从智能时代的流行术语来看，“智能”“智能化”“移动互联”“智能制造”等概念被广泛应用到社会生产和生活的各个领域。智能生产服务技术实现的主要体现就是智能制造，智能消费服务技术实现的主要体现就是智能产品，智能生活服务技术实现的主要体现就是智慧城市，智能金融服务技术实现的主要体现就是互联网金融，智能管理服务技术实现的主要体现就是智能化管理。

本书涵盖人工智能学科的大多数领域，共分为十一章。第一章绪论，介绍人工智能的历史、z新发展状态及所包含的领域。剩余十章分别介绍各领域的基本原理与技术，包括知识表示与逻辑系统、搜索与自动规划、不确定性推理、机器学习，以及近年快速发展的人工神经网络（深度学习）、强化学习、分布式人工智能与多智能体系统、平行智能、知识自动化、智能控制等。

本书较全面地介绍了目前人工智能的主流概念、理论、方法、技术及应用等内容。全书共12章，首先介绍了智能的定义以及人工智能的定义、历史、实现方法、研究内容与发展趋势；其次介绍了人工智能的哲学观以及脑科学的相关概念与基础知识；再次在人工智能的方法与技术方面，介绍了人工神经网络，机器学习的基本方法与原理，以及感知智能、认知智能、语言智能、机器人（行为智能）、混合智能、类脑计算等人工智能技术；最后介绍了人工智能伦理与法律的相关概念和知识。本书可作为高等院校人工智能、大数据、机器人工程等新工科专业以及计算机科学与技术、电子科学与技术、控制工程与科学、智能科学与技术、机械、数学等传统理工科专业的本科生与研究生的课程教材，也可供哲学、经贸、管理、金融、财会、法律、文学等非理工科专业的学生学习使用，还可作为从事自然科学、社会科学以及人工智能交叉学科研究的科研人员、学者及爱好者的参考用书。

本书主要介绍人工智能的起源与发展、发展人工智能的国家战略意义、人工智能专业的培养目标与课程体系，以及人工智能技术在生活、生产、交通、电力、建筑、医疗、电竞、金融、物流、国防等领域应用的新进展。本书的编写深入浅出、突出应用、图文并茂、通俗易懂，通过人工智能在各个领域应用的具体案例，介绍了人工智能的内在实现机理和应用现状，并立足于人工智能具体应用领域，力求反映人工智能技术的新进展，以及未来发展的趋势。 本书可作为人工智能理论、实践及应用相关专业的本科生和研究生的专业课程教材，也可作为相近专业工程技术人员的自学参考用书。

《认知计算攻略使用Cognitive Services和TensorFlow》通过完整且真实的代码示例解决Al和机器学习问题。该书使用了一种从提出问题到给出解决方案的方式，以便通过提供诸如认知服务API、机器学习平台和库的工具组合来让日常开发人员都可以接触到深度学习和机器学习。《认知计算攻略使用Cognitive Services和TensorFlow》提供了同时期技术体系的概览，涵盖了机器学习和深度学习的业务用例。通过讲解诸如数字化助理、计算机视觉、文本分析、语音和机器人流程自动化的主题，提供一套全面的工其集以便让读者可以快速且容易地应用到自己的项目中。该书重点介绍的是Microsoft Cognitive Services的能力应用，讲解使用包括TensorFlow和CNTK在内的多种不同环境来实现的方案，以便让读者能够更宽泛地审视深度学习生态系统。

