机器学习与预测分析正在改变企业和其他组织的运作方式，本书将带领读者进入预测分析的世界。全书共13章，除了简要介绍机器学习及Python在机器学习中的应用，还系统讲述了数据分类、数据预处理、模型优化、集成学习、回归、聚类、神经网络、深度学习等内容。本书将机器学习背后的基本理论与应用实践联系起来，通过这种方式让读者聚焦于如何正确地提出问题、解决问题。本书讲解了如何使用Python的核心元素以及强大的机器学习库，同时还展示了如何正确使用一系列统计模型。本书可作为学习数据科学的初学者及想进一步拓展数据科学领域认识的读者的参考书。同样，本书也适合计算机等相关专业的本科生、研究生阅读。

《机器人控制技术》系统、深入地介绍了机器人控制的关键技术、方法以及实际应用。全书共8章，内容包括机器人的机械、机器人的硬件、机器人的电源系统、机器人的信息获取、机器视觉、机器人的底层控制、机器人的空间坐标变换、机器人运动学建模、动力学建模、机器人的路径规划以及机器人的操作系统ROS。本书内容新颖，注重理论与实际应用相结合，每个章节基本配有实例，力求使读者能较快地掌握与应用机器人的控制技术。本书可作为高等院校自动化、机械工程、机电一体化、系统工程、信息工程、计算机等相关专业本科生、研究生教材，也可以作为工程技术人员与科研工作者的参考书。

人类是否因互联网的诞生进入了公平竞争的场域？“黑天鹅事件”频频发生，我们的预测能力是否正在退化？ 智人的第四阶段有哪些特征？ 全球脑会使人类成为“超级英雄”吗？ 虚拟现实技术会不会灭绝人类的真实体验？ 还有更多不可预知答案的问题，你将在本书中找到属于自己的答案！我们的心智正和互联网发生着永无止境的共振，人类思维会因此产生怎样的进化效应？本书编者约翰·布罗克曼召集了149位世界著名的科学家、思想家及艺术家来回答这个“大问题”，触及物理宇宙、生命科学、人工智能、科技趋势、心理认知及人文艺术等方面的前沿概念与思考框架。这本书将带你认识这些“zui伟大的头脑”，看他们在思考什么样的问题，从而开启你的脑力激荡。他们都是各自领域的“思想巅峰”，包括人类学家斯科特·阿特兰、全球复杂网络研究艾伯特-拉斯洛·巴拉巴西、儿童发展心理学家艾莉森·高普尼克、积极心理学的奠基人米哈里·希斯赞特米哈伊、世界著名语言学家及认知心理学家史蒂芬·平克、哲学家及认知科学家丹尼尔·丹尼特、宇宙物理学家马丁·里斯、“黑天鹅理论”的倡导者纳西姆·尼古拉斯·塔勒布，等等。

亲爱的同学们，你们喜欢玩机器人吗？如果你有强烈的创造欲，想把自己的创意转换成现实，勇于创新并且乐意和大家一起分享的话，欢迎你加入到我们的创客机器人活动中来。在这本书里，你将了解到典型的开源机器人：以mBot这款造型可爱的机器人为起点，结合拓展包里的各种传感器、电子模块、机械零件，配合mBlock软件进行编程，我们将体验到物理世界和软件的有趣交互。书中是以“我们会提问、我们会实践、我们会探索、我们会分享、我们会思考”，这五大小节组织教学内容的，并且是以懵懂孩子的*人称视角，从感知、初识到领悟、创造循序渐进地开展创客活动，特别适合对小学生和初中生进行创客教育，是本走心又动手的有分量的参考教材，是广大中小学创客导师和培训学校开展创客教育的重要指导书籍。

《水下机器人故障诊断理论与技术》以作者在自主式水下机器人（AUV）方面的研究成果为基础，在综述近年来AUV故障诊断技术研究进展的基础上，重点阐述了基于定性仿真、支持向量机、神经网络以及复合方法的AUV故障诊断理论及相关实验研究成果，探讨了AUV容错控制方法，力图给出一个系统化、实用化的AUV故障诊断系统框架。《水下机器人故障诊断理论与技术》结构合理，内容系统、重点突出，且紧密结合科研实际。《水下机器人故障诊断理论与技术》可供从事自主式水下机器人的科研人员阅读，也可以供从事海洋工程、自动控制、信号处理、机器人等有关专业的工程技术人员和高校师生参考。

