互联网是一个分布式系统，无线通信、云计算或并行计算、多核系统、移动网络也是如此。蚁群、大脑甚至人类社会都可以被建模为分布式系统。本书强调这些分布式系统中共同涉及的主题和技术，特别是强调分布式系统设计中的一些基本问题，涵盖通信、协调、容错性、本地性、并行性、打破对称性、同步化、不确定性等。

本书是针对研究生课程设计的，广泛概述了机器人、人工智能、心理学、社会学、伦理学和设计等多学科主题。本书提出了相关的背景概念，描述了机器人如何工作，如何设计它们，以及如何评估它们的性能。独立的章节讨论了广泛的主题。包括不同的交流方式，如语音和语言、非言语交流和情绪处理，以及当今和未来社会中机器人应用的伦理问题。

本书分析研究了深度学习相关的网络模型，以及不同网络模型的算法结构、原理与核心思想及实战案例。主要内容涉及人工神经网络、模糊神经网络、概率神经网络、小波神经网络、卷积神经网络及其扩展模型、深度生成对抗网络及其扩展模型、深度受限玻尔兹曼机及其扩展模型、深度信念网络及其扩展模型、深度自编码器及其扩展模型等深度学习网络结构、原理与方法。通过深度学习网络在信道盲均衡、目标识别、图像分类和运动模糊去除、特征提取与识别、缺陷早期诊断等领域中的应用案例，为读者提供应用深度学习网络解决具体问题的思路和方法。本书适合人工智能、计算机、自动化、电子与通信、大数据科学等相关学科专业的科学研究人员和工程技术人员阅读，也可作为相关专业博士、硕士研究生的参考书。

本书基于***的机器学习框架TensorFlow，专注于新一代人工智能思维与应用开发能力的培养；有别于传统课程，不泛泛讲解各类人工智能技术或是干涩讲深层次理论和算法，也不是纯粹介绍TensorFlow的编程技能，而是面向典型的场景，精心设计系列案例来引导整个学习过程，激发学习者的学习兴趣和应用创新。案例由浅入深、各有侧重，兼具趣味性和系统性。本书内容丰富，应用性和趣味性强，是作者多年来在深度学习应用开发领域教学研究成果的系统化凝练。本书配有多媒体课件、案例素材和源代码等教学资源，免费向任课教师提供。与本书配套的慕课（MOOC）已经上线开课多轮，广受学员好评，配合MOOC可以更好地进行教学和学习。本书适合作为高等学校计算机类、信息类专业和人工智能专业相关课程的教材，也可作为对人工智能、机器学习和深度学习技术感兴趣的科技人员、计算机爱好者及各类自学人员的参考书。

内 容 提 要 随着人工智能技术的进步和消费金融行业的快速发展，智能风控已经成为金融行业的刚性需求。本书围绕智能风控的关键环节一一展开，同时结合具体的智能风控实例进行解析。本书共6章，主要内容包括智能风控的发展，搭建智能风控模型体系，搭建风控特征画像体系，搭建智能风控策略体系，智能风控与人工的结合，以及智能风控管理。本书适合银行、消费金融与保险等领域信贷风控模型开发人员、特征挖掘人员和策略分析人员，以及金融科技领域从业者、咨询行业从业者和其他对智能风控感兴趣的人阅读。

