机游戏兼容性测试、自动化Bug检测、自动机器学习等内容。
作者简介
作者腾讯互动娱乐事业群TuringLab团队，由美国归国技术专家领头组建，成员包括多位图像识别处理和机器学习领域的博士，以及多位专注于工程技术的专家。目前，实验室开发的AI SDK自动化测试平台已经成功接入腾讯公司的几十款在正式运营的商业游戏，并同时服务于WEST产品、即通手Q产品，以及各游戏工作室的多个产品。
章节目录
版权信息
前言
作者简介
第一部分 原理篇
第1章 AI与自动化测试
1.1 自动化测试的发展与现状
1.2 AI的发展与应用
1.3 AI与自动化测试相结合
1.4 本章小结
第2章 图像识别算法
2.1 图像识别
2.2 传统的图像识别算法
2.2.1 模板匹配算法
2.2.2 特征点匹配算法
2.2.3 梯度特征匹配算法
2.3 基于深度学习的图像识别算法
2.3.1 卷积神经网络
2.3.2 卷积神经网络模型
2.4 图像识别方法在游戏测试中的应用
2.4.1 特征点匹配在场景覆盖性测试上的应用
2.4.2 游戏场景图像的物体识别
2.5 本章小结
第3章 强化学习
3.1 基本理论
3.2 基于值函数的强化学习
3.2.1 值函数
3.2.2 DQN
3.3 基于策略梯度的强化学习
3.3.1 策略梯度
3.3.2 Actor-Critic
3.3.3 DDPG
3.3.4 A3C
3.4 强化学习在自动化测试中的应用
3.5 本章小结
第4章 模仿学习
4.1 什么是模仿学习
4.2 模仿学习研究现状
4.2.1 行为克隆
4.2.2 逆强化学习
4.3 模仿学习在自动化测试中的运用
4.4 本章小结
第5章 Android设备调试
5.1 Android调试桥
5.1.1 adb常用命令介绍
5.1.2 ADB原理
5.2 Android实时截屏
5.2.1 minicap介绍
5.2.2 minicap使用
5.3 Android模拟器
5.3.1 Android Emulator介绍
5.3.2 其他模拟器介绍
5.4 本章小结
第二部分 平台篇
第6章 AI SDK平台介绍
6.1 Game AI SDK平台功能
6.2 Game AI SDK平台架构设计
6.3 Game AI SDK平台流程
6.3.1 AI算法流程
6.3.2 图像识别任务流程
6.4 Game AI SDK平台模块结构
6.4.1 图像识别模块
6.4.2 AI算法模块
6.5 本章小结
第7章 AI SDK自动化测试平台搭建
7.1 Windows环境搭建
7.1.1 创建虚拟环境
7.1.2 安装AI SDK
7.1.3 安装SDK Tool
7.1.4 安装AI Client
7.2 Linux环境搭建
7.3 如何运行AI SDK
7.3.1 安装APK
7.3.2 游戏配置说明
7.3.3 启动服务
7.4 本章小结
第8章 AI SDK Tool详解
8.1 配置项目
8.1.1 安装
8.1.2 配置项目
8.2 标注GameReg任务
8.3 标注UIRecognize任务
8.4 调试
8.4.1 AI SDK Tool和GameReg之间的调试
8.4.2 AI SDK Tool和UIRecognize之间的调试
8.5 AI SDK Tool的其他功能
8.5.1 添加动作配置
8.5.2 添加地图路线
8.5.3 图结构路径配置
8.6 本章小结
第9章 图像类接入Game AI SDK平台
9.1 通过SDK Tool生成平台所需数据
9.1.1 生成UI配置文件
9.1.2 生成模仿学习样本
9.2 基于图像的AI方案
9.2.1 基于小地图的特征提取
9.2.2 样本扩充
9.2.3 模型和训练
9.3 使用Game AI SDK平台进行AI自动化测试——手机兼容性测试
9.4 使用Game AI SDK平台进行AI自动化测试——场景测试
9.5 使用Game AI SDK平台进行AI自动化测试——花屏类测试
9.6 本章小结
第10章 数据类手游接入Game AI SDK平台
10.1 Game AI SDK接入方案
10.1.1 集成GAutomator实现游戏接口
10.1.2 通过游戏接口获取AI输入数据
10.1.3 通过动作接口执行AI动作
10.2 基于数据的AI方案介绍
10.2.1 算法描述
10.2.2 实现功能
10.3 使用Game AI SDK平台进行AI自动化测试——跑图覆盖测试
10.4 使用Game AI SDK平台进行AI自动化测试——手机性能测试
10.5 使用Game AI SDK平台进行AI自动化测试——地图平衡性测试
10.5.1 游戏AI的课程学习方式
