与机器学习领域很多偏重于理论的书相比，本书在简明扼要地阐明基本原理的基础上，侧重于介绍如何在Python环境下使用机器学习方法库，并通过大量实例清晰形象地展示了不同场景下机器学习方法的应用。从这个角度来说，本书是一本使机器学习算法通过Python实现真正“落地”的书，而这无疑将给想要或致力于机器学习应用的读者带来方法理解和实现上的巨大裨益。书中所有实例都是用Python编写，使用了scikit-learn机器学习框架、自然语言工具包（NLTK）、Crab、langdetect、Spark（PySpark）、Gensim、Keras和TensorFlow（深度学习框架）。这些程序适用于基于Linux、和Windows系统的Python 2.7和3.3+版本。本书主要面向希望在预测分析和机器学习领域建立扎实基础的机器学习工程师、数据工程师和数据科学家。

本书作者从复杂的IoT相关知识中，专门选取了在IoT任何项目中都会涉及到的一些重要知识进行分类总结，集结成此书。因此，本书可以说是初识IoT人士的必备参考资料。本书分别从战略和管理、产业系统、法律、网络、硬件设备、平台、数据分析、安全八个方面来阐述。本书通过图文结合的方式，向读者介绍IoT的原理与应用方法，内容详实、论据充分、结论清晰。

时序知觉是个体对客观事件出现的时间顺序的知觉。时序知觉在人类的运动技能、计划行为、决策、记忆、音乐、言语等方面起着非常重要的作用。本书回顾了时序知觉的研究进展，总结了时序知觉的理论和方法，进行了启动与情绪对时序知觉的影响的实验研究，并提出了时序知觉的训练途径。

本书是一本阅读起来特别轻松、学习一点都不费劲的TensorFlow入门书。本书基于TensorFlow 2.0版本，从机器学习和TensorFlow的基础开始，针对初学者只选择实际应用中的必需*小知识量，对前馈神经网络、卷积神经网络、循环神经网络、深度强化学习进行了浅显易懂且快速有效的阐述，其中包括了很多具体的TensorFlow示例，*后一章的项目实战能够教会初学者使用深度学习解决实际问题，从而进入人工智能这一前沿的热门领域。本书适合初学TensorFlow，并且深度学习的理论和实践基础较为薄弱的读者群体，也适合希望了解深度学习的大数据平台工程师，以及对人智能、深度学习感兴趣的计算机相关从业人员及在校学生等阅读，特别适合作为高等院校计算机或人工智能专业师生的参考教材。

《时间序列混合智能辨识、建模与预测》提出了时间序列混合智能辨识、建模与预测的理论和方法。内容分四篇共16章。第一篇阐述了时间序列分析的重要性，从文献计量学的角度对时间序列的新国际研究进展进行了归纳总结，系统阐述了当前国内外主流时间序列辨识、建模与预测的计算策略和经典算法体系；第二篇介绍了铁路沿线风速混合智能辨识、建模与预测理论方法，包括基于特征提取的GMDH神经网络、长短期记忆深度网络、卷积门限循环单元网络、Boosting集成预测和Stacking集成预测模型；第三篇提供了智慧城市大气污染物浓度的特征分析方法及浓度时间序列建模与预测模型，包括点预测、区间预测、聚类混合预测和时空混合预测等理论；第四篇对金融股票价格时间序列进行特征提取与混合预测，包括贝叶斯统计预测模型、BP/Elman/RBF等神经网络预测模型、CNN/LSTM/BiLSTM等深度网络预测模型。《时间序列混合智能辨识、建模与预测》提供了各类模型的预测实例。

本书是一本介绍将人工智能技术应用于机器人的书。它以人工智能为核心，介绍了神经网络、机器学习、自然语言处理、路径规划、决策树等技术。作者使用一个贯穿全书的实例，从机器人硬件组装开始，一步步深入，详细介绍了如何分析及解决各种实际问题。跟着作者一起操作，你也可以开发出一个功能强大、技术先进的实用机器人。

传统的本体构建有六大任务模块，即预处理、术语抽取、概念抽取、层次关系抽取、非层次关系抽取、形成本体，可见抽取工作是其中的重要研究内容。 《面向文本的领域本体构建中信息抽取技术研究》专注研究其中的术语抽取、概念抽取、层次关系抽取、非层次关系抽取这四个与抽取相关的任务，并对笔者近年来在领域本体学习研究方面取得的一些成果进行了梳理和总结。

深度学习在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、推荐系统工程实现、模型评估体系、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。　《深度学习推荐系统》既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本 科生、研究生、博士生阅读，帮助他们建立深度学习推荐系统的技术框架，通过学习前沿案例 加强深度学习理论与推荐系统工程实践的融合能力。

《从统计世界走向人工智能——实战案例与算法》叙述了从数学到统计、从统计到人工智能的发展，结合大量的实际商业应用案例介绍了诸多经典的机器学习算法，比如LASSO回归、MCMC、决策树、随机森林和神经网络等。《从统计世界走向人工智能——实战案例与算法》将案例与算法结合，基于人工智能的场景，从理论到实际操作层层递进，读者从中可以学习从需求到分析，再到结论的实际编程方法。当读者阅读完《从统计世界走向人工智能——实战案例与算法》后，不仅可以了解实际问题的需求，而且可以学习到解决问题的算法。

《人工智能基础》主要介绍人工智能的发展历史、基本概念、技术基础及实际应用，从数学基础、编程基础及控制基础等方面进行阐述，使学生理解人工智能的基本原理，特别是数据、算法及应用之间的相互关系。《人工智能基础》包括绪论、人工智能数学基础、人工智能通信技术、智能控制、深度学习、智能机器人、人工智能伦理和人工智能创新创业应用共8章，力争通过由浅入深的讲解和大量的实例帮助读者快速掌握人工智能技术的具体应用方法。《人工智能基础》内容既适合控制相关专业人员，也适合非控制相关专业人员阅读。《人工智能基础》可以作为高校理工科学生学习人工智能技术课程的入门教材。