本书共12 章，主要内容包括OpenCV 4 基础知识，OpenCV 的模块架构，图像存储容器，图像的读取与显示，视频加载与摄像头调用，图像变换，图像金字塔，图像直方图的绘制，图像的模板匹配，图像卷积，图像的边缘检测，腐蚀与膨胀，形状检测，图像分割，特征点检测与匹配，单目和双目视觉，光流法目标跟踪，以及OpenCV 在机器学习方面的应用等。 本书面向的读者是计算机视觉与图像处理等相关专业的高校师生、企业内转行计算机视觉与图像处理的工作人员、已有图像处理基础并想了解OpenCV 4 新特性的人员。

本书主要讲解无人驾驶产品管理，让没有人工智能背景的读者在短时间内入门，掌握无人驾驶由开发到落地的精髓。人工智能产品落地是一个漫长而艰辛的过程，需要产品经理针对不同的开发阶段制定适宜的策略，无人车尤为如此。本书也是一本用中国人的视角讲解硅谷人工智能产品的书，书中采用大量硅谷人工智能公司的案例，通过与国内情况的对比，为中国的读者阐释硅谷的产品管理方法。对于有意加入人工智能行业的读者来说，本书不仅提供了实用的职场建议，还为技术人员讲解了硅谷的管理经验，希望能起到抛砖引玉的作用。

人工智能在制造业的主要应用方式之一是工业机器人。《人工智能的经济影响研究——以中国制造业工业机器人为例》以中国制造业工业机器人为例，分析在当前及未来，工业机器人的使用所产生的经济影响。首先从分析当前主要的工业机器人强国入手，找到我国未来可参考和借鉴的工业机器人产业及应用的发展方式，然后分析工业机器人与劳动力的相关关系。通过将两者结合，分析未来工业机器人不同发展模式对劳动力规模的影响。最后利用可计算一般均衡（CGE）模型，得到工业机器人不同发展模式下，我国的宏观经济及不同产业受到的影响，反映出人工智能在制造业的深层次应用对经济的推动作用。

人才智能运作流程：驱动、分析、赢谋、筹备、执行、进化等6个步骤，每步骤还有小流程、微流程。而目前的策略理论只有3个步骤：分析、评估与选择、执行和控制。个人／企业的生命周期为7个阶段：潜伏、孕育／创业、成长、成熟、成功、衰退、衍变，比目前的孕育／创业、成长、成熟、衰退（消亡）等4个阶段更完整深入。《人才智能的进化》中还包含实用高效的内容：各种模式与方法方式、面向的各种要素（资源、核心力、市场、对手、产业链、产业生态系统）、赢谋的应用方式（挖掘、扩展、防御、衍变、跨越、撤离与各种要素再建立赢谋三维图、赢谋矩阵）、如何布局战略战术及执行、如何不断进化个人／企业的人才智能体系。

本书以送餐机器人为例，从机械结构建模与装配、控制电路设计与装调和控制程序编写与调试三方面详细介绍设计与制作机器人的过程。第1章为机器人机械结构建模与装配，采用SoilWorks软件，先对每个零部件进行建模，然后进行整体的装配，符合实际的需求，并通过3D打印、激光切割对部分零件进行制作。第2章为控制电路设计与装调，先采用Altium Designer 10软件对电路的原理图、PCB板进行设计，然后通过制板设备自行完成PCB板的制作，之后选择合适的元件进行安装、调试，从而满足机器人控制的要求。第3章为控制程序编写与调试，送餐机器人功能包含人机交互、语音提示、自动避障、自动定位运行等功能，通过Linkboy图形化编程软件，简单直观的完成相关控制功能。

● 当下的AI存在哪些风险？真的有可信的AI吗？ 理想的AI与现实的AI之间究竟存在哪些差距？ 如何构建人类和AI之间的信任？ 关于人工智能的炒作总是甚嚣尘上，但要得到真正可信的AI，却远比想象的要复杂得多，超级智能的时代还远没有到来。创造真正可信的AI需要赋予机器常识和深度理解，而不是简单地统计分析数据。本书勾勒了未来人工智能发展的最佳路线图，对当前人工智能的现状进行了清晰且客观的评估。 ● 作者盖瑞·马库斯是人工智能领域的专家，同时还是心理学和神经科学教授，在计算机科学、认知科学、语言学、人工智能等领域都练就了相当深厚的学术功底，并敢于挑战学术界的主流观点。当整个人工智能学术界都在过分乐观地高歌猛进时，他不断撰文和发表演讲来指出以深度学习为代表的当下AI的弊端和局限性，《如何创造可信的AI》这本书正是马库斯对他关于人工智能观点的最佳总结。 ●盖瑞·马库斯和欧内斯特·戴维斯从深度学习算法固有的缺陷出发，阐述了当下 AI 技术发展的桎梏，对当前 AI 的场景应用和研究范式中的问题进行了分析，他指出AI真正的问题在于信任，常识才是深度理解的关键。最终从认知科学中提炼出了11条对人工智能发展方面的启示，以通用人工智能为发展目标，给出了未来 AI 技术的一种发展方向。