在《Python深度学习异常检测 使用Keras和PyTorch》这本通俗易懂的入门级指南的引导下，了解如何将深度学习应用于各种异常检测任务！《Python深度学习异常检测 使用Keras和PyTorch》浓墨重彩地描述如何利用Python中的Keras和PyTorch框架，将各种深度学习模型应用于半监督和无监督异常检测任务。《Python深度学习异常检测 使用Keras和PyTorch》开篇讨论异常检测的含义、用途和重要性。在介绍用Python的scikit-learn进行异常检测的统计和传统机器学习方法后，《Python深度学习异常检测 使用Keras和PyTorch》引入深度学习方法，详述如何在Keras和PyTorch中构建和训练深度学习模型，重点分析各类自动编码器、RBM、RNN、LSTM和TCN等深度学习模型在异常检测领域的应用。除了讲解基于时间序列的异常检测的基础知识外，《Python深度学习异常检测 使用Keras和PyTorch》还探索无监督和半监督异常检测的相关内容。学习《Python深度学习异常检测 使用Keras和PyTorch》后，你将全面了解异常检测的基本任务，掌握各种处理异常检测的方法（从传统方法到深度学习方法等）；还将了解scikit-learn的相关内容，能在Keras和PyTorch中创建深度学习模型。《Python深度学习异常检测 使用Keras和PyTorch》主要内容：了解异常检测的含义及其重要性熟悉利用scikit-learn进行异常检测的统计和传统机器学习方法借助Keras和PyTorch了解Python深度学习的基本知识掌握度量模型性能的基本数据科学概念：AUC、精确率和召回率等将深度学习应用于半监督和无监督异常检测

本书包括人工智能法治综述、人工智能法治发展指数、2019中国人工智能法治发展评估报告、2019世界人工智能法治论坛观点精萃，八大部分（人工智能政策与法律、人工智能法治理论研究、人工智能法治应用、人工智能司法案件分析（中国）、人工智能法治发展专题报告、重大疫情背景下的人工智能法治应对、人工智能法治发展专家访谈、人工智能法治发展调查问卷（含问卷分析）），七个附录（人工智能政策法规一览（2019.6—2020.6）、人工智能法治研究机构一览（2019.6—2020.6）、人工智能法治重要著作与论文一览（2019.6—2020.6）、人工智能法治重要会议（论坛）一览（2019.6—2020.6）、人工智能法治应用典型事例一览（2019.6—2020.6）、人工智能司法典型案例一览（2019.6—2020.6）、人工智能法治月度大事记（2019.6—2020.6））。

本书是智能计算平台应用开发中级教材，主要介绍了智能计算平台搭建、平台管理、数据管理、应用开发等相关知识。全书共分9章，内容包括智能计算平台应用开发概述、人工智能与平台搭建、平台管理、数据采集、数据存储、数据处理、数据备份与恢复、机器学习基础算法建模和人工智能模型开发测试。

《机器学习的数学理论》重点研究机器学习的数学理论。第一部分探讨了在非凸优化问题中，选择梯度下降步长来避免严z格鞍点的自适应性。第二部分提出了在非凸优化中寻找局部极小值的算法，并利用牛顿第二定律在一定程度上得到无摩擦的全局极小值。第三部分研究了含有噪声和缺失数据的子空间聚类问题，这是一个由随机高斯噪声的实际应用数据和含有均匀缺失项的不完全数据激发的问题；还提出了一种新的具有粘性网正则化的VAR模型及其等价贝叶斯模型，该模型既考虑了稳定的稀疏性，又考虑了群体选择。《机器学习的数学理论》可作为本科生或研究生的入门教材。对于希望进一步加强对机器学习的理解的教授、行业专家和独立研究人员来说，该书也是好的选择。

如何更好地将人机交互技术应用到具体领域是目前的热点研究问题。《人机交互技术及应用》对人机交互技术及应用进行了比较全面的介绍，内容包括人机交互技术发展历程与设计原则、认知过程、交互模型和系统设计、评估方法、人机交互开发软硬件工具，然后介绍了人机交互技术在体感、手势、增强现实以及脑电交互中的应用。《人机交互技术及应用》的主要内容源于作者的研究工作，部分内容取材于参考文献。《人机交互技术及应用》可作为高等院校计算机专业基础教学用书，也可作为人机交互技术爱好者的参考书。