在当今这个时代，我们经常默认社会交往空间仅仅属于人类以及人际交往关系。然而机器人作为全新交往“伙伴”——不管是作为人类伙伴的替代还是补充——的出现，都在挑战着我们在各个层面上对自身作为个体和共同体成员的自我理解。本书就是在这些科技发展及其前景的大背景下，从哲学的角度，探索我们与这种全新类型的社交伙伴之间的相遇所涉及的的界限、潜力和挑战。社交机器人学的诞生以及它在未来的发展导向，都会对所有学术领域带来挑战。而由于这门学科不断地将技术和想象力推至极限，因此很多对它的短期和长期应用，以及这些应用的语境都只是概念性的。当然这并不意味着它们是不相关的内容。恰恰相反，我们必须不断地去思考这些带来潜在风险的技术的界限、潜力和挑战，并以此来勤勉地保障所有利益相关方都能繁荣发展；这些利益相关方既包括个体，也包括公司和机构，甚至包括社会和人类整体。

通常来说，人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的研究领域包括机器人、语音识别、图像识别、自然语言处理和专家系统等。 机器学习就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术。生活中很多机器学习的书籍只注重算法理论方法，并没有注重算法的落地。本书是初学者非常期待的入门书，书中有很多的示例可以帮助初学者快速上手。 本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的sklearn的学习，还要紧跟大数据时代的发展。 本书内容通俗易懂，案例丰富，实用性强，特别适合Python语言的入门读者和进阶读者阅读，也适合其他算法程序员和编程爱好者阅读。

本书介绍如何构建完整的机器学习流水线，从而在生产环境中准备数据以及训练、验证、部署和管理机器学习模型。你将了解机器学习流水线的每个环节，以及如何利用TensorFlow Extended（TFX）构建机器学习流水线。模型的生命周期是一个闭环，其中包括数据读取、数据校验、数据预处理、模型训练、模型分析、模型验证、模型部署、模型反馈等环节。你将学习如何利用Beam、Airflow、Kubeflow、TensorFlow Serving等工具将每一个环节的工作自动化。学完本书，你将不再止步于训练单个模型，而是能够从更高的角度将模型产品化，从而为公司创造更大的价值。

《计算机视觉技术：事件相机原理与应用》是一本关于事件相机原理基础的入门类图书。主要从计算机视觉技术的基础和相关数学基础开始讲解，对事件信息的编码、事件的卷积（普通卷积、稀疏卷积、图卷积、3D 卷积）分别进行了生动的介绍，最后又通过三个章节，对基于长短期记忆网络（LSTM）、脉冲神经网络（SNN）、生成对抗网络（GAN）的事件处理的原理和方法做了解读。 本书图文并茂，文字生动有趣，内容浅显易懂，并配有较多例题和习题，以便读者理解和巩固，适用于对事件相机方向感兴趣的技术人员阅读，同时也可供计算机视觉方向的初学者阅读和学习。

本书以数字图像处理为基础，结合人工智能在电影特效制作中的应用进行编写，全书内容分为数字图像处理概论、人工智能在电影特效制作中的应用两大模块共12章。书中所有拍摄素材均为编著团队实地拍摄或代码运行所得，其中图像基础部分是数字图像处理课程的核心内容，包含丰富的教学案例，是重要的学习资料。

本书是在原书第1版的基础上，经过全面的修订、更新和扩展，保留了相同的可读性和解决问题的方法，同时介绍了新的素材和*新发展。全书分为5个部分，重点介绍了人工智能中常见的关键的技术。本书第1部分介绍了基于逻辑的方法，第2部分则重点介绍了基于概率的方法，第3部分介绍了新兴的涌现智能，探讨了基于群体智能的进化计算及其方法。接下来是*新的发展，第4部分详细介绍了神经网络和深度学习。本书*后一部分重点介绍了自然语言理解。

《TensorFlow知识图谱实战/人工智能技术丛书》介绍TensorFlow构建知识图谱的核心技术，帮助读者掌握使用深度学习构建知识图谱的方法，以及使用神经网络的技术要点和基于深度学习的应用程序编写技巧。大数据时代的到来，为人工智能的飞速发展带来未有过的数据红利。在大数据的“喂养”下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。《TensorFlow知识图谱实战/人工智能技术丛书》是一本讲解如何使用TensorFlow2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。《TensorFlow知识图谱实战/人工智能技术丛书》分为13章：第1章从搭建环境开始，包含TensorFlowCPU版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习；第2-4章介绍TensorFlowAPI的使用；第5章是DatasetAPI，学习使用原生API处理数据的方法；第6～8章是实战准备部分，介绍ResNet模型、词嵌入（word embedding）模型、情感分类；第9～10章在“注意力模型”基础上搭建了“编码器模型”；第11～13章搭建了知识图谱联合抽取模型，利用《TensorFlow知识图谱实战/人工智能技术丛书》所学知识实战知识图谱的搭建过程和性能提升方案。《TensorFlow知识图谱实战/人工智能技术丛书》内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。

本书是《智能计算系统》教材的配套实验教程，全书基于智能计算系统各章节的重点或难点，结合智能计算系统的软硬件技术栈设计了基于通用CPU平台和深度学习处理器平台的分阶段实验和综合实验。实验设计与理论章节一对一匹配，结合知识树的构建，帮助读者轻松上手实验，切实强化动手能力，让读者真正掌握智能计算系统的部署与优化。

本书带你入门学习如何使用树莓派与Arduino构建一个具有高级功能的机器人。本书将一步步地讲授构建机器人的过程，你将学到如何利用树莓派提供的强大计算能力，如何利用Arduino与传感器和电动机进行更好的交互，并利用这些优点来构建机器人硬件系统。同时学会Python编程基础知识，并利用其进行更强大的智能功能开发。然后通过使用OpenCV和USB网络摄像头，你将制造一个可以追逐球的机器人。 本书适合开始探索机器人领域的创客、爱好者和学生阅读。本书将帮助你快速入门智能机器人的设计、构建与开发，掌握相关的硬件设计搭建与软件编程开发能力，让你带着乐趣逐步探索机器人世界。

随着互联网、物联网、云计算等技术的不断发展，许多领域都产生了大量的数据。利用机器学习技术分析海量数据，可以从数据中发现隐含的、有价值的规律和模式，进而用于预测并采取相应动作。在上述背景下，《实战机器学习（人工智能技术丛书）》从理论、技术和应用三个层面入手，全面讲解如何利用机器学习技术解决实际问题。《实战机器学习（人工智能技术丛书）》共分26章，内容包括机器学习解决问题流程、问题分析与建模、数据探索与准备、特征工程、模型训练与评价、模型部署与应用、回归模型、支持向量机、决策树、集成学习、K近邻算法、贝叶斯方法、聚类算法、关联规则学习、神经网络基础、正则化、深度学习中的优化、卷积神经网络、循环神经网络、自编码器、基于深度学习的语音分离方法、基于深度学习的图像去水印方法、基于LSTM的云环境工作负载预测方法、基于QoS的服务组合问题、基于强化学习的投资组合方法、基于GAN模型的大数据系统参数优化方法。《实战机器学习（人工智能技术丛书）》内容全面、示例丰富，适合机器学习初学者以及想要全面掌握机器学习技术的算法开发人员，也适合高等院校和培训机构人工智能相关专业的师生教学参考。