10.5.2 游戏AI的深度强化学习训练架构
10.5.3 深度强化学习的神经网络模型设计
10.6 本章小结
第11章 AI SDK平台二次开发
11.1 AI SDK平台二次开发介绍
11.1.1 AI SDK二次开发框架
11.1.2 AI SDK二次开发API
11.2 基于规则的AI设计和开发
11.2.1 基于规则的AI介绍
11.2.2 基于规则的AI实践
11.3 基于模仿学习的AI设计和开发
11.3.1 基于模仿学习的AI介绍
11.3.2 基于模仿学习的AI实践
11.4 基于强化学习的AI设计和开发
11.4.1 基于强化学习的AI介绍
11.4.2 基于强化学习的AI实践
11.5 本章小结
第三部分 最佳实践篇
第12章 手机游戏兼容性测试
12.1 基于图像的兼容性测试
12.2 基于UI动作传递的兼容性测试
12.3 基于UI自动探索的兼容性测试
12.4 本章小结
第13章 自动化Bug检测
13.1 贴图丢失
13.2 角色穿墙
13.3 碰撞穿模
13.4 本章小结
第14章 自动机器学习
14.1 自动机器学习概述
14.2 参数搜索策略
14.3 NNI安装和使用
14.4 本章小结
AI自动化测试：技术原理、平台搭建与工程实践是2020年由机械工业出版社华章分社出版,作者腾讯TuringLab团队。
温馨提示：
得书感谢您对《AI自动化测试：技术原理、平台搭建与工程实践》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书共14章，主要讲解游戏引擎中的动画、渲染、多线程等高级技术。书中的主要内容包括骨骼蒙皮模型与动画基础，动画播放和插槽，动画混合，变形动画混合，逆向动力学(IK)与角色，光照渲染的发展史，渲染器接口，材质，流程渲染架构，光照与材质，后期效果，阴影，多线程，动态缓冲区和性能分析器。
电子书
本书围绕大数据流处理领域，介绍FlinkDataStreamAPI、时间和窗口、状态和检查点、TableAPI&SQL等知识。书中以实践为导向，使用大量真实业务场景案例来演示如何基于Flink进行流处理。
电子书
软件测试理论工具实用教程，培养动手解决问题能力。
电子书
（1）大量图例，简单易懂。作者亲自绘制了大量插图，力求还原深度学习的算法思想，分解和剖析晦涩的算法，用图例来表示复杂的问题。生动的图例也能给读者带来阅读乐趣，快乐地学习算法知识，体会深度学习的算法本质。
（2）简化公式，生动比喻。深度学习和机器学习类的书中通常会有大量复杂冗长的算法公式，为了避免出现读者读不懂的情况，本书尽可能地统一了公式和符号，简化相关公式，并加以生动的比喻进行解析。在启发读者的同时，锻炼读者分析问题和解决问题的能力。
（3）算法原理，代码实现。在介绍深度学习及相关算法的原理时，不仅给出了对应的公式，还给出了实现和求解公式的代码，让读者明确该算法的作用、输入和输出。原理与代码相结合，使得读者对深度学习的算法实现更加具有亲切感。
（4）深入浅出，精心剖析。理解深度学习需要一定的机器学习知识，本书在D1章介绍了深度学习与机器学习的关系，并简要介绍了机器学习的内容。在内容安排上，每章依次介绍模型框架的应用场景、结构和使用方式，最后通过真实的案例去全面分析该模型结构。目的是让读者可以抓住深度学习的本质。
（5）入门实践，案例重现。每一章最后的真实案例不是直接堆砌代码，而是讲解使用该算法模型的原因和好处。从简单的背景知识出发，使用前文讲解过的深度学习知识实现一个实际的工程项目。实践可以用于及时检验读者对所学知识的掌握程度，为读者奠定深度学习的实践基础。
将一本技术书籍写得通俗易懂谈何容易，但《深度学习原理与实践》这本书确实做到了。书中对近年来火热的深度学习理论知识进行简单剖析，化繁为简，没有局限于坐而论道，而是将实例和数学理论相结合，让读者能够快速理解各种模型并上手实践，值得细读。
--唐春明 广州大学数学与信息学科学院副院长
本书从原理、方法、实践这 3 个维度系统地介绍了深度学习的方方面面，内容详实，解读清晰，细节与全貌兼顾，既适合初学者阅读，也可以作为深入研究的参考用书。
--杨刚 西安电子科技大学教授
近年来出版的深度学习相关图书中，本书是我见过非常有指导意义的中文书籍之一。本书对 ANN、CNN、RNN 等模型进行深入浅出的介绍，引入大量图例和简化后的公式，让算法浅显易懂。每一章的实践内容都给人惊喜，强烈推荐！
--吴健之 腾讯音乐高级工程师
作为产品经理，我能看懂的深度学习书籍实在太少了。本书恰到好处，插图丰富直观，数学公式简练，很喜欢此类风格的图书，易懂好学。即使你不是程序员或算法专家，该书也值得一看！
--张瑞 中软国际高级产品经理