本书从人工智能、机器学习和深度学习三者的关系开始，以深度学习在计算机视觉、自然语言处理和推荐系统的应用实践为主线，逐步剖析模型原理和代码实现。书中的内容深入浅出，通过原理与代码结合、产业实践和作业结合的方式，帮助读者更好地掌握深度学习的理论知识和深度学习开源框架的使用方法。为了让更多的读者从中受益，快速应对复杂多变的AI应用，书中还 介绍了各种模型资源和辅助工具，旨在帮助读者在人工智能的战场上和“AI大师”一样无往不利。 人工智能是一门跨学科的技术，本书既可作为深度学习的入门读物，又可作为人工智能或相关学科本科生和研究生的教材，还可供AI爱好者和从业者使用。

人工智能时代，数字数据的爆炸式增长推动了人们对使用机器学习（ML）的交易策略相关知识的需求。《机器学习在算法交易中的应用（第2版）》就以Python为基本工具，从全局、战略的视角介绍了相关的概念，以及机器学习在交易策略设计和执行中的价值及实践运用。全书分4部分，其中第1部分主要介绍基于机器学习的交易策略的基础知识，该部分内容围绕机器学习算法以及交易策略相关的数据展开，概述了如何有效捕获数据信号内容、如何准确提取特征，以及如何基于这些数据优化算法评估投资组合。第2部分重点阐述了在端到端工作流环境中，一些基本的监督学习、无监督学习是如何为交易策略的制定提供帮助的。第3部分是自然语言处理，这部分引入了无监督学习算法，力求从文本数据这种最关键的另类数据中高质量地提取信号。第4部分通过TensorFlow和PyTorch，重点介绍深度学习和强化学习在交易策略设计中的应用。 《机器学习在算法交易中的应用（第2版）》通过大量示例，详细介绍了如何使用不同机器学习算法设计交易策略，并通过大量的数学及统计知识，帮助读者更好地理解算法调优过程及整个计算过程。特别适合想获得用于交易的机器学习算法相关知识或想设计交易策略的数据分析师、数据科学家、Python开发人员、投资分析师或投资组合经理参考学习。

自然语言在语法、语义和语用三个平面上的结构统称为语言结构，通过计算得到语言结构是自然语言理解的核心任务。语言结构计算可以泛化为识别语言单元和建立语言单元之间的关系、为语言单元和关系赋予属性的过程。本书利用网格结构分析语言单元和关系，通过键值方式对其属性进行描述和计算，采用数据表解析不同类型的知识，借助有限状态自动机剖析语言的具体应用场景。这种基于网格的自然语言结构分析框架（Grid based Parsing Framework，GPF）具有良好的包容性，通过可编程的脚本和数据交换标准接口，融合了深度学习的参数计算和基于符号的知识计算。GPF为自然语言处理研究和应用提供了新的研究思路和计算框架。 本书适合专业为自然语言处理、计算语言学以及与语言学本体研究有关的学生当作教材，也可以作为高等院校人工智能、信息科学研究、大数据分析等相关专业的参考书。同时，本书也适合对语料库建设与应用感兴趣的人员阅读。

本书全面综合地介绍了知觉学习的现象、理论和应用，重点关注视觉领域。本书首先对知觉学习的原理进行阐述，然后探讨知觉学习的基本现象（学习和迁移）和机制（噪声特性、生理学证据）。同时，介绍知觉学习的计算模型，强调反馈对知觉学习的重要性，并讨论任务、注意力和奖励在知觉学习中的作用，对比视觉知觉学习和其他感官领域学习，讨论知觉学习的现有应用，并提出优化框架。本书适合知觉学习领域的学生、研究人员及相关从业者阅读参考。

