本书全面阐述了现代因果关系分析，展示了因果关系如何从一个模糊的概念发展成为一套数学理论，并广泛用于统计学、人工智能、经济学、哲学、认知科学、卫生科学和社会学等领域。本书提出了一个全面的因果关系理论，它统一了因果关系的概率、操作、反事实和结构方法，并提供了简单的数学工具来研究因果关系和统计关联之间的关系。本书通过融合领域知识、常识约束、文化传承的概念等来补充数据信息，为基于统计的机器学习中遇到的基本问题提供了科学的解决方案。

本书系统地介绍了强化学习的原理和实现，是一本理论扎实、落地性强的图书。本书包含3个部分：第一部分为强化学习基础，讲解强化学习的基础概念和表格型强化学习方法；第二部分为强化学习进阶，讨论深度强化学习的思维方式、深度价值函数和深度策略学习方法；第三部分为强化学习前沿，介绍学术界在深度强化学习领域的主要关注方向和前沿算法。同时，本书提供配套的线上代码实践平台，展示源码的编写和运行过程，让读者进一步掌握强化学习算法的运行机制。本书理论与实践并重，在介绍强化学习理论的同时，辅之以线上代码实践平台，帮助读者通过实践加深对理论的理解。本书适合对强化学习感兴趣的高校学生、教师，以及相关行业的开发和研究人员阅读、实践。

本书首先介绍联邦学习的定义和发展历史，按类别介绍联邦学习算法和发展现状，介绍联邦学习的应用场景，以及相关安全机器学习的技术。然后我们将介绍新的zui前沿的联邦学习算法，用京东数科系统作为实例，对联邦学习系统构建和实现进行讲解。zui后我们将介绍京东数科自研的基于区块链的联邦学习技术。

《机器学习·深度学习图像识别从基础到案例实战》一书用大量的图形图像，结合Python代码介 绍了人工智能领域图像识别的相关知识。全书共3部分，其中第1部分介绍了基础知识及相关工具如 Python、Jupyter Nobebook和NumPy、Matplotlib等软件库的使用方法；第2部分主要借助TensorFlow、 PyTorch、Keras、Chainer、scikit-learn等工具实现了16个不同层次的图像识别案例，如Iris数据集分类、 手写数字识别、人物检测等，助力提升读者实战水平；第3部分介绍了基于Python的面向对象编程知 识和如何用Python建立Web服务器。本书浅显易懂，特别适合作为大中专院校相关专业的参考书，也 适合想通过Python系统学习机器学习和深度学习、用Python进行图像识别的入门参考书。

本书面向人工智能学科的前沿领域，系统地讨论了智能计算的原理与实现，比较全面地反映了智能计算研究和应用的*新进展。书中涵盖了支持向量机、混沌计算、蚁群算法、DNA计算、DNA遗传算法、人工免疫系统、萤火虫算法、蝙蝠算法、蛙跳算法、鱼群算法和其他一些算法及应用。全书提供了大量的实用案例，重点强调实际的应用和计算工具，这些对于智能计算领域的进一步发展是非常有意义的。 本书取材新颖、内容系统、深入浅出、材料丰富，理论密切结合实际，具有较高的学术水平和参考价值。 本书可作为人工智能、信息与通信工程、仪器科学与技术、计算机科学与技术等相关领域的科研人员及工程技术人员的参考书，也可作为研究生和高年级本科生开阔视野、增长知识的阅读材料。

这是一本写给青少年看的人工智能科普图书，目的是帮助小读者启蒙科学素养，开阔科学视野，培养科学思维，锻炼动手能力，让他们了解人工智能的过去、现在和未来，从而更好地融入人工智能时代。通过阅读本书，小读者不仅可以了解到“人工智能的工作方式”，还能一睹很多人工智能发展的过程和细节：科学家如何提出问题并想到绝妙的点子；技术如何从第一代逐渐演变到第 N 代；遭遇失败时科学家如何克服困难；等等。所有这些都旨在激发小读者的好奇心，帮助他们体会科学研究应具备的精神。延续“写给青少年的人工智能”系列图书的风格，本书仍然用了大量形象的比喻，以贴近生活的案例作类比，把书中的抽象概念和难点以诙谐幽默的手绘插画形式诠释出来，力求让小读者读得懂、喜欢读。 本书从“模拟人类的思考方式”“模拟大脑的工作原理”和“模拟生物对环境的反应”这 3 个方向出发，代入科学家的研究思路，讲述了人工智能的三大主要流派“逻辑主义”“联结主义”和“行为主义”、人工智能发展过程中的重大事件、三种人工智能流派的核心思路以及相关科学家及其发明创造的故事，堪称人工智能的“历史放映机”。

