深度学习在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、推荐系统工程实现、模型评估体系、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。　《深度学习推荐系统》既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本 科生、研究生、博士生阅读，帮助他们建立深度学习推荐系统的技术框架，通过学习前沿案例 加强深度学习理论与推荐系统工程实践的融合能力。

《从统计世界走向人工智能——实战案例与算法》叙述了从数学到统计、从统计到人工智能的发展，结合大量的实际商业应用案例介绍了诸多经典的机器学习算法，比如LASSO回归、MCMC、决策树、随机森林和神经网络等。《从统计世界走向人工智能——实战案例与算法》将案例与算法结合，基于人工智能的场景，从理论到实际操作层层递进，读者从中可以学习从需求到分析，再到结论的实际编程方法。当读者阅读完《从统计世界走向人工智能——实战案例与算法》后，不仅可以了解实际问题的需求，而且可以学习到解决问题的算法。

《人工智能基础》主要介绍人工智能的发展历史、基本概念、技术基础及实际应用，从数学基础、编程基础及控制基础等方面进行阐述，使学生理解人工智能的基本原理，特别是数据、算法及应用之间的相互关系。《人工智能基础》包括绪论、人工智能数学基础、人工智能通信技术、智能控制、深度学习、智能机器人、人工智能伦理和人工智能创新创业应用共8章，力争通过由浅入深的讲解和大量的实例帮助读者快速掌握人工智能技术的具体应用方法。《人工智能基础》内容既适合控制相关专业人员，也适合非控制相关专业人员阅读。《人工智能基础》可以作为高校理工科学生学习人工智能技术课程的入门教材。

《机器学习案例分析（基于Python语言）》共分为4个部分：1、基础知识：主要介绍机器学习的基本概念、Python的基础知识、常用第三方库，并结合网络爬虫及信息提取案例和股票数据图表绘制案例使读者对本部分内容有更好的理解。2、有监督分类案例：包括Iris数据分类、新闻文本数据分类、手写数字图像识别和场景文字检测共4个案例。3、无监督聚类案例：包括人脸图像聚类和文本聚类共2个案例。4、回归预测案例：包括房价预测、员工离职预测和广告点击率预测共3个案例。

本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。 本书随书提供了机器学习中若干重要问题的MATLAB完整解决方案，包括飞行控制、人脸识别、自动驾驶。书中所有的示例和应用程序都提供了完整的源代码。 机器学习包含大量的数学概念与理论解释。书中以清晰简洁的方式介绍了其中每个领域的数学知识，即使是并不经常接触数学理论的读者也可以轻松理解。工程领域的读者会看到这些数学知识与他们已经了解的领域技术之间的密切联系，并将学习到新的技术。 本书主要内容： l如何使用MATLAB构建机器学习应用 l适用于机器学习的MATLAB可视化技术 l面向工程的机器学习应用案例

“智识书系”之《人类未来》是一本立足科学、思考人类现状与未来的科普读物。第一章分析了当下地球的一些潜在危机，包括能源、核威胁、气候变化等；第二章以当下科技发展为根据，预言生物技术、网络技术、人工智能等将对人类未来产生的改变及风险；第三章从地球和人类转向更宏大的宇宙，探讨太空飞行、外星智慧等天文、宇宙方面的远景；第四章来到科学的边界，以科学视野重新看待分析地球与人类的现状和发展本质；第五章回到人类，试图提供人类靠自身改变未来的可行途径和方式。本书适合对科学、尤其是天文学、物理学感兴趣，并对未来存有思考和遐想的读者。

《数据挖掘与机器学习：PMML建模（上）/人工智能开发丛书》结合实际例子详细介绍了数据挖掘和机器学习领域关联规则模型、朴素贝叶斯模型、贝叶斯网络模型、基线模型、聚类模型、通用回归模型、回归模型、高斯过程模型以及K近邻模型九种模型的表达方式及构建知识。读者好同时结合《PMML建模标准语言基础》一书进行学习，以便融会贯通，灵活运用，更好地把PMML语言应用到自己的项目实践中。《数据挖掘与机器学习：PMML建模（上）/人工智能开发丛书》的读者对象为从事数据挖掘、机器学习、人工智能系统开发的人员以及教师和学生，也可以作为大数据及机器学习爱好者的自学用书。

《人工智能基础 数学知识》基于流行的Python语言，通俗易懂地介绍了入门人工智能领域必需必会的数学知识，旨在让读者轻松掌握并学以致用。《人工智能基础 数学知识》分为线性代数、概率和优化等3篇，共21章，覆盖了人工智能领域中重要的数学知识点。本书写作风格通俗有趣，读者可在潜移默化中掌握这些数学知识以及相关的编程操作，并能从工程落地的角度深刻理解数学在其中的扮演角色和魅力。《人工智能基础 数学知识》适合希望投身于人工智能领域且想有一番作为的人员阅读，还适合对人工智能领域背后的逻辑感兴趣的人员阅读。本书还可作为各大高校人工智能专业的参考用书。

本书面向初学者，采用全彩图解+视频讲解的形式介绍了人工智能的基础知识及开发案例，从无代码到图形化编程到代码编程，循序渐进，让读者逐步掌握人工智能技术，体验人工智能带给自己的乐趣。 本书首先通过mDesigner+开源硬件的结合赋予创客作品以“智能”，接着介绍了与人工智能密切相关的深度学习及其所需要的编程语言、编程框架及编程环境等知识，进而结合不同的场景，详细讲解了人工智能在视觉、听觉、无人驾驶等不同领域的实际应用。 本书强调人工智能理念的实战应用，书中涉及的程序源代码均可直接下载使用，方便读者动手实践，注重想象力、创造力以及动手能力的提升。对于青少年创客、人工智能初学者来说，本书将是一本不错的入门读物。

本书内容覆盖了机器学习领域从理论到实践的多个主题-总共分为10章。第1章为导论-介绍机器学习的背景、定义和任务类型-构建机器学习应用的步骤-以及开发机器学习工作流的方式。 第2章详细介绍数据预处理和特征工程技术-并辅以实例进行验证。 第3~6章介绍回归模型、分类模型、模型融合和聚类模型-这些内容是机器学习理论和实践中的传统重点。其中不仅介绍各种常见数据类型的处理方法-还针对删失数据进行了专门的综述和实践。 第7章介绍机器学习领域较难的图计算话题-并从工业界视角解读如何将图计算落地。第8章针对特征工程、建模过程中大量调参的场景介绍自动机器学习的理论和应用-并细致比较和测试了各种自动特征工程算法在不同数据上的表现。 第9章介绍自然语言处理（词向量、序列标注、关键词抽取、自动摘要和情感分析）技术-使用新闻文本数据搭建文本分类的流程。 第10章介绍计算机视觉中图像分类和目标检测的应用以及车辆检测的落地案例。 本书既适合作为高等院校计算机、软件工程、人工智能等相关专业的教学用书-同时也可供从事机器学习相关领域的工程技术人员阅读和参考-帮助他们掌握机器学习相关的算法原理-并能通过专业工具平台快速搭建各类模型-构建机器学习的行业应用。