本书源于阿里巴巴千亿级知识图谱构建与产业化应用的工作总结，对知识图谱理论和大规模工业实践进行了全面和深入的阐述。本书以阿里巴巴的实战经验为中心，以深厚的理论成果为支撑，详细阐述了知识图谱的方方面面。首先介绍工业场景下知识图谱的现状、存在的问题和架构设计；然后从知识表示、知识融合、知识获取、知识推理、知识存储和知识图谱前沿方向等方面入手，介绍大规模商品知识图谱的构建方法；最后结合阿里巴巴的业务实践，详细介绍知识图谱的产品设计、技术实现和业务应用细节。通过阅读本书，读者不仅可以从零开始认识知识图谱，了解知识图谱技术方法和前沿技术方向，而且可以熟悉知识图谱工业实践的实现路径，清楚知识图谱的应用方向和方法。本书介绍的成果获得钱伟长中文信息处理科学技术一等奖。本书在知识图谱的广度和深度上兼具极强的参考性，适合人工智能相关行业的管理者和研发人员、高等院校的计算机专业学生阅读。

《深度强化学习实践（原书第2版）》包括新的强化学习工具和技术，介绍了强化学习的基础知识，以及如何动手编写智能体以执行一系列实际任务。《深度强化学习实践（原书第2版）》较上一版新增6章，专门介绍了强化学习的新发展，包括离散优化（解决魔方问题）、多智能体方法、Microsoft的TextWorld环境、高级探索技术等。学完《深度强化学习实践（原书第2版）》，你将对这个新兴领域的前沿技术有深刻的理解。此外，你将获得对深度Q-network、策略梯度方法、连续控制问题以及高度可扩展的非梯度方法等领域的可行洞见，还将学会如何构建经过强化学习训练、价格低廉的真实硬件机器人，并通过逐步代码优化在短短30分钟的训练后解决Pong环境问题。简而言之，《深度强化学习实践（原书第2版）》将帮助你探索强化学习中令人兴奋的复杂主题，让你通过实例获得经验和知识。通过阅读《深度强化学习实践（原书第2版）》，你将：了解强化学习的深度学习上下文并实现复杂的深度学习模型。学会评估强化学习的方法，包括交叉熵、DQN、actor-critic、TRPO、PPO、DDPG、D4PG等。学会构建经过强化学习方法训练的、价格低廉的硬件机器人。研究Microsoft的TextWorld环境，这是一个文字冒险游戏平台。学会在强化学习中使用离散优化来解决魔方问题。学会教你的智能体使用AlphaGo Zero玩四子连横棋。探索有关AI聊天机器人等主题的较新深度强化学习技术。研究先进的探索技术，包括噪声网络和网络蒸馏技术。

本书围绕人工智能未来技术发展趋势、可信安全人工智能手段、人工智能技术赋能教育以及人工智能与人类关系等问题展开讨论。

零样本图像分类主要解决在标记训练样本不足以涵盖所有对象类的情况下，如何对未知新模式进行正确分类的问题，近年来已逐渐成为机器学习领域的研究热点之一。　利用可见类训练样本学习到的分类器对新出现的对象类进行分类识别是非常困难的学习任务。《零样本图像分类》针对零样本图像分类问题从属性角度入手，基于深度学习及知识挖掘、属性自适应、属性扩展和相对属性4个方面进行展开，分别对应第3～6章、第7～8章、第9～11章和第12～13章，《零样本图像分类》共13章。此外，各章内容涉及相关领域基础知识的介绍，能够为不同层次的读者与研究人员提供入门知识与参考信息。

本书以案例介绍的形式为主，从基础创新、产业落地、防疫抗疫、应用场景等多个方面展现上海人工智能发展情况。这是一份地区发展人工智能产业的“建议书”，更是一份企业商业落地人工智能的“指导手册”。

