遥感影像深度学习智能解译与识别是近年来遥感领域的研究热点。本书分析了将人工智能深度学习技术引入遥感数据的解译与识别中，有效的提升了遥感数据的自动化处理和分析能力，并成功应用于包括图像分类、图像分割、目标检测、变化检测、超高分辨率重建等多个场景中，为该领域的深入研究提供借鉴。

近年来，人工智能技术已经逐渐从实验室走向大众生活。互联网企业为了提升行业未来的竞争力，也纷纷在各领域进行布局。人工智能技术的爆发，同样对产品经理提出了新的要求，对于产品从业人员来说，人工智能时代既需要了解发生了哪些变化，又需要学会坚守不变的原则。《当产品经理遇到人工智能》将从产品经理角度出发，介绍AI的发展历史、AI的基本知识、AI产品设计方法论等方面的内容，并结合实际的智能产品设计案例，让读者更加清楚地了解人工智能技术的应用，并培养产品经理对于新技术的学习能力。《当产品经理遇到人工智能》适合即将进入人工智能领域从事AI产品经理岗位的人士，或是现阶段进行产品经理工作转型学习的人阅读，同时适合企业负责人阅读。

《Scala机器学习：构建现实世界机器学习和深度学习项目》通过“保险赔偿程度分析”“电信客户流失分析与预测”“基于历史和实时数据预测高频比特币价格”“人口规模聚类与民族预测”“主题建模：更好地洞察大型文本”“开发基于模型的电影推荐引擎”“使用 Q-learning和Scala Play框架进行期权交易”“使用深度神经网络进行银行电话营销的客户订购评估”“使用自动编码器和异常检测进行欺诈分析”“使用递归神经网络识别人类活动”和“使用卷积神经网络进行图像分类”等11个完整的项目，结合Spark ML、H2O、Zeppelin、DeepLearning4j和MXNet等流行机器学习库以及一些经典数据集为读者介绍了机器学习项目的详细开发流程。 《Scala机器学习：构建现实世界机器学习和深度学习项目》主要针对数据分析师、深度学习爱好者和开发人员，他们虽具有一定的背景知识，但是对于实际项目的开发过程接触得不多。通过本书的学习，读者不仅可以清楚地了解到实际项目的开发流程，而且可以对目前流行的机器学习算法、机器学习库、经典数据集、Scala函数式编程概念和Maven、SBT等构建工具等内容有更深入的认识，并能够在生产就绪环境中开发，构建和部署研究机器学习项目。

《工业机器人操作与编程（KUKA）》以项目任务式，围绕KUKA机器人，使读者对KUKA机器人由认识到详细了解，从而能够独立完成机器人的基本操作，以及根据实际应用进行基本编程。学习者可根据项目完成任务。其中：KUKA机器人基础知识及手动操作、KUKA机器人的输入／输出介绍与配置、KUKA机器人的程序数据设定、KUKA机器人程序编写这四个项目主讲KUKA机器人的硬件与程序编程的基本应用与练习，使读者熟悉与熟练每个单元的操作步骤及功能特点；KUKA机器人TCP练习与写字绘图、KUKA机器人搬运码垛、KUKA机器人智能分拣三个项目是以生产实践为基础的大型工程应用，可投入到生产线作为作业的教学练习。《工业机器人操作与编程（KUKA）》内容系统，层次清晰，实用性强，可作为工业机器人技术等相关专业的教学用书，也可供工业机器人设计、使用、维修人员参考。

《机器人学：机构、运动学、动力学及运动规划/机器人科学与技术丛书》系统地介绍了机器人学的基本理论与基础知识。全书共7章，包括机器人的发展简介、机器人机构、坐标变换、运动学、静力学、动力学和运动规划等内容。《机器人学：机构、运动学、动力学及运动规划/机器人科学与技术丛书》是作者在使用十几年的讲义基础上吸收新的研究成果编写而成的，涵盖了作者从事机器人教学近二十年的素材积累和理论理解。该书在写作上，力求理论阐述清楚，语言通俗易懂，理论与例题相结合，可作为机器人工程及相关专业本科生和研究生教材，也可以供从事机器人研究、开发和应用的科技人员学习参考。

