《未来科技：人工智能》聚焦信息科学、生命科学、新能源、新材料等为代表的高科技领域，以及物理、化学、数学等基础科学的进展与新兴技术的交叉融合，其中70%的内容来源于IEEE计算机协会相关刊物内容的全文翻译，另外30%的内容由STEER Tech和iCANX Talks上的国际知名科学家的学术报告、报道以及相关活动内容组成。《未来科技：人工智能》将以创新的方式宣传和推广所有可能影响未来的科学技术，打造具有号召力，能够影响未来科研工作者的世界一流的新型科技传播、交流、服务平台，形成“让科学成为时尚，让科学家成为榜样”的社会力量！

《机器人数学基础（机器人学及其应用系列丛书）》由矩阵理论与应用、数值计算与分析、概率与统计和射影几何与非欧几何四部分内容组成，它们是机器人学和人工智能专业涉及的一些基本数学理论和方法。矩阵理论与应用主要包括正交与对角化、矩阵分解；数值计算与分析主要包括多项式插值、非线性优化和非线性方程与微分方程的数值算法；概率与统计主要包括马尔可夫链、隐马尔可夫模型、贝叶斯推断、贝叶斯决策和期望算法；射影几何与非欧几何主要包括平面射影几何、空间射影几何、双曲几何和椭圆几何。《机器人数学基础（机器人学及其应用系列丛书）》可作为大学相关专业高年级本科生和研究生的教材或课外参考书，也可作为相关领域工程技术人员的自学读本。

《面向人工智能与大数据的智慧家庭技术》共7章。内容包括绪论，智能硬件、通信技术、人工智能算法、大数据技术、安全技术在智慧家庭中的应用，以及对智慧家庭技术前景展望。《面向人工智能与大数据的智慧家庭技术》结合大量实际案例，由浅人深地分析了智慧家庭领域中各类技术的应用及其发展状况，让读者更加全面深入地了解智慧家庭领域及智能家居技术。《面向人工智能与大数据的智慧家庭技术》可作为初入该领域的本科生、研究生、高职院校学生相关课程的教材，也可作为相关技术工程人员的参考用书。

《机器学习与人工智能：从理论到实践》理论与实践相结合，全面介绍了人工智能和机器学习。《机器学习与人工智能：从理论到实践》分为六部分。首部分介绍了人工智能和机器学习在现代背景下的概念以及它们的起源和现状，并讨论了使用这些概念的各种场景和数据的理解、表示与可视化。第二部分介绍了机器学习的各种方法及新兴趋势。第三部分介绍了使用算法构建端到端机器学习管道。第四部分重点介绍机器学习模型的实现，以开发人工智能应用。第五部分介绍了解决现实机器学习问题的一些实现策略。第六部分是《机器学习与人工智能：从理论到实践》总结和下一步工作。《机器学习与人工智能：从理论到实践》适合机器学习与人工智能相关专业研究生和高年级本科生以及研究人员和专业人员阅读。书中尽可能少地使用数学，这使得主题更直观、更容易理解。全面介绍了人工智能和机器学习技术的理论和应用。为人工智能和机器学习提供了直观、易懂的学习指南，较少使用数学。结合应用介绍所有机器学习和人工智能技术及实现。

1956年，达特茅斯会议的召开及“人工智能”概念的首次提出，标志着人 工智能的诞生。之后10余年，人工智能迎来了发展史上的第一个小高峰，相继 取得了如工业机器人和聊天机器人等一批令人瞩目的研究成果。但由于计算机 有限的内存和处理性能不足以解决实际的人工智能问题，整个人工智能领域都 遭遇了“瓶颈”，人工智能发展进入了消沉期。1980年，第一届机器学习国际 研讨会在卡内基梅隆大学召开，标志着机器学习在全世界的兴起。随后出现的 神经网络反向传播算法，更是加速了神经网络的研究进程，各种专家系统被人 们广泛应用。但随着专家系统的应用领域越来越广，问题也逐渐暴露出来，专 家系统应用有限，且经常在常识性问题上出错，人工智能迎来了第二个寒冬。 1997年，IBM的超级计算机 “深蓝”战胜了当时的国际象棋世界冠军，成为 人工智能史上的一个重要里程碑，人工智能开始了平稳向上的发展。以2006年 加拿大多伦多大学Geoffrey Hinton教授提出深度学习神经网络为标志，人工 智能进入了新的快速发展阶段。 在新时期的人工智能发展中，数据、算法、算力并称为推动人工智能发展 的三驾马车：其中数据是人工智能发展的基础，为人工智能发展提供了源源不 断的数据资源；算法是人工智能发展的内在推动力，为人工智能带来了相应的 实现手段；算力是人工智能发展的平台，为人工智能技术的实现提供了坚实保障。 数据、算法、算力共同推动人工智能不断向前发展，缺一不可。 本书从人工智能的定义入手，阐述了人工智能的概念、发展历程、研究目标、 应用场景及人工智能带来的机遇和挑战。从第二章开始详细阐述人工智能发展 的核心要素：大数据、云计算和深度学习，论证了这三大要素对人工智能发展 的影响。通过阅读本书，读者不仅能够学习人工智能涉及的各方面知识，而且 能够深入学习人工智能的关键技术。我们也希望读者通过阅读本书，能够将人 工智能技术和实际应用场景结合起来，实现人工智能的落地应用，共同创建一 个智能的时代。