本书主要面向光电信息科学与工程专业的本科实验教学。全书共8章，内容涵盖光电信息实验基础知识、应用光学的8个实验项目、物理光学的8个实验项目、激光原理与技术的8个实验项目、光纤原理与技术的6个实验项目、光电图像处理技术的6个实验项目、光电子学实验的6个实验项目以及半导体物理的6个实验项目，共计48个实验项目。实验项目内容在精选经典光电信息实验项目的基础上，新增设计了16个新型光电信息实验项目，将激光、光学、光纤、图像处理、半导体等技术领域近期新的科研进展引入教学实验，以适应光电信息技术快速发展的要求。

本书的写作初衷是，从学者的角度，用一种通俗易懂的方式，将基于深度学习的目标检测的相关论文中的理论和方法呈现给读者，同时针对作者在深度学习教学过程中遇到的难点，进行深入的分析和讲解。本书侧重对卷积神经网络的介绍，而深度学习的内容不止于此。所以，作者将深度学习分为有监督学习、无监督学习和强化学习三类，将图像分类、目标检测、人脸识别、语音识别、双向生成对抗网络和AlphaGo等应用场景归入不同的类别，并分别对其原理进行了概括性的讲解。本书适合有一定深度学习或目标检测学习基础的学生、研究者、从业者阅读。

暂缺简介...

本书提出了“为工科学生培养产业思维”的构想，希望在人工智能技术知识的基础上，提供更为宏观的产业视角，通过介绍管理学、经济学等领域的知识、案例，将技术知识点串联起来，帮助读者了解人工智能技术在具体行业中的应用，形成对整个商业生态系统的认知，理解人工智能如何赋能数字经济。 本书的内容分为三篇：第1篇系统性地介绍数字经济及其相关管理学、经济学领域的知识，并最终将抽象的知识落脚于本书的研究主体——人工智能，对人工智能的技术演进与业态发展进行概述；第2篇从人工智能供给侧的角度，围绕基础技术、应用场景及相关产业和企业的发展，介绍计算机视觉技术、智能语音语言技术、信息检索与挖掘和控制智能与机器人这4个代表性技术领域；第3篇从人工智能需求侧的角度，选取社会生产和生活密切相关的制造、电信和医疗三大行业，探讨人工智能技术的应用基础与成效。 本书适合作为高等学校计算机类相关专业、人工智能类相关专业，以及管理类相关专业的本科生、研究生学习人工智能与数字经济的教材使用，还可供相关领域的科研人员、工程技术人员和管理人员参考阅读。

本书从基本概念和理论入手，通过近千张图和简单的例子由浅入深地讲解深度学习的相关知识，且不涉及复杂的数学内容。 本书分为上下两册。上册着重介绍深度学习的基础知识，旨在帮助读者建立扎实的知识储备，主要介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。下册介绍机器学习的 scikit-learn 库和深度学习的 Keras 库（这两种库均基于 Python 语言），以及卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容，还介绍了一些创造性应用，并给出了一些典型的数据集，以帮助读者更好地了解学习。 本书适合想要了解和使用深度学习的人阅读，也可作为深度学习教学培训领域的入门级参考用书。

本书基于备受读者推崇的王树森“深度强化学习”系列公开视频课，专门解决“入门深度强化学习难”的问题。本书的独特之处在于：第一，知识精简，剔除一切不必要的概念和公式，学起来轻松；第二，内容新颖，聚焦近10年深度强化学习领域的突破，让你一上手就紧跟最新技术。本书系统讲解深度强化学习的原理与实现，但不回避数学公式和各种模型，原创100多幅精美插图，并以全彩印刷展示。简洁清晰的语言+生动形象的图示，助你扫除任何可能的学习障碍！本书内容分为五部分：基础知识、价值学习、策略学习、多智能体强化学习、应用与展望，涉及DQN、A3C、TRPO、DDPG、AlphaGo等。本书面向深度强化学习入门读者，助你构建完整的知识体系。学完本书，你能够轻松看懂深度强化学习的实现代码、读懂该领域的论文、听懂学术报告，具备进一步自学和深挖的能力。