本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。本书通过AI“小白”小冰拜师程序员咖哥学习机器学习的对话展开，内容轻松，实战性强，主要包括机器学习快速上手路径、数学和Python基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积

本书从人工智能技术与先进制造技术融合的角度，介绍了人工智能技术在产品设计与制造中的应用，也就是智能制造技术，着重介绍了定性立体建模和不确定性多学科设计优化等智能设计技术、设计理性知识建模和复杂产品研制工程知识管理等知识工程与管理技术，以及智能装配序列规划和制造过程智能计算等智能生产与制造技术，并结合具体示例介绍了相关技

本书在介绍人机交互基本概念和发展状况的基础上，详细讨论了智能人机交互基础理论、生理计算与交互、手势理解与交互、草图计算与交互、情感计算与交互、言语计算与交互、智能仿真与交互、交互式机器学习等内容。

本书系统地描述了深度学习的基本理论算法及应用。全书共14章，第1~3章论述了数学基础、机器学习基础和深度学习基础；第4~7章介绍了一些经典网络及计算机视觉领域中常用的CNN、RNN、GAN等网络结构技术；第8~9章介绍了深度学习在计算机视觉领域的目标检测及图像分割两大应用；第10~14章介绍了计算机视觉领域主要的优化方

本书介绍了应用智能运维系统建设涉及的技术、工具、流程、方法，系统地总结了应用智能运维系统的演进过程，对比了市场主流的应用运维产品，分析了关键智能化应用运维技术、相关开源软件工具的能力和真实行业用户建设案例。另外，本书通过提炼、总结大量不同行业用户建设应用智能运维系统的典型应用场景，全面透彻地介绍了相关项目的规划、开发、

本书力图从政策、技术、产业、应用四个维度，全面阐述全球人工智能发展的竞争格局、创新态势、产业体系、行业应用与趋势走向，系统介绍人工智能如何赋能并改变人们生产生活的方方面面，进而成为人类社会必不可少的新型基础设施。本书即可以作为政策制定者、行业研究人员、人工智能相关专业人员的参考读物，又可作为广大科技爱好者、大中小学生的

据联合国预测，2050年全球将达到100亿人口。本书认为，地球养活100亿人口是一个巨大的挑战，人类将面临“FEW”困境。“FEW”是食物(Food)、能源(Energy)、水(Water)三个英文单词的首字母缩写，是人类生存与发展不可或缺的基础性资源。然而，随着地球上人口的增长，食物安全、淡水资源短缺、化石能源枯竭等

语言智能处理一直是人工智能领域的重要研究方向之一。本书按照研究历程与现状、关键技术与方法、发展趋势与展望的基本脉络，重点介绍了语言智能处理中的语言模型与知识表示、语言分析技术、语言情感分类、自然语言生成技术、自动问答与人机对话、机器翻译、信息检索与信息推荐等主题。本书所描述的内容涉及人们日常生活中的真实应用场景，理论与

随着人工智能技术的发展以及移动学习的应用普及，移动学习服务研究不断深入。本书以人工智能时代为背景，以人工智能与教育深度融合理念为指导，以移动学习智能服务应用需求为目标，探索人工智能时代移动学习服务体系以及实现策略，主要内容包括移动学习智能服务体系设计、移动学习行为影响因素分析、移动学习资源设计服务、移动学习个性化资源推

本书采用技术分析与场景描述相结合的模式，围绕物联网体系结构、关键技术和安全防控等方面进行系统的介绍。本书主要包括物联网概述、物联网基础知识、物联网数据服务、场景角度的IoT安全、技术角度的IoT安全、物联网流量安全、区块链与物联网安全七部分内容。

增强现实（AR）作为虚拟现实的一个技术延伸，是虚拟与现实的连接入口，是一种实时计算摄像机捕捉到的现实影像的位置及角度并加上相应虚拟信息的技术。伴随着AR技术迅速发展的是其3D实感摄像设备的快速更新。将这些3D实感摄像设备结合物联网技术可广泛应用于导航与定位、远程医疗、智能家居控制等多种领域。本书从系统设计的角度出发，由

本书全面系统地讲解了深度学习相关的知识。全书共8章，内容包括深度学习简介及TensorFlow安装，神经网络基础、神经网络的TensorFlow实现、卷积神经网络基础、经典卷积神经网络（上）、经典卷积神经网络（下）、深度学习用于文本序列和深度学习实验项目等内容。 本书以知识体系为基础，以课堂案例为载体，采取理论与实践相

本书从神经网络的基础知识讲起，逐步深入到Python进阶实战，通过对各种实用的第三方库进行详细讲解与实战运用，让读者不但能够更加深入地了解神经网络，而且能够简单高效地搭建自己的神经网络，即使没有专业背景知识也能轻松入门神经网络。 本书分为11章，涵盖的主要内容有神经网络概述，神经网络基础知识，计算机程序的特点，神经网络

本书共11章，主要介绍机器学习的基本概念和两大类常用的机器学习模型，即监督学习模型和非监督学习模型。针对监督学习模型，本书介绍了线性模型（线性回归、Logistic回归）、非线性模型（SVM、生成式分类器、决策树）、集成学习模型和神经网络模型及其训练；针对非监督学习模型，本书讲解了常用的降维技术（线性降维技术与非线性降

人工智能将引领一场比互联网影响更为深远的科技革命，各领域的企业都需要尽早地将人工智能纳入企业规划路径中。在人工智能革命的时代，企业应如何应对挑战、如何调整企业发展方向，以及如何重塑企业运营模式和管理制度，从而在人工智能的浪潮中获得机遇。作为个人，我们又应如何面对未来人机协作的工作模式，如何在未来的工作环境中寻找适合自己

全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用，包括"深度神经网络-隐马尔可夫混合模型”的训练和优化，特征表示学习、模型融合、自适应，以及以循环神经网络为代表的若干先进深度学习技术。

本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景

本书从TensorFlow2.0的基础知识讲起，深入介绍TensorFlow2.0的进阶实战，并配合项目实战案例，重点介绍使用TensorFlow2.0的新特性进行机器学习的方法，使读者能够系统地学习机器学习的相关知识，并对TensorFlow2.0的新特性有更深入的理解。本书共14章，主要介绍机器学习、TensorF

自主智能体系统是一个复杂的系统，涉及的技术点多且跨度大。本书宏观地呈现了自主智能体系统的整体框架，并对其核心理论技术做了详细的阐述。本书共7章，第01章介绍了自主智能体系统的发展历程、主要分类和应用实例；第02～04章围绕自主智能体系统的数学描述、决策与规划、控制方法展开了详细分析；第05～06章对自主多智能体系统进行

本书主要针本书主要针对大学低年级学生，讲解人工智能基础知识，帮助初入校大学生了解人工智能的概念，掌握人工智能应用技术，进而独立创作完成人工智能相关作品。本书包含了人工智能导引、人工智能基础知识、灯光的智能控制、交通灯的智能识别、文字的智能处理、图像的智能辨识、语音的智能辨识、人机的智能交互、无人驾驶、智能3D打印等方面