本书首先从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的知识表示、机器学习、神经网络与深度学习、智能语音技术、计算机视觉、自然语言处理和知识图谱技术等基础知识，并通过人工智能在医疗、交通、生活、金融、零售、安防中的经典的成功应用案例让读者更好的了解人工智能技术的发展和我们生活的关切度。最后对人工智能的未来进行了展望，提出人工智能背景时代下大学生就业和创业前景和机遇，帮助大学生应对人工智能背景下的职业规划。形成一个融理论教学、科学训练、创新实践为一体的过程化的人工智能课程体系和协同培养机制，使所培养的人才在基础知识、专业知识、实践能力、创新能力、伦理道德以及科学与职业素质等方面得到全面均衡的发展。

《敏捷数据工程项目开发：高效机器学习团队管理》通过示例向你展示如何通过敏捷过程交付优秀的数据产品，以及如何组织和管理快节奏的团队，在生产环境中解决大规模的新数据问题。它将为你提供组织工作的方法，如何为数据设置可交付成果，如何在看似永无止境的任务中管理时间，如何理解数据，以及如何增加团队的透明度。书中所有的例子都来自真实的团队、真实的会议和真实的数据。《敏捷数据工程项目开发：高效机器学习团队管理》适用于团队管理人员或项目负责人，比如基于机器学习的开发团队，或基于推理组件的产品研发团队。任何一个项目数据流（包括数据的抽样、标记、训练、测试、改进和维护数据模型）的负责人，以及系统数据测量负责人都会发现这《敏捷数据工程项目开发：高效机器学习团队管理》很有用。读者应当熟悉软件工程，理解机器学习以及与数据相关的基础知识。

《AI源码解读：循环神经网络（RNN）深度学习案例（Python版）》以人工智能发展为时代背景，通过20个实际案例应用机器学习模型和算法，为工程技术人员提供较为详细的实战方案，以便深度学习。在编排方式上，全书侧重对创新项目的过程进行介绍。分别从整体设计、系统流程、实现模块等角度论述数据处理、模型训练及模型应用，并剖析模块的功能、使用和程序代码。为便于读者高效学习，快速掌握人工智能开发方法，本书配套提供项目设计工程文档、程序代码、实现过程中出现的问题并给予解决方法，可供读者举一反三，二次开发。本书从系统设计、代码实现以及运行结果展示相结合，语言简洁，深入浅出，通俗易懂，不仅适合对Python编程有兴趣的爱好者，而且可作为高等院校参考教材，还可作为从事智能应用创新开发专业人员的技术用书。

本书基于Python语言，结合实际的数据集，介绍如何使用机器学习与深度学习算法，对数据进行实战分析。本书在内容上循序渐进，先介绍了Python的基础内容，以及如何利用Python中的第三方库对数据进行预处理和探索可视化的相关操作，然后结合实际数据集，分章节介绍了机器学习与深度学习的相关算法应用。本书为读者提供了源程序和使用的数据集，方便读者在阅读时同步运行程序，在增强学习效果的同时为读者节省了编写程序的时间。源程序使用Notebook的形式进行组织，每个小节注释清晰，讲解透彻。同时为程序配备了相应的视频讲解，辅助读者对程序能很好地理解和消化。本书在简明扼要地介绍算法原理的同时，更加注重实战应用和对结果的解读。

本书从理论到实践，循序渐进地介绍人工智能算法的基础知识，帮助读者敲开人工智能算法之门。本书共有8 章，分别为算法入门、算法之内力、算法之招式、算法之****、算法工程的组成部分、算法工程实战、进阶学习、思考与展望。本书主要讲解算法的历史背景与基本概念、与算法相关的数学基础知识、信息学算法与数据结构的概念与知识点、业界常用的几类机器学习算法模型；本书还会介绍算法工程比较完整的组成部分，以及一个典型的算法工程项目，手把手带领读者体验算法的魅力；此外，本书会介绍人工智能算法的三大研究方向，帮读者迈向进阶学习之路。本书适合从事人工智能应用实践的科研人员和工程技术人员阅读，也适合高等院校计算机科学与技术、人工智能、大数据等相关专业的本科生和研究生阅读。