强化学习是机器学习发展非常迅速的一个领域，由于其灵活性和通用性，可以应用在从玩游戏到优化复杂制造过程的许多实际情况。本书帮助读者迅速理解深度强化学习，并从原理到新近算法进行全面探索。关于强化学习的新资料很多，但多数过于专业和抽象，很不容易理解，并且从理解原理到可以实际解决问题之间还有巨大差距，而本书意在填补强化学习方法在实用性和结构化信息方面的不足，以帮助读者从整体上轻松理解深度强化学习。同时本书的另一个特点是面向实践，从简单到非常复杂，将每种方法实际应用在各种具体环境中，以帮助读者在实际研究和工作中应用深度强化学习来解决问题。 本书适合深度强化学习、机器学习、人工智能相关行业从业者、学习者阅读参考。

本书以Python语言和Tensorflow为工具，由浅入深地讲述了深度学习程序设计的基本原理、算法和思考问题的方法，内容包括自顶向下的程序设计、递归程序设计、面向对象的程序设计、反向传播算法、三层神经网络、卷积神经网络、循环神经网络、生成式对抗网络和目标检测等。本书重在研究代码背后深刻的计算机理论和数学原理，试图说明代码是对理论和思想的实现手段，而不是目的。学以致用是本书的宗旨，提高读者编程水平和动手能力是本书的目的。本书通过大量有趣的实例，说明了理论对深度学习程序设计实践的指导意义。

本书从传统的数值计算技术到先进的多智能体模拟基础，均边展示Python程序，边对其进行了具体讲解。在第1章中，介绍了运用Python进行数值计算时普遍存在的注意点。在接下来的第2章和第3章中，作为传统的模拟技术，提到了运用微分方程式表示的物理现象模拟。在第4章中，提到了利用元胞自动机的模拟。第5章的主题是利用随机数进行模拟。最后，在第6章介绍了多智能体模拟框架。同时还详细说明算法的原理，以及python应用的快捷方便功能。

图神经网络是人工智能领域的一个新兴方向，它不仅迅速得到了学术界的广泛关注，而且被成功地应用在工业界的多个领域。本书介绍了图神经网络和图深度学习的基础知识和前沿研究，不仅包括它们的发展历史和经典模型，还包括图神经网络在深层网络、无监督学习、大规模训练、知识图谱推理等方面的前沿研究，以及它们在不同领域（如推荐系统、生化医疗、自然语言处理等）的实际应用。 本书既可作为人工智能领域研究和开发人员的技术参考书，也可作为对图上的深度学习感兴趣的高年级本科生和研究生的入门书。

智能技术的蓬勃发展催生了新零售的快速崛起，后疫情时代为新零售带来了新的发展机遇。本书站在智能新时代的高度，按照“理念―模式―实践―未来”的逻辑思路，采用理论联系实际的方法，用大量的案例对新零售进行了细致入微的“人”“货”“场”的全方位分析。内容包括重构新售理念、重塑零售模式、重定零售实践三大部分，重点探讨新零售的生产模式、营销模式、服务模式、管理模式和极致体验的新满足、尽人所需的新产品、舒适怡人的新场景和新零售的未来。本书面向的对象为社会各界对新零售感兴趣的读者，从事与新零售相关的实践工作者，与经济、商业、营销相关的行政人员、研究人员、管理人员，大中专院校和职业技术学院的师生，以及具有中等以上文化程度的对互联网、大数据、人工智能、区块链等感兴趣的读者和创新创业者。

本书涵盖新的ROS发行版中的项目——ROS Melodic Morenia with Ubuntu Bionic（18.04）。从基本原理开始，本书向你介绍了ROS-2，并帮助你了解它与ROS-1的不同之处。你将能够在ROS中建模并构建工业移动机械手臂，并在Gazebo 9中进行模拟。然后，你将了解如何使用状态机处理复杂的机器人应用程序，以及一次处理多个机器人。本书还向你介绍了新的、流行的硬件，如Nvidia的Jetson Nano、华硕修补板和Beaglebone Black，并允许你探索与ROS的接口。 第1章主要向初学者概述ROS的基础知识。本章将帮助读者理解ROS软件框架的基本思想和概念。 第2章介绍ROS的*新框架——ROS-2。基于该框架，读者将能够使用ROS进行实时应用程序的开发。本章的结构与第1章类似，主要是帮助读者厘清ROS-1与ROS-2之间的区别，同时理解两个版本的能力与局限。 第3章介绍怎样在模拟环境下构建移动机器人以及机械臂，并将两者结合起来，通过ROS 对其进行控制。 第4章介绍基于状态机进行复杂机器人任务处理的技术，这些技术使得读者可以在使用机器人执行连续和复杂的任务管理时进行策略调整。 第5章是第3章、第4章内容的综合应用，基于这两章内容构建一个用户应用程序。该应用程序的功能是控制移动机械臂运送物品。本章将详细介绍上述应用程序的构建过程。 第6章介绍通过ROS在多个机器人间进行通信的方法，其中的机器人既可以是同类型的，也可以是不同类型的（即异构多机器人系统）。在此基础上，还将介绍对一组多机器人进行单独或同时控制的方法。 第7章介绍新型的嵌入式控制器及处理器板，例如基于STM32的控制器、Tinkerboard、Jetson Nano以及其他类似产品。本章还将介绍怎样通过ROS控制这些板卡的GPIO（General-Purpose Input/Output，通用输入/输出接口），以及如何通过Alexa提供的语音交互功能进行语音控制。 第8章介绍机器人学领域最重要的学习技术之一——强化学习。本章将介绍强化学习的内涵，并通过实例介绍强化学习背后的数学知识。此外，还将通过一系列实例展示强化学习技术是如何在ROS中进行应用的。 第9章介绍深度学习在机器人领域的应用。本章将介绍如何使用深度学习实现图像识别，还将介绍使用SVM（Support Vector Machine，支持向量机）的应用程序。 第10章是本书中最有趣的内容之一。本章将展示如何使用ROS和Gazebo构建一辆模拟的自动驾驶汽车。 第11章展示如何通过VR头盔和体感控制器Leap Motion实现对机器人的远程操控。本章将介绍VR头盔的应用，这是当前流行的技术之一。 第12章通过一个项目展示如何在ROS下使用OpenCV库。在本项目中，将构建一个最基本的人脸跟踪器，实现摄像头对人脸的实时跟踪。本章将使用诸如Dynamixel的智能伺服系统实现机器人的旋转。

