2019年，上海大学新开“生命智能”通选课，呼应国家战略，对接教育部“新工科”建设要求，挖掘生命科学与人类命运之间的契合点，以生命科学领域具体问题为导向，认识人工智能在药物研发、健康管理等方面的广泛运用，关注人工智能加医疗技术可能产生的多方面社会效应，尤其是人类生命自然属性的重大变化。该课文理交融，汇入生命医学、智能技术和社会学、哲学等多个学科，引导学生用通观的视野看世界、悟人生、思未来。本书完整再现教学情景，带读者走进课堂，对话名师，遇见“打开脑洞”的00后青年。

本书共分为四篇，即深度强化学习、多智能体深度强化学习、多任务深度强化学习和深度强化学习的应用。由浅入深、通俗易懂，涵盖经典算法和近几年的前沿技术进展。特别是书中详细介绍了每一种代表性算法的代码原型实现，旨在理论与实践相结合，让读者学有所得、学有所用。 第一篇（包含第1～3章）主要讲解深度强化学习基础，侧重于单智能体强化学习算法，相对简单，有助于初级读者理解，同时涵盖了近几年的经典算法和一些前沿的研究成果。 第二篇（包含第4～5章）主要侧重于对多智能体深度强化学习的讲解，从多智能体强化学习基本概念到相关算法的讲解和分析，以多个极具代表性的算法为例带领读者逐步学习多智能体训练及控制的理论与方法。同时，还介绍了多智能体强化学习领域一些前沿学术成果。 第三篇（包含第6～7章）扩展到多任务场景，称为多任务深度强化学习。首先介绍了多任务强化学习的基本概念和相关基础知识，随后讲解了部分经典的多任务深度强化学习算法。 第四篇（包含第8～11章）主要讲解深度强化学习的实际应用，涉及游戏、机器人控制、计算机视觉和自然语言处理四大领域。通过领域应用中思想和方法的讲解，培养读者跨领域解决实际问题的能力，以帮助读者熟练掌握和使用深度强化学习这一强大的方法来解决和优化实际工程领域中的问题。

《深度学习：从Python到TensorFlow应用实战》全面介绍深度学习中的卷积神经网络结构、学习原理、代码实现、API调用等基本知识，重点介绍开发深度学习应用所需要的Python技术基础以及TensorFlow深度学习库，并以文本分类和语音识别为例说明TensorFlow的应用场景。 《深度学习：从Python到TensorFlow应用实战》可供对TensorFlow比较熟悉并且对机器学习有所了解的开发人员、科技工作者和研究人员参考，也可作为高等院校计算机、软件工程等专业高年级本科生与研究生的教材。

本书创新性地提出了“数学型公司”的概念，并从分析智能时代的复杂性开始，引领读者理解在数学型公司模型下，如何更好地将人类智慧与机器智能融合起来以发挥叹为观止的效用。在这一转变过程中，要突破传统观念和思维，学会在数据和算法驱动下思考；利用新的技术强化组织，使其达到新的水平；制定更富有创新性的战略，并获得优异的表现。书中内容丰富、领域各异的案例，有助于读者与自己企业和组织的实际需求建立关联、引发思考，更加深刻地理解数字化转型的本质。 本书适合希望进行和正在进行数字化转型的企业决策者、管理者阅读，也适合有兴趣从事数字化转型相关工作的技术人员阅读，从事数字化转型的研究者也能从本书中获益。

本书以安防弱电信息化行业岗位技术需求为导向，以人工智能（AI）+安防应用为主体架构，系统、全面、详细地介绍了人工智能安防系统相关技术与行业案例应用。全书分为两部分。技术基础部分详细介绍了前端设备（摄像机结构与性能参数、IP高清摄像机、夜视摄像机、球形摄像机及人工智能摄像机等）与视频传输技术（模拟视频传输、Intranet网络视频传输、光纤视频传输及微波扩频无线传输）以及后端控制（NVR功能、视频存储系统、综合管理软件平台及AI人脸识别系统）与显示系统（DLP无缝拼接显示屏），基本涵盖了当前社会智能安防信息化系统的所有主流应用技术。行业案例应用部分精选了智能大厦、智慧银行、智慧校园、智慧社区、森林防火、电子警察、平安城市、天网工程以及雪亮工程共9个当今具有代表性的行业综合型应用案例，详细介绍了人工智能安防技术在各个领域的落地应用，从而将理论知识与具体应用有机地结合。 本书适合作为安防产品厂商的技术支持人员、系统集成商的安防技术实施人员、安防建设单位系统管理维护人员、安防产品厂商销售人员、弱电与物联网相关人员的参考用书，也适合作为弱电智能化（安防）专业相关大学生的教材。