这是一本没有数学公式， 没有大量深奥的专业术语， 无论谁都可以读得懂的人工智能科普图书。它用通俗易懂的语言和简单、易理解的示例及丰富的插图， 为读者揭示人工智能（ＡＩ） 是什么， 以及人工智能对各行各业的影响和在各行各业的应用情况。本书分上下两篇。上篇是认识ＡＩ， 讲述了ＡＩ 的基础知识， 包括ＡＩ 的强项与弱项、ＡＩ 的历史、机器学习、深度学习、ＡＩ 的学习过程等。下篇是ＡＩ 对各行各业的影响， 包括客服、烹饪、播音和配音、保育员和教师、小说作家、动画师、医生、农业、秘书、翻译等。 本书适合想对人工智能有初步了解的读者阅读， 无论是准备对人工智能进行初步研究的专业人员， 还是完全不具备专业背景的青少年， 都可以阅读。本书还可以为读者在专业选择和就业去向方面提供有价值的参考信息。

知识图谱是一种大规模语义网络，已经成为大数据时代知识工程的代表性进展。知识图谱技术是实现机器认知智能和推动各行业智能化发展的关键基础技术。知识图谱也成为大规模知识工程的代表性实践，其学科日益完善。 本书是一本系统介绍知识图谱概念、技术与实践的书籍。全书共五篇，由16章构成，力求涵盖知识图谱相关的基本概念与关键技术。“基础篇”介绍知识图谱的基本概念、内涵与外延、历史沿革、应用价值，以及相关的基础知识。“构建篇”重点介绍大规模高质量知识图谱的自动化构建技术，涵盖词汇挖掘、实体识别、关系抽取及概念图谱构建、百科图谱构建、众包构建与质量控制等专题。“管理篇”系统地阐述了知识图谱建模与存储、查询与检索，以及图数据管理系统。“应用篇”对于基于知识图谱的关键应用技术展开介绍，包括搜索与推荐、自然语言问答，以及基于知识图谱的自然语言理解。“实践篇”介绍知识图谱实践中的基本原则和有用实践，初步讨论了知识图谱实践中的开放性问题。 本书可作为高年级本科生、硕士生或者博士生的教材，也适合企业与行业智能化的从业人员阅读。

本书详细阐述不确定动态系统智能评判学习与控制的基础理论，核心方法与典型应用，包括数据驱动智能优化调节，事件驱动自适应控制设计，自学习鲁棒镇定与轨迹跟踪等，并涵盖关于自适应评判系统稳定性，收敛性，*优性以及鲁棒性的分析.针对连续时间系统，考虑一般不确定性和广义不确定性，全面探讨自学习鲁棒控制综合，并研究未知非仿射情形时的自适应优化设计.针对离散时间系统，提出不同类型的有效迭代算法，建立一系列具有未知动态的非线性智

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前*流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

本书由基础理论和应用实践两大部分组成，书中分析了计算学习理论及PAC可学习框架，剖析了PACBayes理论的内涵，并在阐述统计学习理论和支持向量机基本原理的基础上，论述了PACBayes边界应用于支持向量机算法的相关推论。 \n书中讨论了结合再生核希尔伯特空间和马尔科夫链蒙特卡洛方法，实现PACBayes边界的计算。 \n同时，介绍了目前各种机器学习算法上的PACBayes泛化误差边界，以及PACBayes理论在机器学习中的各种应用。 \n最后，将机器学习算法与PACBayes理论运用于Web文档评价、蛋白质预测、空气质量预测、京津冀一体化研究、高校科研人才评价、中国货币供应量等研究实例中。 \n本书具有较强的理论性和系统性，对重要的理论和方法进行了分析；同时具有较强的逻辑性，突出重点，条理清晰，由浅入深，从理论到实践。本书剖析了算法实现，给出了实验设计与结果，具有较强的实践特色。 \n本书可以作为计算机、信息科学等相关专业高年级本科生和研究生的参考书或教材，也可以作为教师、科研人员和相关培训机构的参考书。 \n本书定位于希望快速学习机器学习，人工智能，模式识别，计算学习理论的初、中级用户和自学者。 \n同时，本书对于机器学习、人工智能、模式识别等领域的研发人员也具有很好的参考价值。 \n\n