本书在总结自然计算领域主要理论研究和实际应用成果的基础上，着重对近年来量子计算智能领域常见的理论及技术进行了较为全面的阐述，并结合作者多年的研究成果，对相关理论及技术在应用领域的实践情况进行了展示和总结。全书从优化和学习两个方面展开，分为八章，主要内容包括进化计算、群体智能算法、量子进化计算、量子粒子群优化，以及基于量子智能优化的数据聚类、数据分类、网络学习和相关应用。 本书可为人工智能、计算机科学、信息科学、自动化技术等领域及其交叉领域中从事量子计算、进化算法、机器学习及相关应用研究的技术人员提供参考，也可作为相关专业研究生和高年级本科生的教材（其中前四章为基础理论，适合本科生使用，后四章为高阶算法，适合研究生使用）。

以平实的语言风格讲解强化学习和深度学习的结合，以及他们在Pytorch上的应用。内容将从几个方面来进行落实，一个是原理，一个是相关论文的精讲，一个是工程实现，是一本脉络清晰，内容详实的科普读物。本书第一章到第五章，讲的是传统强化学习的研究目标与脉络，主要讲的是从一个程序员的角度怎么理解强化学习过渡为轻松，侧重理解方式的诱导。第六章到第十一章，是本书的核心内容，讲的是深度学习的原理，Pytorch框架的基本知识，以及深度强化学习的常用算法模型。第十二章到第十五章，讲的是扩展性的知识，例如其它帮助我们训练模型的算法思路，第三方工具插件，可供实验的环境，以及比较有趣的强化学习算法和观点，甚至还包括模型落地中的优化与压缩。

本书首先介绍课程的基本概念、基础理论与研究内容、研究方法，包括课程的设计原则与评价标准，再通过若干典型实验介绍和验证人机工程学中与设计相关的通识性基础知识，然后以不同产品类型为主题，从不同角度举例说明这些经过实验的基础知识在“实践性”设计中的综合应用。并为适应不同设计方向对课程内容的差异化要求提供相应的信息、资料和课程作业案例，作为个性化需求的补充。

本书由数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带领读者由浅入深系统掌握TensorFlow机器学习算法及其实现。本书第1章和第2章介绍了关于TensorFlow使用的基础知识，后续章节则针对一些典型算法和典型应用场景进行了实现，并配有较详细的程序说明，可读性非常强。读者如果能对其中代码进行复现，则必定会对TensorFlow的使用了如指掌。

本书不仅包含人工智能、机器学习及深度学习的基础知识，如卷积神经网络、循环神经网络、生成对抗网络等，而且也囊括了学会使用 TensorFlow、PyTorch 和 Keras 这三个主流的深度学习框架的*小知识量；不仅有针对相关理论的深入解释，而且也有实用的技巧，包括常见的优化技巧、使用多 GPU 训练、调试程序及将模型上线到生产系统中。本书希望同时兼顾理论和实战，使读者既能深入理解理论知识，又能把理论知识用于实战，因此本书每介绍完一个模型都会介绍其实现，读者阅读完一个模型的介绍之后就可以运行、阅读和修改相关代码，从而可以更加深刻地理解理论知识。

本书以案例驱动的方式讲解机器学习算法的知识点，并以Python语言作为基础开发语言实现算法，包括目前机器学习主流算法的原理、算法流程图、算法的详细设计步骤、算法实例、算法应用、算法的改进与优化等环节。 全书共分 17 章，前两章介绍机器学习与 Python 语言的相关基础知识，后面各章以案例的方式分别介绍线性回归算法、逻辑回归算法、K *近邻算法、PCA 降维算法、k-means算法、支持向量机算法、AdaBoost算法、决策树算法、高斯混合模型算法、随机森林算法、朴素贝叶斯算法、隐马尔可夫模型算法、BP 神经网络算法、卷积神经网络算法、递归神经网络算法。 本书适合作为高等院校人工智能、大数据、计算机科学、软件工程等相关专业本科生和研究生有关课程的教材，也适用于各种计算机编程、人工智能学习认证体系，还可供广大人工智能领域技术人员参考。

学习TensorFlow基础，包括如何进行基本运算。 建立简单的学习系统来理解数学基础。 深入理解在数千应用中效果良好的全连接深度网络。 使用超参优化，将原型转换成高质量的模型。 使用卷积神经网络处理图像。 使用循环神经网络处理自然语言数据集。 使用强化学习解决譬如三连棋等游戏。 使用GPU、TPU等硬件训练深度网络。

本书对我国人工智能的发展状况、国家战略，及其在经济发展、民生改善、政府治理等方面的广泛应用作了简明通俗的阐释；同时，还阐述了世界范围内人工智能的发展历史、国外主要国家和地区人工智能的发展现状、人工智能的未来前景等。 书中包含大量应用案例，涉及制造业、农业、金融、交通、医疗、教育、家居、政府治理、政务服务等领域。突出介绍案例应用场景、核心优势、所解决的难点痛点，展现了人工智能带来的生产生活方式、交互方式、治理模式变革，为人们了解人工智能、用好人工智能提供切合实际的参考。

本书根据人工智能领域产品经理的能力要求与知识体系，从原理到应用介绍人工智能的相关技术，全面阐述如何进阶为一名合格的人工智能产品经理。本书共分为13章，其中第1~3章介绍机器学习能做什么及如何去做，第4~10章介绍7种基础算法的原理与商业化应用，第11~13章介绍深度学习在图像识别、自然语言处理与AI绘画三个方向的发展与成果。本书不局限于从数学角度推导各类机器学习算法的原理，而是配合大量案例，由浅入深地讲述什么是机器学习、机器学习如何解决问题及机器学习需要产品经理做什么。本书能够帮助初入人工智能领域的产品经理建立对算法的理解，并将这些知识融入不同领域的业务中，发现更多的应用场景，创造更多的应用可能。

《人脸特征表达与识别》介绍近年来人脸识别领域的关键技术，如特征提取、表示，机器学习以及模式识别方法，重点介绍人脸特征的光照预处理、图像粒表示与流形学习、稀疏表示与字典学习、姿态表情识别、2D矫正与人脸识别以及深度学习人脸识别等内容。