本书从机器学习和深度学习的基础概念入手，由浅到深地详细介绍了PyTorch深度学习框架的知识，主要包含深度学习的基础知识，如神经网络的优化算法、神经网络的模块等；同时也包含了深度学习的进阶知识，如使用 PyTorch 构建复杂的深度学习模型，以及前沿的深度学习模型的介绍等。另外，为了加深读者对 PyTorch 深度学习框架的理解和掌握，本书还介绍了 PyTorch 的源代码结构，包括该框架的 Python语言前端和 C++语言后端的源代码结构。 作为一本面向初中级读者的技术类图书，本书既可以作为深度学习框架 PyTorch 入门的参考书籍，也可以作为 PyTorch 深度学习框架的结构和源代码的阅读指南使用。

本书分为四个部分。第壹部分详细介绍人工智能（AIPB）的框架、北极星、利益和范畴。对人工智能和机器学习做了非技术性概述，也对人工智能的实际应用和潜在机会做了概述。第二部分讨论如何制订人工智能愿景。首先深入讨论为什么要推动人工智能项目，然后为不同的利益相关者（如企业、客户和用户）定义与人工智能愿景一致的目标，之后讨论人们的需求和想要什么，以及如何将其转化为人工智能的产品和更好的人类体验。第三部分讨论如何制订人工智能战略。主要聚焦在科学创新、人工智能准备度和成熟度，以及成功实现人工智能的关键性考虑因素。应该利用这些概念来进行AIPB框架定义的适当评估，以制订弥补空白和解决关键性考虑因素的战略，与愿景一致的人工智能解决方案的战略。第四部分讨论了人工智能对工作的潜在影响、*终的几点考虑和人工智能的未来前景。

人才智能运作流程：驱动、分析、赢谋、筹备、执行、进化等6个步骤，每步骤还有小流程、微流程。而目前的策略理论只有3个步骤：分析、评估与选择、执行和控制。个人／企业的生命周期为7个阶段：潜伏、孕育／创业、成长、成熟、成功、衰退、衍变，比目前的孕育／创业、成长、成熟、衰退（消亡）等4个阶段更完整深入。《人才智能的进化》中还包含实用高效的内容：各种模式与方法方式、面向的各种要素（资源、核心力、市场、对手、产业链、产业生态系统）、赢谋的应用方式（挖掘、扩展、防御、衍变、跨越、撤离与各种要素再建立赢谋三维图、赢谋矩阵）、如何布局战略战术及执行、如何不断进化个人／企业的人才智能体系。

《深度学习快速实践：——基于TensorFlow和Keras的深度神经网络优化与训练》内容包括神经网络的基础、深度神经网络的优化和验证、深度神经网络开发和训练环境的构建、使用Tensor-Board 进行网络训练的监控和模的超参数优化。本书详细介绍的深度学习问题，包括基本的回归问题、二元分类问题和多元分类问题，还包括较为复杂的卷积神经网络对图像的分类和使用预训练CNN 进行的迁移学习；使用递归神经网络进行时间序列预测、自然语言分类，以及通过sequence-to-sequence 模型进行机器翻译；深度强化学习的智能体构建，以及生成对抗网络的图像生成。

随着人工智能技术在越来越多的行业中应用，诸多问题也随之而来，最主要的问题在于人工智能技术与行业的结合深度不足。在大多数情况下，人工智能技术只能解决表层的行业问题，对于深层的业务问题赋能不足。当前急需探索人工智能技术与行业结合的方法与模式。本书结合了笔者构建人工智能产品的实际经验，从人工智能产品流程、行业能力模型、人工智能技术等方面详细地叙述了人工智能产品的构建过程，特别突出了人工智能技术应用于行业的分析方法。本书也阐述了人工智能产品经理的工作流程、思维方式及成长路径。本书可作为现阶段想了解人工智能产品构建过程的人，或想成为人工智能产品经理的人的学习素材，也可作为各行各业人士了解人工智能产品构建过程的参考书。