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。

强化学习是实现决策智能的主要途径之一。经历数十年的发展，强化学习领域已经枝繁叶茂，技术内容纷繁复杂，这也为初学者快速入门造成障碍。 本书是一本深度强化学习领域的入门读物，梳理了深度强化学习算法的发展脉络，阐述了各类算法之间的关联，它们之间既有继承也有更新和发展，这种写法可以帮助读者更好地掌握算法中不变的精髓，并理解在不同的场景下应如何根据情势作出调整。 全书分为四部分。第一部分主要阐述强化学习领域的基本理论知识；第二部分讲解深度强化学习常用算法的原理、各算法之间的继承与发展，以及各自的算法流程；第三部分总结深度强化学习算法在游戏、推荐系统等领域的应用；第四部分探讨了该领域存在的问题和发展前景。本书适合想了解强化学习算法的小伙伴作为入门读物，也适合对强化学习感兴趣的读者阅读。

数据驱动的研究正在革新复杂系统的建模、预测和控制。本书面向高年级本科生和研究生，提供了一个综合的视角，展示了如何将新兴的方法，如数据科学、数据挖掘和机器学习技术，应用到工程和物理科学中。

随着互联网、物联网、云计算等技术的不断发展，许多领域都产生了大量的数据。利用机器学习技术分析海量数据，可以从数据中发现隐含的、有价值的规律和模式，进而用于预测并采取相应动作。在上述背景下，《实战机器学习（人工智能技术丛书）》从理论、技术和应用三个层面入手，全面讲解如何利用机器学习技术解决实际问题。《实战机器学习（人工智能技术丛书）》共分26章，内容包括机器学习解决问题流程、问题分析与建模、数据探索与准备、特征工程、模型训练与评价、模型部署与应用、回归模型、支持向量机、决策树、集成学习、K近邻算法、贝叶斯方法、聚类算法、关联规则学习、神经网络基础、正则化、深度学习中的优化、卷积神经网络、循环神经网络、自编码器、基于深度学习的语音分离方法、基于深度学习的图像去水印方法、基于LSTM的云环境工作负载预测方法、基于QoS的服务组合问题、基于强化学习的投资组合方法、基于GAN模型的大数据系统参数优化方法。《实战机器学习（人工智能技术丛书）》内容全面、示例丰富，适合机器学习初学者以及想要全面掌握机器学习技术的算法开发人员，也适合高等院校和培训机构人工智能相关专业的师生教学参考。

本书是一本区分统计数据挖掘和机器学习数据挖掘的图书。它创造性地汇编了数据挖掘技术，解决了对经典和现代统计方法框架的扩展，用于预测建模和大数据分析。SM-DM为数据挖掘领域新晋的数据科学家所面临的共同问题提供了适当的解决方案。它的展示侧重于数据科学家（通常被称为统计学家、数据采矿者和数据分析师）的需求，提供实用但又强大的、简单而又有洞察力的量化技术，其中大部分使用了新机器学习影响改进的“旧”统计方法。

时序逻辑是人工智能和计算机科学领域中的重要建模工具。随着时序逻辑的广泛使用，应用时序逻辑来对复杂系统进行推理和验证的算法也应运而生。其中最成功的方法之一就是Resolution算法，这也是本书的主题。 1965年美国数理逻辑专家鲁滨逊（J. A. Robinson）提出了一条Resolution推理规则，这标志着Resolution算法的起点。因其简洁性（整个推理过程中只使用一条推理规则）和便于机械操作的特点，Resolution算法得到了各国学者的重视，并且在各国学者的推动下发展得非常迅速。经过几十年的发展和持续的改进，到目前为止，Resolution算法在经典逻辑中已经趋于成熟。 本书主要聚焦Resolution算法在时序逻辑领域的研究，详细介绍了把Resolution算法从表达能力较弱的时序逻辑逐渐向表达能力较强的时序逻辑进行拓展和优化的研究成果。主要涉及以下几种时序逻辑： （1）线性时序逻辑（Propositional Linear-Time Temporal Logic） （2）计算树逻辑（Computation Tree Logic）和其扩展（Extended Computation Tree Logic） （3）交互时序逻辑（Alternating-Time Temporal Logic）

本书由近几年发表在各类顶 级期刊和国际会议/研讨会上的论文集结而成，囊括国内外深度学习研究者的成果。本书关注经典的稀疏/低秩模型与强调问题特定的先验性和可解释性的深度网络模型的集成，从而提高模型的学习能力和可解释性，同时更有效地利用大数据。书中展示了深度学习工具箱与稀疏/低秩模型和算法的紧密联系，并介绍了这些技术在维度约简、动作识别、风格识别、亲属关系理解、图像除雾以及生物医学图像分析等方面的成功应用。本书适合有一定基础的读者阅读，可扩展关于理论和分析工具的研究思路，并为深度模型的架构和解释提供有益的指导。

本书是以 Pando 机器人以及 CUBE 智能积木套件为载体，引导小学生学习智能机器人、传感器 技术以及图形化编程的入门教程。本书涵盖了机器人的历史、发展、分类以及组成等相关知识，并通过 Pando 机器人与 CUBE 智能积木套件，帮助学生掌握图形化编程的基本方法、常用传感器的基本原理及应用。书中介绍的 Pando 机器人与 CUBE 智能积木套件，采用两种不同的图形化编程方式，既能引导学生举一反三，又能加深学生对计算机编程思想的理解。《人工智能与机器人编程探索书》分为入门篇和进阶篇，本册为入门篇，本书包含大量贴近生活的案例，既能充分地激发学生学习的兴趣，又具有较强的实用性。本书适合对机器人和人工智能感兴趣的读者阅读，可作为学生的课外科普读物。

本书聚焦深度学习算法建模及相关技术，选取医疗、视频、工业三个非常有行业代表性的赛题：瑞金医院MMC人工智能辅助构建知识图谱、阿里巴巴优酷视频增强和超分辨率挑战赛和布匹疵点智能识别，介绍赛题涉及的技术知识和选手的创新思路与模型，对赛题的解决方案从0到1层层拆解。 本书从经典行业案例出发，内容由浅入深、层层递进，既可以作为专业开发者用书，也可以作为参考选手的实战手册。

这是一本写给青少年看的人工智能科普图书，目的是启蒙科学素养，开阔科学视野，培养科学思维，锻炼动手能力，让小读者们了解人工智能的过去、现在和未来，从而更好地融入人工智能时代。通过阅读本书，小读者们不仅会了解到“存在这样那样的人工智能”，还会一睹很多人工智能发展的过程和细节：科学家如何提出问题并想到绝妙的点子，技术如何从第一代逐渐演变到第N代，等等。所有这些都旨在激发孩子们的好奇心，帮助他们体会科学研究应具备的精神。本书用了大量的形象比喻，用贴近生活的案例作类比，把书中的抽象概念和难点以诙谐幽默的手绘插画形式诠释出来，力求让小读者们喜欢读、读得懂。本书从“什么是人工智能”讲起，沿着人类使用工具的历史，讲述了人类智能与人工智能的关系，原始工具到智能机器的演进，人工智能从史前时代发展到工业4.0时代过程中的重要事件、科学家及其发明创造的故事，堪称人工智能的“历史博物馆”。