（1） 本书内容全面，详细介绍了经典自动控制理论、状态空间控制理论、离散数字系统控制理论技术和非线性系统分析的基本知识。整本书结构清晰明了、内容丰富，融会贯通了由基本概念到实际应用的思想。本书浅显易懂，数学理论分析过程翔实， 读者只需要一定的微分方程、线性代数和拉普拉斯变换基础就可以理解其中的知识，可以作为大多数高校的教材。（2） 每章的结构安排清晰合理。每章的简介（Introduction）部分都提纲挈领地给出了章节的知识背景和控制要求，以及章节的主要内容结构分布。在每章的各个小节，作者首先详细介绍各种理论、技术，紧接着给出翔实的例子，避免了读者局限于抽象的理论。而每章末尾对关键的知识点及时地进行了小结，有助于加深读者对所学知识的了解，形成完整的知识理论体系。（3） 本书较早地引入了MATLAB的使用，并且在大量的实例中对使用MATLAB进行了分析。关键的例子在书本中提供了具体代码，读者可以轻松地在MATLAB中进行模仿练习。因此建议读者结合MATLAB学习，有利于快速培养起分析和设计控制系统的能力。

本书内容分为三部分，*部分基础知识介绍，分别介绍了MATLAB和机器人的基本知识，让读者有一个初步的认识。第二部分是建模入门，这部分以单杆机器人控制器的位置控制为例，把MATLAB/Simulink和机器人工学的基本知识通过该实例建模仿真的形式进行介绍，让读者有个初步的了解，会进行简单的建模仿真。第三部分是建模实战篇——利用MATLAB仿真建模两足步行机器人，通过具体的实例，带领读者进行实战演习，完成一个全流程的建模任务，达到学懂会用的程度。 本书的特点是内容浅显易懂，教会初学者怎样一步一步地用MATLAB仿真出自己想要的机器人。

本书系统地介绍了机器人技术的基础知识和应用实例以及机器人竞赛的有关知识，比较全面地反映了国内外机器人研究和应用的*进展。全书共分为9章。主要内容有机器人的基本概念与分类、基本组成、技术参数，机器人的运动学和动力学，机器人的轨迹规划，机器人的控制，机器人传感器，焊接、喷漆、装配、洁净与真空机器人、移动式搬运机器人等工业机器人的应用实例，移动机器人定位与导航，以及机器人竞赛的种类及应用实例。本书可作为从事机器人学研究、开发和应用的科研工作者和工程技术人员的参考书，也可以作为高等院校自动控制、机械工程、电子工程、机电一体化等相关专业本科生和研究生的教材。

本书是经全国职业教育教材审定委员会审定的“十二五”职业教育国家规划教材，是根据教育部2014年公布的相关专业教学标准编写的。本书融合生产过程中的知识与技能于教学过程，以教学项目为核心重构理论与实践知识，将内容分为九个项目，包括走进传感世界、温度检测传感器、湿度检测传感器、气体检测传感器、压力检测传感器、位置检测传感器、液位检测传感器、速度和加速度检测传感器和机电设备中的常用传感器。本书适合作为职业院校机电类相关专业教材。

Google近日发布了TensorFlow 1.0候选版，这个稳定版将是深度学习框架发展中的里程碑的一步。自TensorFlow于2015年底正式开源，距今已有一年多，这期间TensorFlow不断给人以惊喜，推出了分布式版本，服务框架TensorFlow Serving，可视化工具TensorFlow，上层封装TF.Learn，其他语言（Go、Java、Rust、Haskell）的绑定、Windows的支持、JIT编译器XLA、动态计算图框架Fold，以及数不胜数的经典模型在TensorFlow上的实现（Inception Net、SyntaxNet等）。在这一年多时间，TensorFlow已从初入深度学习框架大战的新星，成为了几近垄断的行业事实标准。 《TensorFlow实战》希望用简单易懂的语言带领大家探索TensorFlow（基于1.0版本API）。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理，TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络：AutoEncoder、MLP、CNN（AlexNet，VGGNet，Inception Net，ResNet）、Word2Vec、RNN（LSTM，Bi-RNN）、Deep Reinforcement Learning（Policy Network、Value Network）。此外，《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。《TensorFlow实战》希望能帮读者快速入门TensorFlow和深度学习，在工业界或者研究中快速地将想法落地为可实践的模型。