本书介绍了元学习方法的发展历史、起源、思想、近来流行的元学习方法，以及这些方法的组织思路、改进方案、相互继承、如何应用。本书共11章，分为两部分：元学习方法思想的介绍和元学习应用场景中模型的介绍。这些内容介绍了如何在元学习框架下融入强化学习、模仿学习、在线学习、无监督学习、迁移学习等，实现对实际应用中深度模型的改进，以适应复杂多变的实际任务。

创新工场于2017年发起了面向高校在校生的DeeCamp人工智能训练营（简称DeeCamp训练营），训练营内容涵盖学术界与产业界领军人物带来的全新AI知识体系和来自产业界的真实实践课题，旨在提升高校AI人才在行业应用中的实践能力，以及推进产学研深度结合。本书以近两年DeeCamp训练营培训内容为基础，精选部分导师的授课课程及有代表性的学员参赛项目，以文字形式再现训练营“知识课程+产业实战”的教学模式和内容。全书共分为9章，第1章、第2章分别介绍AI赋能时代的创业、AI的产品化和工程化挑战；第3章至第8章聚焦于AI理论与产业实践的结合，内容涵盖机器学习、自然语言处理、计算机视觉、深度学习模型的压缩与加速等；第9章介绍了 4 个优秀实践课题，涉及自然语言处理和计算机视觉两个方向。本书适合AI相关专业的高校在校生及AI行业的工程师使用，可作为他们了解AI产业和开拓视野的读物。

智能制造服务是依托服务价值增值来实现服务型制造的核心要素，也是实施智能制造的基石。《智能制造服务技术（智能制造系列丛书）》系统地介绍了智能制造服务的相关理论、关键使能技术与应用案例。其中，第1章概述了智能制造服务的产生背景、概念、内涵，并综述了相关的研究现状和发展趋势；第2章描述了CPS／RFID系统支撑下的制造服务数据采集方法与途径；第3章给出了制造服务匹配、管理与决策的智能计算方法；第4章阐述了典型制造服务模式；第5章构建了智能制造服务层次模型体系；第6章介绍了外包／众包服务模式及其智能化升级途径；第7章给出了PSS驱动的智能制造集成服务方法；第8章介绍了智能制造服务的设计方法；第9章介绍了智能制造服务的运行与状态监控方法；第10章描述了智能制造服务的成熟度模式及其评估方法；第11章给出了两个典型的实施智能制造服务技术的企业案例。《智能制造服务技术（智能制造系列丛书）》可供从事智能制造领域研究的工程技术人员参考，也可作为高等院校机械工程、工业工程、自动化与信息工程等相关专业的教师、研究生及高年级本科生的教学辅助资料。

本书针对绿色设计与制造的主要研究内容及方法技术进行专业介绍，包括绿色设计与制造的理论基础与研究现状，绿色设计的主要方法与工具，绿色制造的关键工艺技术，绿色工厂的应用实践等。

《位置数据的智能聚类算法研究》重点研究了位置数据的智能聚类学习相关模型和算法前沿，集中反映了作者近年来对空间数据聚类与智能优化相结合的研究成果，系统阐述了GPS位置数据聚类学习的相关模型与算法。《位置数据的智能聚类算法研究》共分为7章，包括GPS位置数据聚类模型和智能优化的关键技术，GPS位置数据的遗传、模糊粒子-遗传融合、遗传-模糊蚁群混合自动聚类模型与算法，基于MapReduce的GPS位置数据遗传自动聚类模型与算法，基于最小二乘非监督GPS轨迹回归模型与算法，模糊遗传GPS轨迹聚类算法等。

本书先简单介绍了Spark和Spark MLlib，然后介绍标准Spark MLlib库之外的更强大的第三方机器学习算法和库。通过阅读本书，你将能够通过几十个实际的例子和深刻的解释，将所学到的知识应用到真实世界的用例。

使用监督学习从头构建一个图像识别应用程序。用线性回归预测未来。深入研究梯度下降，这是一种驱动大部分机器学习的基本算法。创建感知器来分类数据。建立神经网络来处理更复杂和复杂的数据集。通过反向传播和批处理来训练和细化这些网络。分层神经网络，消除过度拟合，并添加卷积将您的神经网络转换为一个真正的深度学习系统。

本书循序渐进地介绍了机器人的发展、核心功能，并通过一个服务机器人的例子介绍了机器人的完整开发过程。通过本书，读者可以在了解机器人工作原理的基础上，快速开发与实现一个有完整的功能的机器人。本书适合作为高校机器人、人工智能及相关专业作为教材，也可供对机器人开发感兴趣的读者阅读。

知识图谱的发展历史源远流长，从经典人工智能的核心命题——知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，一百多个基础知识点的内容，同时囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱，以及知识增强的语言预训练模型等新热点、新发展。作为一本导论性质的书，本书希望帮助初学者梳理知识图谱的基本知识点和关键技术要素，也希望帮助技术决策者建立知识图谱的整体视图和系统工程观，为前沿科研人员拓展创新视野和研究方向。 本书在技术广度和深度上兼具极强的参考性，适合高等院校的计算机专业师生阅读，也可供计算机相关行业的管理者和研发人员参考。

本书主要介绍自动化运维和智能化运维的常用技术，同时，通过搭建实验环境的方式，让读者能够基于前沿的容器化技术Docker与Kubernetes搭建自己的运维实验环境，从而帮助读者更好地掌握本书涉及的技术要点。