本书以《写给新手的深度学习》这本书的内容为基础，对深度学习的内容进一步深入探讨。从简单的RNN到作为其发展形式的LSTM和GRU，甚至在生成模型中对VAEGAN进行处理。本书也和上一本一样不使用框架，而是将各种各样的深度学习的发展形式，数学公式和代码无缝连接，这样既能很好地理解内部的实现，也能在发生问题的时候轻松地想到解决问题的办法。本书虽然是上一本书的延续，但是内容体系是完整的，并在前三章对第一册内容进行了简单回顾，所以即使没有读过上一本书，也不影响本书的学习。

本书包含六个章节，详细分析了面向儿童群体的人工智能发展现状、与儿童相关的人工智能原则政策和法律，以及面向儿童群体的人工智能应用，并编选国内39个人工智能应用典型案例，尽可能反映涉及儿童群体的人工智能应用类型，如课堂教辅、在线教育、智能陪伴、儿童安全、儿童健康及公益/弱势群体等，具有一定实际参考价值。

多媒体安全与人工智能安全是近年来迅速发展的研究领域。本书采用“极简综述”的形式，围绕多媒体隐写、多媒体水印、多媒体取证与评价、神经网络安全四部分内容，涉及图像、视频、音频、文本、神经网络等研究对象，汇集了该领域新研究成果。本书各章在内容上相互独立，简明扼要介绍了其中某个方向要解决的主要问题与核心方法，旨在帮助读者用较短时间从整体上迅速掌握该方向重要的信息。本书既可为对此领域有兴趣的读者提供便捷的指引，也可作为多媒体与人工智能安全方向研究生的入门教材。

人类自古就有对设计发明自动化工具的朴素追求和大胆实践。几年前曾经有过一个网上调查，只问了一个问题，那就是“人类需要机器人吗？”结果被调查的人中，98％以上都回答：当然需要。国际上有舆论认为，机器人是“制造业皇冠顶端的明珠”，其研发、制造、应用是衡量一个国家科技创新和高端制造业水平的重要标志。中国科学家对机器人的定义：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”无论机器人技术如何发展，有一个基本原则就是：机器人是为人类服务的。机器人学三定律：第一定律：机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管。第二定律：机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外。第三定律：机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。人工智能与机器人技术的关系一直以来都是相互依存，共同发展。高科技本身没有天使和魔鬼之分，人工智能也是如此，这一把双刃剑是天使还是魔鬼取决于人类自身。无论是从科学技术的自然进步趋势，还是人类自身发展的需求，机器人都毫无疑问地会陪伴着我们一起走向未来。

童芯派主控是一款针对人工智能编程教学设计的新一代可联网微型计算机，专为AIoT与Python教学而设计。无论是创新科技应用还是编程普及，童芯派都能完美适配“趣”学习。本书共分3部分28课，第1部分为神奇百宝箱，主要介绍童芯派主控板自带的程序运行效果，通过程序的运行体验录音功能、音量柱带来的身边科技。第2部分为历险童芯世界，通过交互的图形化程序感受手势识别、人脸识别等人工智能新科技。第3部分为勇闯代码岛，使用全新的慧编程Python编程器，降低了Python编程创作的门槛。 本书可作为青少年人工智能和编程教育教师参考书和学生用书。

《TensorFlow 开发入门》是一本面向 AI 工程师的入门书籍，介绍了从 TensorFlow 基 础知识到使用一个高级 API——Keras 构建深度学习模型的相关内容。全书共 12 章，分 2 部分进行介绍，其中第 1 部分为基础篇，介绍了深度学习、TensorFlow 和 Keras 的基础知识； 第 2 部分为应用篇，介绍了如何使用 Keras 在图像处理中构建深度学习模型，如“噪声去 除”“自动着色”“超分辨率成像”“画风转换”和“图像生成”等。本书示例丰富，可操 作性较强，配套代码与 Jupyter Notebook 兼容，特别适合想从事人工智能开发、机器学习 / 深度学习工程师作为参考书学习。

视频理解是计算机视觉和深度学习的一个重要分支。本书对视频理解的3个重要领域进行介绍，对于每个领域，本书不仅解释了相关算法的原理，还梳理了算法演进的脉络。全书共分6章，第1章简要介绍视频行业的发展历程；第2章回顾经典图像分类模型和RNN；第3章和第4章介绍动作识别的重要算法；第5章介绍时序动作定位的重要算法；第6章介绍视频Embedding的重要算法。最后总结了常用的一些视频处理工具。 本书既适合高等院校人工智能相关专业的本科生和研究生阅读，也可供视频理解、推荐系统、搜索引擎和计算广告等领域的研究人员和从业者参考。

本书集合了基于应用领域的高级深度学习的模型、方法和实现。本书分为四部分。第1部分介绍了深度学习的构建和神经网络背后的数学知识。第二部分讨论深度学习在计算机视觉领域的应用。第三部分阐述了自然语言和序列处理。讲解了使用神经网络提取复杂的单词向量表示。讨论了各种类型的循环网络，如长短期记忆网络和门控循环单元网络。第四部分介绍一些虽然还没有被广泛采用但有前途的深度学习技术，包括如何在自动驾驶上应用深度学习。学完本书，读者将掌握与深度学习相关的关键概念，学会如何使用TensorFlow和PyTorch实现相应的AI解决方案。

本书讲解了如何基于不同业务场景的智能风控方法来构建一个从数据到计算再到决策的通用智能风控平台，该平台既能应用于业务的全流程，又能承载互联网业务中的大部分风险控制方案。全书从智能风控的原理、智能风控平台的架构、智能风控平台的产品设计与实现3个维度展开：第1部分（第1~3章）从智能风控的定义、演进以及智能风控如何与业务结合等方面介绍了智能风控的基础知识和原理；第二部分（第4~5章）详细讲解了智能风控平台的业务架构、功能架构和技术架构，为智能风控平台的设计与实现打下基础；第三部分（第6~7章）从产品设计与实现的角度讲解了智能风控平台的核心系统，如决策引擎系统、指标管理系统、接口管理系统、风险管理系统，以及次核心系统，如贷中监控系统、贷后管理系统、平台管理系统等。

本书涵盖了经典和现代的深度学习模型。章节分为三类：第1部分为神经网络的基础。许多传统的机器学习模型可以理解为神经网络的特殊情况。前两章的重点是理解传统机器学习和神经网络之间的关系。支持向量机、线性/逻辑回归、奇异值分解、矩阵分解和推荐系统都是神经网络的特例。本书将这些方法与特征工程方法如word2vec一起进行了研究。第2部分是神经网络的基本原理。训练和正则化的详细讨论在第3章和第4章提供。第5章和第6章介绍了径向基函数（RBF）网络和受限的玻尔兹曼机。第3部分是神经网络的高级主题：第7章和第8章讨论了循环神经网络和卷积神经网络。第9章和第10章介绍了几个高级主题，如深度强化学习、神经图像机、Kohonen自组织映射和生成对抗网络。这本书是为研究生、研究人员和实践者编写的。大量的练习和一个解决方案手册，以帮助在课堂教学。在可能的情况下，突出显示以应用程序为中心的视图，以便提供对每一类技术的实际用途的理解。