《Keras高级深度学习》是高级深度学习技术的综合指南，内容包括自编码器、生成对抗网络（GAN）、变分自编码器（VAE）和深度强化学习（DRL），在这些技术的推动下，AI于近期取得了令人瞩目的成就。 《Keras高级深度学习》首先对多层感知器（MLP）、卷积神经网络（CNN）和循环神经网络（RNN）进行了概述，这些是本书中介绍的更高级技术的构建模块。之后探索了包括ResNet和DenseNet在内的深度神经网络架构以及如何创建自编码器。读者将学习如何使用Keras和TensorFlow实现深度学习模型，并进一步实现其高级应用。随后，读者将会了解到有关GAN的所有知识，以及认识到其如何将AI性能提升到新的水平。在此之后，读者可快速了解VAE的实现方式，并将认识到GAN和VAE是如何具备生成数据的能力的，并且使所生成的数据对人类来说极具说服力。因此，该类方法已成为现代AI的一个巨大进步。为充分了解该系列相关先进技术，读者将会学习如何实现DRL，例如深度Q-Learning和策略梯度方法，这些方法对于AI在现代取得很多成就至关重要。 《Keras高级深度学习》适合想要深入了解深度学习高级主题的机器学习工程师，以及高等院校人工智能、数据科学、计算机科学等相关专业学生阅读。

机器学习领域著名学者周志华教授领衔的南京大学LAMDA团队四位教授合著 系统梳理机器学习理论中的七大重要概念或理论工具，并给出若干分析实例 机器学习理论内容浩瀚广博，旨在为机器学习理论研究的读者提供入门导引本书旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。在预备知识之后，全书各章分别聚焦于：可学性、（假设空间）复杂度、泛化界、稳定性、一致性、收敛率、遗憾界。 除介绍基本概念外，还给出若干分析实例，如显示如何将不同理论工具应用于支持向量机这种常见机器学习技术。

以前，技术只是工程师操心的事；如今，技术是工程师、产品经理、企业家共同操心的事，他们只有通力合作才能驾驭强大的技术，进而取得商业上的成功。 如今讲人工智能的书大多属于两种类型：第一种面向广大公众进行人工智能科普；第二种针对专业技术人员详细讲解人工智能的技术。这两种书，产品经理虽然都可以阅读，但他们更迫切需要第三种——从商业的角度讲人工智能，以产品的方式让人工智能落地的书，而本书正是这种少数类型。 本书具有针对性强、系统性强、实操性强、原创度高的特点。本书共分为三篇。第一篇是基础篇，讲解技术商业的基本规律、AI技术的实质和边界、AI的商业格局和应用现状。第二篇是合格AI产品经理篇、包含合格AI产品经理的能力体系、AI技术-场景适配和AI产品规划、AI产品经理的职业发展等内容。第三篇是高级AI产品经理篇，包含高级AI产品经理的能力体系、AI技术-场景的洞察、AI商业模式设计等内容。 本书适合两类人群阅读。一是未来的人工智能产品经理，他们可能是互联网产品经理，也可能是对人工智能产品工作感兴趣的大学生、职场新人，也可能是希望转行做人工智能产品经理的技术人员。 二是对人工智能的应用、产品、商业模式感兴趣，想系统了解的人士，包括企业家、创业者等。

通信的基本理论源于香农定理，之前人们认为信息是不会变化的，因此香农信息论将信息的传递作为一种统计现象来考虑，给出了估算通信信道容量的方法。认知信息是什么呢？信息从产生之后，在不断传输过程中，人们会自发的嵌入一个认知的环节。此时信息量会发生变化。这就是认知信息。而在研究认知信息时，最核心的是怎么度量认知信息的价值。价值是动态变化的，而且是有极性的，即信息存在正面和负面影响。为什么人类历史上很多信息消失了？因为它是负面的，是不符合规律、自然或普遍的真理的数据，因此最后都消失了。为什么一些正面的信息能够传承下去？因为它给人类的发展带来推动作用。很多人去认知它，会不断的净化它，把最核心的价值不断沉淀。而价值密度非常高的信息最后会一直流传下来。由于信息在传播过程中占用了很多通信资源，如何判断哪些信息是最有价值的，是可以存储或传播呢？通常，我们可以通过流行度，越广泛传播的信息，其价值越高。但这是通过人的行为来度量的，有时并不一定准确。我们需要通过一些基础理论来度量认知信息的价值。综上，本书提出了认知信息论。认知信息就是要度量认知后的信息的价值。物联网在未来应该不仅是把终端连起来，而是要把数据连起来，把价值网络连起来。移动通信技术从1G、2G、3G、4G的演化着重于优化频谱资源、通信容量和功耗等。但目前正在商业化推广的5G技术是通信领域的一大革命，把通信、网络与计算相结合，将物联网、区块链、边缘计算和云计算等分布式计算理论与技术组合成一个巨大的通信体系。而当通信与众多学科进行交叉结合时，认知信息论已经与传统的香农信息论不一样了。为了支撑海量的认知信息、庞大的通信系统和智能高效的计算，人工智能技术与通信理论的结合是必不可少的。这将会改变整个通信产业的发展方向，也从更加智能的角度提供了新的理论与技术方法。这也是本书之所以命名为《基于人工智能的通信理论与方法》的原因。