《人工智能与游戏》是首本致力于解释人工智能（AI）技术如何被用于游戏内与游戏上的教材。在导论章节结束后，《人工智能与游戏》介绍了AI与游戏中的背景技术与关键技术，以及Al如何被用于玩游戏、被用于为游戏生成内容以及为玩家进行建模。《人工智能与游戏》适用于人工智能、游戏设计、人机交互和计算智能的本科和研究生课程，也适合工业界中的游戏开发人员和从业人员用于自学。《人工智能与游戏》作者开发了一个网站（http：//gameaibook.org），这个网站为《人工智能与游戏》所涉及的材料进行了补充，包括新的练习、讲义幻灯片和阅读材料。

生成对抗网络（GAN）可以模拟任何数据分布方式，因而潜力巨大，为很多难以自动化的问题提供了解决途径。本书立足理论，着重实践，带领读者快速熟悉并上手GAN。本书首先介绍构建高效项目所涉及的概念、工具和库，然后利用不同类型的数据集，依次构建7个GAN项目，训练并优化GAN模型。这些项目涵盖了各种流行方法，包括3D-GAN、Age-cGAN、DCGAN、SRGAN、StackGAN、CycleGAN和pix2pix。

本书系统地介绍了机器人学的基础理论知识-重心放在机器人机构、规划与控制三个方面-为机器人学的入门教材-可纳入到机器人导论的范畴。 全书以现代数学分支之一——旋量理论为工具和桥梁-衔接全书知识体系。这既是书名定为《现代机器人学：机构、规划与控制》的主要依据-也是本书区别其他机器人导论类教材的重要特征。 全书总共13章-第1章为绪论。第2章主要介绍与机器人机构有关的若干基本概念-第3章作为全书的理论基础-详细讨论如何应用旋量理论构建刚体运动模型的过程；第4？7章主要讲述有关机器人运动学方面的基础内容-包括开链机器人正向运动学（第4章）、一阶运动学与静力学（第5章）、逆向运动学（第6章）和并联机器人运动学（第7章）。第8？11章主要讲述有关机器人动力学、规划与控制方面的基础内容-包括开链机器人动力学建模（第8章）、轨迹生成（第9章）与运动规划算法（第10章）以及经典的机器人控制方法等（第11章）。第12？13章主要介绍机器人的两种典型形态—操作手与移动机器人的基础知识与原理。此外-作为正文的补充-增加了4个附录内容-包括全书重要结论、刚体姿态描述方法、D-H参数法以及优化算法等。 本书可作为高年级机器人工程专业本科专业教材或研究生教材-也可作为相关科研人员与工程技术人员参考用书。

本书是人工智能技术的通识读本，全面展示人工智能技术的理论框架和应用价值，主要内容包括：人工智能的概况和发展历史，作为目前人工智能主流技术的深度学习及其基础神经网络技术，以及在人工智能技术发展过程中发挥了重要作用的人工智能方法，如专家系统、模糊技术、粗糙集、遗传算法和其他生物技术方法等。 本书主要面向非信息学科的大学生和研究生，为他们学习人工智能技术提供教学参考，也为他们今后继续在人工智能技术领域深入研学提供基础；同时本书也面向有一定教育背景的广大普通读者，力图为他们掀开门扉，一窥人工智能的神秘而有趣的世界。

这是一本从原理、算法、实现、应用4个维度详细讲解图神经网络的著作-在图神经网络领域具有重大的意义。 本书作者是图神经网络领域的资深技术专家-作者所在的公司极验也是该领域的领先者。本书是作者和极验多年研究与实践经验的总结-内容系统、扎实、深入浅出-得到了白翔、俞栋等多位学术界和企业界领军人物的高度评价及强烈推荐。 全书共10章： 第1～4章全面介绍了图、图数据、卷积神经网络以及表示学习等基础知识-是阅读本书的预备知识； 第5～6章从理论的角度出发-讲解了图信号处理和图卷积神经网络-深入剖析了图卷积神经网络的性质-并提供了GCN实现节点分类的实例； 第7～9章全面讲解了图神经网络的各种变体及范式、图分类机制及其实践-以及基于GNN的图表示学习； 第10章介绍了图神经网络的新研究和应用。

