科普中国智库是中国科协打造的 科普智库，将聚焦科普和科学素质建设，强化科普理论研究，促进跨界交流，推动融合发展，加强舆论引导，集智汇力，建言献策，服务新时代科普事业高质量发展。由中国科协指导、中国科普研究所主办的“科普中国智库论坛暨第二十九届全国科普理论研讨会”于2022年9月29日召开，论坛主题为“融合赋能 变革转型——构建大科普新格局”。为 广泛地传播会议学术成果，主办方将大会学术委员会遴选的优质论文结集出版。此论文集的出版将推动会议成果深化利用， 好地服务科普中国智库建设，服务科普高质量发展。

《南京市手绘科普地图》一书的出版，有效填补了科普教育基地宣传方面的空白。图书采用青少年喜爱的手绘地图方式，图文并茂地宣传和推介科普教育基地，引导社会、学校和家庭关注科普教育基地丰富的资源，全面服务教育“双减”政策，让走进科普教育基地成为生活时尚，这对加强科普能力建设，提高公民科学素质将发挥积极的作用。

暂缺简介...

本书主要介绍了基于深度学习的人工智能算法。全书共3篇：第1篇机器阅读理解，共4章：机器阅读理解绪论、机器阅读理解技术、对话式机器阅读理解研究和多文档机器阅读理解研究。第2篇知识图谱，共6章：知识图谱绪论、知识图谱相关技术、数控机床故障领域的命名实体识别、数控机床故障领域的实体关系抽取、数控机床故障知识图谱的构建与应用和基于知识图谱的数控机床故障问答系统研究。第3篇图像识别，共7章：图像识别绪论、相关理论和算法介绍、基于机器视觉传统算法的指针式水表读数识别方法、基于深度学习算法的指针式水表读数识别方法、基于深度学习算法的指针式水表读数识别方法实验、水表读数识别系统的设计与实现和水表读数识别系统App的设计与实现。本书适合作为面向计算机专业高年级和非计算机专业研究生的人工智能课程的参考书，也可作为人工智能的科技人员参考用书。

2017年， 印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，“机器学习”作为人工智能技术的内核，走人我国广大中小学生的课堂是科技发展的必然选择。本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框架和经常被使用的技巧。本书介绍了这些技巧是如何被巧妙地封装成一种通用方法，并在适当的时候被反复使用。从框架到思路，再到解决问题的技巧，以及技巧的封装和重用，这些都是塑造良好计算思维的必经之路。本书适合高等师范院校现代教育技术专业研究生及开设“人工智能”课程的大、中、小学的教师阅读参考。

人工智能是当前 前沿和热门的技术领域，其发展已经远远 其 初所处的计算机学科范畴，正在影响着人类社会、经济、文化发展的方向和进程，也必将对人类未来产生重大影响。在此背景下，研究人工智能的核心技术是 必要的。本书主要对人工智能的核心技术和未来发展进行探究，内容包括机器学习、语音处理、自然语言处理、人机交互技术、计算机视觉、生物特征识别、知识图谱、人工智能的未来。本书层次分明、图文并茂，注重知识格局和内容体系的科学性与实用性，适用于对人工智能相关领域感兴趣的读者阅读和参考。

本书对人工智能在医疗领域中的应用进行了详细阐述，包括人工智能的理论、人工智能与医疗辅助技术、人工智能与医院信息系统整合，以及人工智能与未来医疗等内容，以期促进人工智能与医疗深度融合，拓宽我国医疗健康产业发展新视野。

本书是机器学习领域的入门教材，从理论、抽象和设计三方面阐述了机器学习的理论基础、算法实现和具体应用技巧。全书共12章，包括Python概述，Pythor语言基础，基础数据结构，函数与模块，面向对象程序设计，NuPy数据分析，数据可视化，基础算法分析与实现，机器学习概述，回归分析，分类算法，聚类算法。本书既注重保持理论分析的严谨性，又注重机器学习算法的实用性，同时强调机器学习算法的思想和原理在计算机上的实现。本书可作为高等职业院校人工智能相关专业的入门课程教材或教学参考书，也可以供从事机器学习应用开发的技术人员参考。

本书通过梳理数据管理的发展脉络，按照数据管理能力成熟度评估标准的8个能力域展开，逐条阐释条款内涵和典型做法，以完整的体系化的做法，为企业建设数字化能力提供参考和借鉴。一方面为数据从业人员建立起完整的数据管理视图，使其充分了解完整的数据管理体系。另一方面让企业找到适合自身数字化转型的方法和实践，对自身业务和管理能力进行优化和赋能。 后详细描述了标准评估模型的实施方法，企业可以参考评估方法对自身数据管理能力做出判断，并找出提升和改进方向。

本书从大数据分析的原理、技术和应用的角度，围绕着大数据分析的基础知识、大数据分析平台的核心原理、大数据分析的关键技术、大数据分析的应用四个方面进行讲述，使学生能掌握大数据分析的基本原理和核心技术，同时通过大数据分析在上市公司信用风险预测研究中的应用案例使学生熟悉大数据分析的原理和技术的实际应用，并能搭建大数据分析平台分析大规模数据集。其中，大数据分析的基础知识包括：大数据产生的背景、大数据的概念、特点、价值、大数据带来的思维变革；大数据分析平台的核心原理包括：两种常用开源大数据分析平台――Hadoop和Spark的起源、发展及应用现状，理解两种平台各自的体系架构、基本运行机制及适用范围，掌握其安装部署过程及基本使用方法，为大数据分析的应用打下基础；大数据分析的关键技术包括：Hadoop分布式文件系统、MapReduce并行编程模型、Hadoop 2.0的资源管理调度框架――YARN、大数据的获取和预处理、大数据的聚类和分类算法。