本书系统讲述智能现象的简要历史。全书共分为1 0章。第1章介绍本书的写作背景、 对智能的不同定义、 围绕智能现象的问题、 本书对智能现象的新假说;第2章介绍宇宙从无到有的过程、 不安分的宇宙、 改变以稳定宇宙;第3章介绍物理学中的智能现象、 重力智能、 重力和暗能量、 最小作用量原则、 量子隐形传态;第4章介绍化学的简要发展历程、 耗散结构、 熵增、 z大熵产生;第5章介绍生物学中的智能现象、 生命的定义、 生命为什么存在、 微生物中的智能、 植物中的智能、 动物中的智能;第6章介绍大脑中的新皮质结构、 人类特殊的思维方式、 关于大脑的理论、 信息过载与信息茧房;第7章介绍1 9 5 0年以前的智能机 器、 人 工 智 能 的 诞 生、 符 号 主 义、 联 结 主 义、 行 为 主 义、学派之争与统一、 通用人工智能、 智能的本质和智能科学;第8章回顾人类科技历史中涉及的几个重要因素， 介 绍 促 进 宇 宙 稳 定 的 技 术 发 明、 物 质 网 联、 能 源 网 联、信息网联、 获取智能、 基于智能 网 联 的 自 动 驾 驶、 基 于 智 能 网 联 的 集 体 强 化 学 习、对智能的数学建模;第9章介绍元宇宙的背景、 元宇宙的概念与特征、 元宇宙涉及的主要技术、 元宇宙的演进;第1 0章给出了本书的总结与未来展望。 本书是科普读物， 也可以作为人工智能学习、 研究、 开发的参考用书。

人工智能应用已经遍及各行各业，而机器学习和深度学习作为其中的重要组成部分也越来越火热。《PyTorch深度学习模型开发实战》就以近年来非常流行的Python 机器学可库 PyTorch为工目。对深度学习中的迁移学习、图像分类、物体检测、语义分割、姿势识别、图像生成、异常检测、自然语言处理以及视频分类等各种任务进行了详细讲解及深度学习模型的编程实现。这些任务都是为帮助读者积累实践经验，以便能在实际开发中灵活运用深度学习技术精挑细选出来的。读者只要亲自动手，依次对各种任务进行编程实践，并彻底理解其中的原理，就一定能逐步掌握复杂深度学习的应用方法。 《PyTorch深度学习模型开发实战》 内容丰富全面，讲解通俗易懂，特别适合作为有一定基础的AI工程师提升技能、中高级机器学习/深度学习工程师巩固相关基础的参考书籍。

《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》从环境的搭建和TensorFlow 2.X 的基础语法讲起，逐步深入到计算机视觉领域的算法模型理论与实战应用，并重点讲解了如何使用TensorFlow 2.X 框架实现各类经典的深度学习模型，让读者可以系统地学习TensorFlow 2.X 在计算机视觉领域的相关知识和实战应用。 全书共13 章，涵盖的主要内容有Anaconda环境配置、JupyterNotebook使用、神经网络模型和用Python从零实现神经网络、TensorFlow 2.X 的基础语法、图像分类的算法模型理论和实战、迁移学习技术实战、目标 检测的算法模型理论和实战、自编码器的算法模型理论和实战、生成式对抗网络的算法模型理论和实战、基于 深度学习的指纹识别技术实战、基于摄像头的指定物体实时预测、基于 Linux 平台下的深度学习模型网页部署、基于exe 程序的深度学习识别系统以及自动机器学习的理论与实战等。 《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》内容通俗易懂、案例丰富、实用性强，特别适合机器学习、深度学习、Tensorflow2.X框架和计算机视觉领域的入门读者阅读，也适合Python 程序员等其他编程爱好者阅读。另外，本书也可作为相关院校或培训机构的教材使用。

本书是一本研究机器人结构与智能化应用的科普书。主要内容包括：机器人学概论、机器人的机械结构分析、机器人智能化应用之移动机器人、机器人学习原理与智能化典型应用、当前技术水平下的机器人创新应用实践、工业机器人与智慧工厂、机器人应用与智能化农业、智能机器人的未来应用方向。本书主要面向机器人爱好者或具有机械电子、人工智能等专业的致力于机器人研究的读者，既可以作为兴趣爱好读物，也可以供其他相关领域的工程技术人员研究参考。

区别于市场上同类书，本书不但侧重于理论知识的普及，也将技术融合于Python模块进行实验上的操作与演示。本书主要内容包括：人工智能技术概述，人脸识别技术、物体识别技术，视频识别技术、语音识别技术、文本识别技术，区块链技术等。全书综合了各种模块对人工智能技术的实践，将分散的技术点统一起来，并把抽象的原理与适应读者思维的案例相融合，实现知识点的充分理解。 本书适合从事数据科学及AI的读者阅读。