本书开门见山，直接帮助你准备好训练高效深度学习模型的环境，以完成各种计算机视觉任务。书中介绍了常见的深度学习架构，如卷积神经网络和递归神经网络；讲述了如何利用深度学习进行图像分类、图像检索、目标检测、语义分割等内容。读完本书，你将能够开发和训练自己的深度学习模型，并用它们解决计算机视觉难题。

内容介绍本书基于Python全面介绍了机器学习在信贷风控领域的应用与实践，从原理、算法与工程实践3个维度全面展开，包含21种实用算法和26个解决方案。 作者是智能风控、人工智能和算法领域的资深专家，曾在多加知名金融科技企业从事风控算法方面的研究与实践，经验丰富，本书得到了风控领域9位专家的高度评价。 全书一共8章，每个章节都由问题、算法、案例三部分组成，具有系统性和实战性。 第1-2章讲解了信贷业务的基础知识以及常用的规则引擎、信用评估引擎的建模方法。 第3章以项目冷启动为背景，讲解了风控领域应用广泛的迁移学习方法。 第4-5章介绍了幸存者偏差与不均衡学习中所使用的无监督学习与半监督学习方法。 第6章阐述了无监督的异常识别算法，该算法常用于数据清洗与冷启动项目，是反欺诈引擎中常用的个体欺诈检测方法。 第7章分享了一些经作者实践证明效果较好的模型优化方法，并对模型融合的思路进行了较为详细的介绍。 第8章重点讲解了知识图谱相关的复杂网络基础知识及网络表示学习方法，其中的社区发现算法常用于团伙欺诈检测。此外，本章中的部分方法对信用评估模型的优化也有很大帮助。

学习并精通任何一门学科无外乎要经过四个步骤：它是什么？它可行吗？怎么学它？如何学好它？机器学习也不例外，《快乐机器学习》就以这四个步骤来介绍机器学习。《快乐机器学习》第1章介绍“机器学习是什么”，即从定义开始，详细介绍机器学习涉及的知识、数据和性能度量。第2章介绍“机器学习可行吗”，即介绍机器具备学习样本以外的数据的能力。 第3章介绍“机器学习怎么学”，即介绍机器如何选择出*优模型。作者在这3章的写作上花费的时间*多，光这3章的内容就绝对会让读者有所收获。 第4~14章介绍“如何学好机器学习”，重点介绍机器学习的各类算法和调参技巧。 第15 章介绍机器学习中的一些非常实用的经验，包括学习策略、目标设定、误差分析和偏差与方差分析。作者写作本书的目的是深入浅出介绍机器学习，使看似复杂、晦涩的专业知识变得通俗易懂，让那些想入门的读者感觉门槛没有那么高，让有基础的读者感觉内容也很丰富。 为了达到这两个目的，本书用有趣的引言故事来激起读者的阅读兴趣，用清晰的思维导图来明晰结构，用自画图表来增强美感，用公式推导来讲透原理，达到趣、美、准、全，让每位读者从本书中获益，快乐地学习机器学习。《快乐机器学习》非常适合机器学习初学者、高校相关专业学生及有一定数学和统计学基础的高中生学习。

语音识别和人脸识别是人工智能（AI）领域中应用广泛的AI技术。本书抛掉繁杂理论，站在应用开发角度，以语音识别和人脸识别系统为例，手把手带领大家开发出一套商用AI识别系统。整套识别系统选用TI公司的CC3200芯片作为本地硬件核心，自主搭建服务器作为数据处理中转站，以百度开源SDK作为语音人脸识别的算法接口。本书的作者具有多年无线通信软硬件开发经验、高并发服务器开发经验及加解密算法开发经验。对于想要快速开发AI项目，却受困于算法层的开发爱好者、从业者，又或者是正在学习AI语音识别和人脸识别技术的读者，本书都是一本不错的指导书。 随书的源码、视频、套件都可以扫描封底二维码或通过https：//www.fengke.club/post/1840官网社区论坛获取。

《Python机器学习实战案例》基于 Python语言，实现了10个典 型的实战案例，其内容涵盖了机器学习的基础算法，主要包括统计学习基础、分类、贝叶斯网络、文本分析、 图像处理等机器学习理论。