本书不仅包含人工智能、机器学习及深度学习的基础知识，如卷积神经网络、循环神经网络、生成对抗网络等，而且也囊括了学会使用 TensorFlow、PyTorch 和 Keras 这三个主流的深度学习框架的*小知识量；不仅有针对相关理论的深入解释，而且也有实用的技巧，包括常见的优化技巧、使用多 GPU 训练、调试程序及将模型上线到生产系统中。本书希望同时兼顾理论和实战，使读者既能深入理解理论知识，又能把理论知识用于实战，因此本书每介绍完一个模型都会介绍其实现，读者阅读完一个模型的介绍之后就可以运行、阅读和修改相关代码，从而可以更加深刻地理解理论知识。

在人工智能热潮席卷全球的背景下，本书对接国家“新一代人工智能发展规划”和“教育信息化2.0发展纲要”，结合当前语言服务行业发展新特点，以职业译员的翻译技术能力为主线，以计算机辅助翻译技术为支点，深入浅出地讲解了翻译职业化时代译员需要掌握的翻译技术相关的知识和技能。全书共十二章，涵盖了翻译实践中的主要技术，涵盖译前的文字识别、格式转换、术语提取、语料对齐、预翻译等；译中的辅助写作、术语识别、翻译记忆、机器翻译、网络词典、翻译搜索、平行语料库等；译后的翻译质量控制、本地化排版、本地化测试、语言资产管理等技术，最后以案例形式阐述翻译技术在项目启动、计划、实施、监控和收尾等阶段中的综合应用。本书可作为外语、翻译专业的教材和研究参考资料，也可为语言服务从业者提供一定的参考。

《未来终章：从人机对弈到人工智能战争》作者王铭琬是世界唯*参与围棋人工智能开发的一流棋士，他从2014年开始担任围棋人工智能的开发顾问。本书从介绍李世石与AlphaGo的五番棋开始败北开始，详尽叙述围棋人工智能的过去、现在，以及围棋人工智能之间的对战。本书通过介绍围棋人工智能的异同，说明了为什么不同的人工智能有不同的特点，并以职业棋士的观点指出人类应如何应对与人工智能共存的未来。

本书首先讲解人工智能的基础知识，即什么是人工智能，为什么要学习人工智能，什么是智能，智能类型，人工智能的研究与应用领域，为什么使用Python 来开发人工智能，利用量化交易平台编写Python 程序，人工智能的发展历史；然后讲解Python 编程基础和人工智能的三个重要的包，即Numpy 包、Pandas 包和Matplotlib 包；接着讲解5 种机器学习算法，即决策树、随机森林、支持向量机（SVM）、朴素贝叶斯和人工智能的神经网络；然后讲解Python 量化交易策略的编写、获取数据函数、Python 基本面量化选股、Python 量化择时的技术指标函数、Python 量化交易策略的回测技巧、Python 量化交易策略的机器学习方法应用；后讲解Python 量化交易策略的因子分析技巧和Python 量化交易策略实例。 在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解人工智能在量化交易应用中的热点问题、关键问题及种种难题。 本书适用于各种投资者，如股民、期民、中小散户、职业操盘手和专业金融评论人士，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈勇并终战胜失败、战胜自我的勇者。

面对科技的迅猛发展，我国政府制定了《新一代人工智能发展规划》，将人工智能上升到国家战略层面，并提出：人工智能产业要成为新的重要经济增长点，而且要在2030年成为世界主要人工智能创新中心，为跻身创新型国家前列和经济强国奠定重要基础。让认知升级，让智能重构生活玩转智能时代，搞懂人工智能的过去、现在及未来《人工智能：智能颠覆时代，你准备好了吗》将为你建立人工智能知识体系——技术发展完整介绍，技术前沿前瞻判断。《人工智能：智能颠覆时代，你准备好了吗》将帮你进行个人机遇挖掘——哪些工作机器无法替代，哪些机遇个人不能错过。《人工智能：智能颠覆时代，你准备好了吗》将展现产业重点——拥抱机遇规避风险，抓住经济发展新引擎。

动手学深度学习内容简介：本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。深度学习内容介绍：《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

第1章介绍了Keras的安装和设置过程以及如何配置Keras。 第2章介绍了使用CIFAR-10、CIFAR-100或MNIST等数据集，以及用于图像分类的其他数据集和模型。 第3章介绍了使用Keras的各种预处理和优化技术，优化技术包括TFOptimizer、AdaDelta等。 第4章详细描述了不同的Keras层，包括递归层和卷积层等。 第5章通过宫颈癌分类和数字识别数据集的实例，详细解释如何使用卷积神经网络算法。 第6章包括基本的生成式对抗网络（GAN）和边界搜索GAN。 第7章涵盖了递归神经网络的基础，以便实现基于历史数据集的Keras。 第8 章包括使用Keras进行单词分析和情感分析的NLP基础知识。 第9章展示了如何在评论数据集中使用Keras模型进行文本概述。 第10章侧重于使用Keras设计和开发强化学习模型。

以机器学习为核心的人工智能已经成为新一代生产力发展的主要驱动因素。新的技术正在向各行各业 渗透，大有变革各个领域的趋势。传统产业向智慧产业的升级迫使原行业从业人员逐渐转型，市场上对相 关学习材料的需求也日益高涨。帮助广大学习者更好地理解和掌握机器学习，是编写本书的目的。 本书针对机器学习领域中1常见的一类问题——有监督学习，从入门、进阶、深化三个层面由浅入深 地进行了讲解。三个层面包括基础入门算法、核心理论及理论背后的数学优化。入门部分用以逻辑回归为 代表的广义线性模型为出发点，引入书中所有涉及的知识点；进阶部分的核心理论涵盖了经验风险1小、 结构风险1小、正则化及统一的分类边界理论；深化部分的数学优化则主要包括1大熵原理、拉格朗日对 偶等理论在数学上的推导，以及对模型求解的主流1优化方法的探讨等。 本书由浅入深，从个别到普便，从自然算法到优化算法，从各个角度深入剖析了机器学习，力求帮助 读者循序渐进地掌握机器学习的概念、算法和优化理论。

《深度学习入门 基于Python的理论与实现》本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等疑难的问题。 本书适合深度学习初学者阅读，也可作为高校教材使用。《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的*优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助读者直观地体验深度学习的原理。《Python深度学习》本书由Keras之父、现任Google人工智能研究员的弗朗索瓦？肖莱（Franc.ois Chollet）执笔，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。

本书通过开发实例和项目案例，详细介绍TensorFlow 开发所涉及的主要内容。书中的每个知识点都通过实例进行通俗易懂的讲解，便于读者轻松掌握有关TensorFlow 开发的内容和技巧，并能够得心应手地使用TensorFlow 进行开发。本书内容共分为11 章，首先介绍TensorFlow 的基本知识，通过实例逐步深入地讲解线性回归、支持向量机、神经网络算法和无监督学习等常见的机器学习算法模型。然后通过TensorFlow 在自然语言文本处理、语音识别、图形识别和人脸识别等方面的成功应用讲解TensorFlow 的实际开发过程。本书适合有一定Python 基础的工程师阅读；对于有一定基础的读者，可通过本书快速地将TensorFlow 应用到实际开发中；对于高等院校的学生和培训机构的学员，本书也是入门和实践机器学习的优秀教材。