人脸工程学的研究内容主要包括人脸识别、表情识别和人脸合成三个部分。本书分别介绍了人脸识别、表情识别和人脸合成研究中用到的相关理论和算法，后在总结作者所在课题组研究成果的基础上，给出了人脸识别、表情识别和人脸合成系统的设计与实现流程实例。

游戏中的人工智能开发是游戏研发中*具挑战性的任务之一，而本书汇集了与游戏人工智能开发有关的知识，借助这些知识，程序员能够开发出有趣的AI 角色，为玩家带来美妙的游戏体验。本书分为7 个部分共48 章，分别讨论了通用智能、体系架构、运动与寻路、战略与战术、agent 意识与知识表征、竞速以及其他领域的游戏AI 技术。读者可以以本书作为路线图，了解在智能游戏方面哪些技术已经被成功使用，哪些具有很大的潜力。本书的作者都是游戏人工智能的专家，在此行业摸爬滚打多年，其观点和技术均在自身产品中做过验证，因而有很高的参考价值。书中有些章节甚至提供了源码，可供读者方便地应用到自己开发的游戏程序中。对于希望为玩家带来引人入胜的游戏体验的开发者，本书非常值得一读。

该书结合语音识别、人脸识别等人工智能技术，将机器人的应用为客户提供更加优质的服务体验，也为客户服务行业向着智慧型、盈利型、人性化方向转型提供了新思路。还选取了行业内炙手可热的机器人作为案例佐证，探讨了机器人在道德、伦理、法律等方面可能遇到的挑战与思考。为客服行业领域专业人士提供参考。

本书由一线资深技术专家撰写，凝结了其自身多年的实践经验，阐述了深度学习的发展历程、相关概念和工作原理，介绍了两个当前流行的深度学习工具：Caffe 和TensorFlow ，并且初步探讨了强化学习的基本原理和应用。为了帮助初学者快速上手，本书注重从总体框架和脉络上把握深度学习技术，同时在阐述原理时配以简单的实例供读者印证。　本书语言生动风趣，以通俗的语言讲述复杂的原理，循循善诱，深入浅出，适合有志于从事人工智能、深度学习相关研究的信息类专业的高年级本科生或研究生阅读，也可供业界准备或正在从事深度学习、机器视觉等相关研发工作的工程技术人员参考。

TensorFlow是近年来影响较大的神经网络和深度学习平台，《零起点TensorFlow快速入门》以生动活泼的语言，从入门者的角度，对TensorFlow进行介绍，书中包含大量简单风趣的实际案例，如孤独的神经元、梵高画风等，让广大初学者快速掌握神经网络的基本编程，为进一步学习人工智能奠定扎实的基础。

本书由资深数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带你由浅入深系统掌握TensorFlow机器学习算法及其实现。 全书共11章，第1章介绍TensorFlow的基本概念；第2章介绍如何在计算图中连接算法组件，创建一个简单的分类器；第3章重点介绍如何使用TensorFlow实现各种线性回归算法；第4章介绍支持向量机（SVM）算法；第5章介绍如何使用数值度量、文本度量和归一化距离函数实现最近邻域算法；第6章讲述如何使用TensorFlow实现神经网络算法；第7章阐述TensorFlow实现的各种文本处理算法。第8章扩展神经网络算法；第9，解释在TensorFlow中如何实现递归神经网络（RNN）算法；第10章介绍TensorFlow产品级用例和tips；第11章展示TensorFlow如何实现k-means算法、遗传算法和解决常微分方程（ODE）等。

主要研究论坛贴文、博客文章、微博文章等媒体互动讨论的舆情数据的抓取，以及舆情数据的综合处理和分析，并实现基于大数据的舆情预警研究。实现对舆情数据的可视化展示，用图表呈现舆情的时间走势、地域分布、主题分布、文章排行、热度聚集、热词发现等舆情分析结果，辅助决策。实现对相关热点话题的自动识别、智能聚类以及对传播路径的追溯、对议题漂移的捕捉和核心观点的摘要。在大数据环境下，面对在线消费提供的海量数据信息，传统的技术方法已逐渐无法满足企业创造和维持品牌忠诚的竞争需求。《应用机器学习方法度量在线品牌忠诚度模型构建研究》构建了一个在线消费大数据时代下的人工智能模型——机器学习模型，通过机器学习方法，对在线消费者的品牌商品购买行为进行聚类，实现具有相似忠诚度的用户的聚类，同时实现在线品牌忠诚度的度量。其中，重点研究机器学习路径、机器学习算法、模型构建方法，以及模型的检验与优化方法。《应用机器学习方法度量在线品牌忠诚度模型构建研究》适合经济管理专业的研究生和教师阅读。

本书主要涉及数据工程、人工智能算法原理，大数据平台技术、人工智能算法在大数据平台上的实现、人工智能算法的应用于实践。 第1章是大数据与人工智能的历史、应用。第2章是数据工程。第三章是人工智能基础算法的原理介绍。第四章是大数据平台的介绍。第五章以第三章中的几种算法为例子，介绍了它们是如何在大数据平台上分布式实现的。第六章是当前热门的深度学习技术的介绍。第七章是实践。本书针对1.对大数据和人工智能感兴趣、希望快速了解和入门本领域知识的在读本科生、研究生。2.希望从事大数据和人工智能岗位、需要快速提升理论基础和实战技能的求职者。3.计算机和互联网领域，对人工智算法感兴趣或工作中迫切需要一定本领域知识的工程师。

本书重点介绍如何将R语言和深度学习模型或深度神经网络结合起来，解决实际的应用需求。全书共6章，分别介绍了深度这习基础知识、训练预测模型、如何防止过拟合、识别异常数据、训练深度预测模型以及调节和优化模型等内容。本书适合了解机器学习概念和R语言并想要使用R提供的包来探索深度学习应用的读者学习参考。

本书根据职业教育的特点，注重“做中学”和“学中做”相结合的教学理念，设计了六大教学模块，主要内容包括工业机器人的认知、工业机器人的手动操作、工业机器人的坐标设定、工业机器人的轨迹模拟、搬运工作站的编程设计和码垛工作站的编程设计等六大教学项目。每个教学项目包含2～4个工作任务，项目内容包括学习情景、学习目标、任务实施、考核与评价等多个方面，每个任务还包含知识准备和课后习题。各个教学项目的安排由浅入深，循序渐进。工作任务按照典型工作过程进行设计实施，注重学生职业能力、职业素养和团队协作等综合素质的培养。