本书是一本面向青少年的人工智能科普读本。本书从科普和青少年教育的角度，用浅显易懂和活泼有趣的语言，结合大量漫画图片、情景对话、感知实验、探索实例，介绍人工智能会“学习”、会“看”、会“听说”等方面的技术和应用，并讨论人工智能伦理和展望人工智能未来。本书培养学生对人工智能及新科技的认知，引导学生对人工智能领域产生兴趣，提升学生科学素养和动手能力。本书可作为小学高年级阶段的人工智能教材或科普读物，也可为相关学科教师或科普工作者提供教学素材。本书是“‘人工智能从娃娃抓起’系列丛书”的第一本，是上海市青少年活动中心、上海少年科学院为响应国家“发展新一代人工智能”的号召而打造的青少年人工智能科普读本。

本书主要内容包括普通最小二乘法回归、岭回归、Lasso回归、弹性网络回归、正交匹配追踪回归、贝叶斯回归、广义线性回归、随机梯度下降回归、被动攻击回归、鲁棒回归、多项式回归、支持向量机回归、核岭回归、最近邻回归、高斯过程回归、决策树、神经网络模型、保序回归、岭分类、逻辑回归分类、随机梯度下降分类、感知机、被动攻击分类、支持向量机分类、最近邻分类、高斯过程分类、朴素贝叶斯模型、决策树分类和神经网络分类、无监督学习、半监督学习等。全书结合具体实例和图表详细讲解，语言通俗，易于学习，适合机器学习和数据挖掘专业人员和人工智能爱好者阅读，也可作为高等院校人工智能专业教材。

本书由认识篇、技术篇和案例篇三部分组成，以商业领域中的问题为背景，主要讲解数据挖掘技术的应用。认识篇介绍数据挖掘的各种技术和数据挖掘建模方法，可使读者了解数据挖掘技术在商业领域中的应用概貌；技术篇介绍数据挖掘中的聚类分析、分类分析、关联规则分析、离群点检测、回归分析等方法；案例篇介绍实际领域应用较多的RFM分析、社会网络分析和文本挖掘，展示数据挖掘在不同领域中的应用案例，使读者理解如何应用数据挖掘技术解决商业领域中的问题。 本书可作为经济、管理类等相关专业学生学习数据挖掘技术的教材或参考书，也可作为计算机相关专业学生学习数据挖掘技术的参考书，还可作为企事业单位管理者、数据分析人员、市场营销人员、研究与开发人员的参考资料。

《人工智能与开源硬件/科技教师能力提升丛书》将人工智能与开源硬件紧密结合，尝试用开源硬件实现人工智能的功能，为科技教师提供人工智能课程资源。《人工智能与开源硬件/科技教师能力提升丛书》选取了在人工智能领域较为典型的应用，包括语音识别、图像识别、无人驾驶、物联网等，并以项目式教学（project-based learning，PBL）的形式将知识的讲解和学习融入项目中。《人工智能与开源硬件/科技教师能力提升丛书》中的案例具有一定的可拓展性，教师在学习了基本知识和项目以后，能够根据本校学生的特点进行拓展，《人工智能与开源硬件/科技教师能力提升丛书》配有丰富的课程案例与资源。可以说，《人工智能与开源硬件/科技教师能力提升丛书》更像是一个“引子”，引导更多教师参与到人工智能的教育中来。《人工智能与开源硬件/科技教师能力提升丛书》可作为中小学校、校外培训机构、科技馆所等科技教师和科技辅导员的培训用书，也可作为教师提升科学素养，提高专业能力，开展教学活动的参考用书。

《机器学习开发方法、工具及应用》介绍机器学习开发方法、工具及应用相关知识，全书由6章组成，第1章主要介绍机器学习的基本概念、分类等；第2章主要介绍机器学习开发架构、开发步骤；第3章~第5章主要介绍机器学习的开发工具，包括Python、NumPy、Pandas、Scikit-leam、TensorFlow；第6章主要介绍机器学习相关的10个实验，包括线性回归、决策树、人工神经网络、卷积神经网络等。《机器学习开发方法、工具及应用》适合作为高等院校人工智能专业、计算机专业、智能机器人专业、智能芯片专业及其他智能相关专业课程教材，也可作为人工智能应用、开发人员的参考用书。