青少年人工智能编程水平测试涵盖从数学逻辑到计算思维、从拖曳程序模块到程序编写、从数学建模到算法设计等多学科知识，能够对学生的多学科知识综合运用能力做出评价；能够通过设计的具体解决方案，对学生的计算思维、创造性思维等能力做出评价；在具体的解决方案中，能够通过设计算法模型和实现算法，对学生掌握和运用编程的能力做出评价。本书从具体情景切入，循序渐进地介绍了 Python 语言的对象、字典、数组、函数、模块等内容，还详细介绍了数据结构、命题逻辑、线性回归、人工智能接口等拓展知识，能够多方位地提高学生的编程能力，培养计算思维，引导学生从编程意识、编程思维、编程学习与创新等层面进行学习，进一步掌握 Python 编程语言。本书内容丰富、层次清晰、图文并茂，既可作为青少年人工智能编程水平测试 6 级（Python）的辅导用书，也可作为校内、校外编程与人工智能相关课程的参考书（适合两学期教学）。

本教材主要内容包括计算机视觉历史回顾与介绍、数据驱动的图像分类方式：K最近邻与线性分类器、线性分类器损失函数与很优化、反向传播与神经网络、神经网络的训练、卷积神经网络、迁移学习之物体定位与检测、卷积神经网络的可视化与进一步理解、卷积神经网络工程实践技巧、深度学习开源库使用介绍、图像分割与注意力模型、视频检测与无监督学习等。本书适合高等学校图像处理、模式识别、机器视觉、人工智能相关专业本科高年级学生和研究生使用，也可作为相关专业领域科研工作者参考书。

通过一系列最新的技术突破，深度学习推动了整个机器学习领域的发展。现在，即使是对这项技术几乎一无所知的程序员也可以使用简单、高效的工具来实现具备数据学习能力的程序。这本畅销书采用具体示例、最小化理论和生产就绪的Python框架（Scikit-Learn、Keras和TensorFlow）来帮助你直观地理解构建智能系统的概念和工具。在更新的第3版中，作者Aurélien Géron探究了一系列技术，从简单的线性回归开始，逐步推进到深度神经网络。书中的大量代码示例和练习有助于你学以致用。你需要具备一定的编程经验。

人工智能技术发展和行业应用已成为当前人们关注的热点之一，人工智能第三次浪潮加速了全球生产生活方式的转变和行业变革，催生了诸如智慧城市、智慧农业、智慧医疗、智慧教育、智慧工厂、智能交通、智力游戏等新兴行业的蓬勃发展。本书面向人工智能相关领域的初学者，系统介绍人工智能领域当前流行的相关工具包和深度学习框架，使读者在简单了解人工智能技术的基础上，就可以借助软件工具包自行动手编写代码，解决基本的模式识别问题， 并通过不断拓展，由点到面，由易到难，逐步学会分析和解决实际行业问题，为踏入人工智能领域打好基础。本书首先讲授Numpy、Pandas、Matplotlib等人工智能工具包的特点和使用方法，使读者系统掌握对各种数据的生成、载入、处理和展示等操作，然后在此基础上系统介绍机器学习工具包Sklearn的特点和使用方法，最后重点介绍Pytorch等深度学习框架的使用方法，以及在计算机视觉、自然语言处理以及语音处理中的应用。本书可以作为人工智能相关专业研究生、本科生、高职生的入门实验教学教材，还可为对人工智能技术有兴趣的初学者提供一个学习和实践的参考材料，也可供相关领域的工程技术人员参阅。

本书比较全面、系统地介绍了深度强化学习的理论和算法，并配有大量的案例和编程实现。全书核心内容可以分为3部分，第一部分为经典强化学习，包括第2、3、4章，主要内容有动态规划法，蒙特卡洛法、时序差分法；第二部分为深度强化学习，包括第6、7、8章，主要内容有值函数近似法、策略梯度法、策略梯度法进阶；第三部分重点介绍了深度强化学习的经典应用——AlphaGo系列算法。另外，作为理论和算法的辅助，第1章介绍了强化学习的模型，第5章简单介绍了深度学习和PyTorch编程框架。 本书可以作为理工科大学相关专业研究生的学位课教材，也可以作为人工智能、机器学习相关专业高年级本科生的选修课教材，还可以作为相关领域学术研究人员、教师和工程技术人员的参考资料。