全书共分6章。第1章 深度学习理论基础，阐述了人工智能、机器学习、深度学习理论、技术和方法以及三者之间的关系。第2章 人工神经网络模型，总结介绍了神经网络的架构、类型、工作原理和优化训练方法。第3章 卷积神经网络，分析论述了深度学习的典型算法——卷积神经网络的构成、机理、发展和应用，探讨了深度学习的前沿模型——图卷积神经网络和图注意力网络的机制、优势和实现方法。第4章 海洋硬目标检测DL模型构建，将深度学习引入到海洋目标检测领域，基于CNN构建了针对硬目标检测的深度学习模型——OceanTDAx系列模型，并对模型进行训练、优化和评估，在此基础上采用所构建的模型进行海洋目标检测实验。第5章海洋分布目标检测DL模型构建，构建了针对海洋分布目标检测的深度学习模型——OceanTDLx系列模型，并对模型进行训练、优化和目标检测实验。第6章基于多核并行架构的海洋目标检测，设计了OISPMDA-FDB多核并行架构，实现基于CNN初检的CFAR海洋目标提取、卡方分布临界值海洋目标提取、基于loglogistic的海洋目标提取、基于伴方差修正模型的复杂海况的海洋目标提取，共执行了4类30个海洋目标参数并行提取实验。

本书为深圳信息职业技术学院等高职院校与腾讯集团共同编写的高等职业教育人工智能技术服务专业校企“双元”合作系列教材之一，同时也是高等职业教育计算类课程新形态一体化教材。 本书采用图形化方式介绍人工智能的发展历史、相关知识、技术及应用，并借助生动的小游戏、图形化展示和图形化人工智能软件，帮助读者熟悉并掌握基本的人工智能相关知识和应用技能。全书可分为3部分，第1章介绍人工智能的起源、发展以及相关概念等；第2至10章结合图形化人工智能软件，讲述各种机器学习算法，让读者快速上手并实践机器学习模型；第11至13章通过使用生动的图示以及经典的吃豆人小游戏，讲述了搜索算法到强化学习的发展，内容包括各种经典的搜索算法，马尔可夫决策过程和强化学习。 本书配有微课视频、课程标准、教学设计、授课用PPT、习题答案等数字化学习资源。与本书配套的数字课程“人工智能导论”已在“智慧职教”网站（www.icve.com.cn）上线，学习者可以登录网站进行在线学习及资源下载，授课教师可以调用本课程构建符合自身教学特色的SPOC课程，详见“智慧职教”服务指南。教师也可发邮件至编辑邮箱1548103297@qq.com获取相关资源。 本书适用作为高职高专及应用型本科院校人工智能相关课程的教材，也可以作为从事人工智能应用开发的人员的参考书。

本书从虚拟偶像的发展历程和制作流程入手，通过通俗的语言和多方位的视角，介绍了2D\\3D建模工具和深度学习框架TensorFlow与Pytorch在虚拟偶像制作中的应用，原理与实践并重，同时结合大量实际范例讲解如何建模、AI表情动作迁移以及人机交互等制作虚拟偶像的完整流程。从拟真人的人物建模到表情动作的实时捕捉，再到传输到动作引擎中驱动人物动作，向读者展现了人工智能技术的强大与魅力。 本书深入浅出，实操性和系统性强，适合有一定IT背景并对虚拟产业关注的广大读者使用。

人工智能是一门研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的新的技术科学，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方面。本书第1章主要讲解了人工智能的重要概念、发展现状和相关技术等，为下文进一步研究人工智能打基础；第2章对人工智能目前主要用到的Python进行了简单的介绍，有利于下文程序的编写；第3章介绍了机器学习，主要对机器学习的常用算法、卷积神经网络和循环神经网络进行了深入的阐释；第4～11章详细讲解了8个人工智能应用案例。本书特色鲜明、内容易读易学，适合作为相关专业的大学生，以及不具有人工智能研究背景，但是想要快速补充人工智能知识，以便在实际产品或平台中应用的工程师等人员的参考书。