《Python机器学习》讲解未来人工智能技术中的机器学习，从入门知识到实践。全书分为“导入篇”、“基础篇”、“实践篇”三部分。 导入篇包括第1章和第2章的内容。第1章是关于Python的安装和语言的说明及阅读本书需要进行的准备等，“快速教程”中将对通过Python如何接触机器学习进行说明，章节末尾的“短文 深度学习是什么”中，会涉及到最近引人关注的深度学习的历史及其现状； 第2章中将概述机器学习的各个方面。 基础篇从第3章到第5章，将对分类问题、回归问题、聚类进行说明。特别是在“第3章 分类问题”，阐述了性能的评价方法及其注意要点，这是使用机器学习需要掌握的基础部分。 第6章和第7章的定位为实践篇，讲解了一些实际应用。第6章以手形状分类为题材，用和实际相近的形状进行数据收集，创建分类器，并进行评价；第7章中会看到传感器数据的处理方法，最后阐述了本篇的结束语。

本书为浙江省普通高中精品选修课程“Arduino创意机器人”的衍生成果，由两位深度参与Mind+开发的创客教育专家和多位经验丰富的小学创客教师共同编写，设计了大量需要学生动手实践的任务或实验，可以引导学生在玩中学、做中学、研中学，由浅入深地逐步理解和掌握机器人技术。本书共设计18课内容，采用项目式学习的理念，设计了智能LED、智能风扇和智能小车3个专题。每一个专题都是一个相对独立的项目，但在难度上逐步提高，体现了螺旋上升的特点。在体例方面，根据中小学生的年龄特点，书中内容分为“我要学”“我要做”“我要想”“我要练”和“我要读”5个方面，用语通俗、亲切。本书有多个姐妹版本，涉及 ArduBlock、Mixly 等常见的 Arduino编程软件。为了让中小学教师开展教学更加方便，编写团队提供了电子教材、教学设计、课件、微课、工具和源代码等完整的配套教学资源、充分体现了开源精神。本书除适用于小学高年级学生外，也适用于中学生和零基础的成年初学者，尤其适用于大班教学。

本书首先概述人工智能、深度学习相关的基本概念和发展历程;然后详细介绍深度学习的基本理论和算法，包括神经网络的关键技术、卷积神经网络的主要框架和应用实例、循环神经网络和无监督学习深度神经网络的模型和应用、深层神经网络的参数优化方法、深度学习模型的轻量化方案以及移动端深度学习案例;之后阐述强化学习的基本理论和算法，包括传统的强化学习方法及其衍生算法以及新型的多智能体或多任务学习模型;最后介绍深度强化学习的具体算法及应用、迁移学习的概念及其在深度学习和强化学习中的应用。本书可作为学习深度学习及强化学习算法的参考书，也可作为高等院校相关课程的教材，还可供从事人工智能领域的专业研究人员和工程技术人员阅读。

本书分为4大部分。第一部分（第1~3章）：搜索推荐系统的基础。首先介绍数学与统计学是现代机器学习理论的基础；其次介绍搜索推荐系统的常识；最后，描述知识图谱相关基础理论。第二部分（第4~6章）：搜索系统的基本原理。主要内容包括：搜索系统框架及原理、主要算法以及搜索系统相关评价指标。第三部分（第7~9章）：推荐系统的基本原理。主要内容包括：推荐系统框架及原理、主要算法以及推荐系统相关评价指标。第四部分（第10~12章）：应用。首先介绍三种常见的搜索引擎工具；其次讲述搜索引擎和推荐系统两个方向的应用。