有意义地使用高级贝叶斯方法需要对基本原理有很好的理解。这本引人入胜的书解释了支撑贝叶斯模型构建和分析的思想，特别侧重于计算方法和方案。本书的独特之处是对可用软件包进行了广泛的讨论，并对贝叶斯推理进行了简短但完整且数学严谨的介绍。本书介绍了蒙特卡罗方法、马尔可夫链蒙特卡罗方法和贝叶斯软件，另外还介绍了模型验证和比较、跨维MCMC和条件高斯模型。本书所包含的问题使本书适合作为贝叶斯计算的第yi门研究生课程的教科书。对贝叶斯软件的广泛讨论——R/R- inla、OpenBUGS、JAGS、STAN和BayesX——使得它对来自统计之外的研究人员和研究生也很有用。

本书的编程语言以Python为主，详细介绍了人工智能算法的主流类别，涉及常见的数据特征处理、回归模型、基于实例的算法、树方法、神经网络、自然语言处理、社会网络、遗传算法和推荐算法。本书针对每一大类算法都介绍了该门类下的经典算法，并运用常见算法库以代码实现为目的，以商业分析、金融投资、科研辅助和工程优化等案例为对象，逐步讲解每一种算法的实现方法及在案例分析中的运用，部分案例配备了教学视频，可扫码实时观看。同时，随书还提供了程序源代码、授课用PPT等海量附加学习资源。本书适用的读者对象包括：商业分析师、高校科研工作者、互联网企业的算法工程师、大中专院校相关专业师生以及其他需要掌握人工智能算法知识的读者。

本书在对人工智能技术的内涵、构成和各国对人工智能采取的监管政策进行梳理的基础上，从哲学、伦理、道德、法律等方面对人工智能技术在应用过程中可能引发的不确定性风险进行分析，提出了相应的变革之道。全书共有十一章，内容包括人工智能技术的内涵与构成，各国对人工智能采取的监管政策，人工智能对就业、医疗、金融和司法等领域的的影响，人工智能主体性的哲学和伦理审视，人工智能人格权确认的道德风险和法律困境以及人工智能时代的公共政策议程，政府治理、算法与权力的博弈，公共安全和全球治理秩序等。

《视觉语言交互中的视觉推理研究》的作者牛玉磊博士于2020年在中国人民大学取得博士学会，后前往美国哥伦比亚大学开展博士后研究工作。本书从知识建模和知识推断两方面入手，深入研究了视觉语言交互任务中的视觉推理问题。《视觉语言交互中的视觉推理研究》共五章：第1章主要介绍了计算机视觉与自然语言处理交叉领域中交互类问题的研究背景，并分别从单轮交互、多轮交互、知识偏差三个角度选取了指称语理解、视觉对话、视觉问答三个经典任务展开讨论。第2章主要介绍了单轮交互情形的代表性视觉推理任务，即指称语理解问题，提出了变分背景框架，根据视觉图像和指称语文本的联系及视觉物体之间的关系提取语义背景信息，并根据背景信息对指称语进行定位。第3章介绍了多轮交互情形的代表性视觉推理任务，即视觉对话问题，提出了递归注意力机制，通过视觉指代消解的思想对图像、对话和问题之间的联系进行建模，优化视觉表示。第4章介绍了知识偏差情形的代表性视觉推理任务，即视觉问答问题，基于因果推理提出了反事实视觉问答框架，在训练环境和测试环境的答案分布不一致情况下，通过因果效应的视角提取并去除语言偏差。第5章对本书进行了总结，并对未来研究方向进行了展望。

本书首先带领读者体验一个当前著名的经典元宇宙项目Decentraland，让读者直观地了解元宇宙是什么样子，然后深入浅出地解析元宇宙的五大底层构造逻辑，包括元宇宙的时空逻辑、元宇宙的社会逻辑、元宇宙的经济逻辑、元宇宙的治理逻辑，以及元宇宙的发展逻辑。本书全面整理了元宇宙赖以发展的前沿技术及其背后的驱动规律，适合元宇宙领域的从业者、元宇宙项目的技术带头人和创业团队，元宇宙产业政策的制定者，以及对元宇宙感兴趣、希望深入理解元宇宙到底是什么的广大读者阅读。