几十年来，实际需求激发了对模式识别的大量理论和应用研究。在这个过程中，限制因素和恒久问题一直是数据——它的多样性、丰富性和可变质量是模式识别创新的主要挑战。本书关注高级数据分析和数据挖掘，创新之处是对数据质量的重新定位——将数据质量看作一个可以处理的因素，而非当作需要克服的困难。

本书关注人工智能背景下新技术对人的工作岗位的影响。对于机器换人这一当前热门的议题，作者十分具有智慧地提出了对未来工作变化的预测，哪些岗位将首先遭到替代，而人类又将如何应对人工智能的挑战，并对技术与人的关系进行反思，对于未来就业政策制定提供清醒地建议。

与机器学习领域很多偏重于理论的书相比，本书在简明扼要地阐明基本原理的基础上，侧重于介绍如何在Python环境下使用机器学习方法库，并通过大量实例清晰形象地展示了不同场景下机器学习方法的应用。从这个角度来说，本书是一本使机器学习算法通过Python实现真正“落地”的书，而这无疑将给想要或致力于机器学习应用的读者带来方法理解和实现上的巨大裨益。书中所有实例都是用Python编写，使用了scikit-learn机器学习框架、自然语言工具包（NLTK）、Crab、langdetect、Spark（PySpark）、Gensim、Keras和TensorFlow（深度学习框架）。这些程序适用于基于Linux、和Windows系统的Python 2.7和3.3+版本。本书主要面向希望在预测分析和机器学习领域建立扎实基础的机器学习工程师、数据工程师和数据科学家。

本书作者从复杂的IoT相关知识中，专门选取了在IoT任何项目中都会涉及到的一些重要知识进行分类总结，集结成此书。因此，本书可以说是初识IoT人士的必备参考资料。本书分别从战略和管理、产业系统、法律、网络、硬件设备、平台、数据分析、安全八个方面来阐述。本书通过图文结合的方式，向读者介绍IoT的原理与应用方法，内容详实、论据充分、结论清晰。

时序知觉是个体对客观事件出现的时间顺序的知觉。时序知觉在人类的运动技能、计划行为、决策、记忆、音乐、言语等方面起着非常重要的作用。本书回顾了时序知觉的研究进展，总结了时序知觉的理论和方法，进行了启动与情绪对时序知觉的影响的实验研究，并提出了时序知觉的训练途径。

本书是一本阅读起来特别轻松、学习一点都不费劲的TensorFlow入门书。本书基于TensorFlow 2.0版本，从机器学习和TensorFlow的基础开始，针对初学者只选择实际应用中的必需*小知识量，对前馈神经网络、卷积神经网络、循环神经网络、深度强化学习进行了浅显易懂且快速有效的阐述，其中包括了很多具体的TensorFlow示例，*后一章的项目实战能够教会初学者使用深度学习解决实际问题，从而进入人工智能这一前沿的热门领域。本书适合初学TensorFlow，并且深度学习的理论和实践基础较为薄弱的读者群体，也适合希望了解深度学习的大数据平台工程师，以及对人智能、深度学习感兴趣的计算机相关从业人员及在校学生等阅读，特别适合作为高等院校计算机或人工智能专业师生的参考教材。

《人工智能开源硬件与Python编程实践》是基于机器视觉、语音识别等典型方法的开源硬件及开源算法，利用Python编程工具而设计的创新实践项目。《人工智能开源硬件与Python编程实践》注重推动人工智能新技术的工程实践，将人工智能教育与创客教育相结合，课程模块包括颜色形状检测、目标跟踪、边缘检测、轨迹跟踪、人脸检测、人眼检测、瞳孔检测、条码二维码识别、笑脸检测、数字识别、语音识别等实践项目。每个课程模块均从社会需求及生活实际出发设置实践任务，介绍相关的理论知识和应用方法，提供相应算法的Python实施案例，引导学生动手实践，掌握经典机器视觉、语音识别技术的应用方法，并能够解决实际问题，培养学生的创新实践能力，可作为高等院校学生创新实践类课程教材。

《时间序列混合智能辨识、建模与预测》提出了时间序列混合智能辨识、建模与预测的理论和方法。内容分四篇共16章。第一篇阐述了时间序列分析的重要性，从文献计量学的角度对时间序列的新国际研究进展进行了归纳总结，系统阐述了当前国内外主流时间序列辨识、建模与预测的计算策略和经典算法体系；第二篇介绍了铁路沿线风速混合智能辨识、建模与预测理论方法，包括基于特征提取的GMDH神经网络、长短期记忆深度网络、卷积门限循环单元网络、Boosting集成预测和Stacking集成预测模型；第三篇提供了智慧城市大气污染物浓度的特征分析方法及浓度时间序列建模与预测模型，包括点预测、区间预测、聚类混合预测和时空混合预测等理论；第四篇对金融股票价格时间序列进行特征提取与混合预测，包括贝叶斯统计预测模型、BP/Elman/RBF等神经网络预测模型、CNN/LSTM/BiLSTM等深度网络预测模型。《时间序列混合智能辨识、建模与预测》提供了各类模型的预测实例。

本书是一本介绍将人工智能技术应用于机器人的书。它以人工智能为核心，介绍了神经网络、机器学习、自然语言处理、路径规划、决策树等技术。作者使用一个贯穿全书的实例，从机器人硬件组装开始，一步步深入，详细介绍了如何分析及解决各种实际问题。跟着作者一起操作，你也可以开发出一个功能强大、技术先进的实用机器人。

传统的本体构建有六大任务模块，即预处理、术语抽取、概念抽取、层次关系抽取、非层次关系抽取、形成本体，可见抽取工作是其中的重要研究内容。 《面向文本的领域本体构建中信息抽取技术研究》专注研究其中的术语抽取、概念抽取、层次关系抽取、非层次关系抽取这四个与抽取相关的任务，并对笔者近年来在领域本体学习研究方面取得的一些成果进行了梳理和总结。