《机器人学：机构、运动学、动力学及运动规划/机器人科学与技术丛书》系统地介绍了机器人学的基本理论与基础知识。全书共7章，包括机器人的发展简介、机器人机构、坐标变换、运动学、静力学、动力学和运动规划等内容。《机器人学：机构、运动学、动力学及运动规划/机器人科学与技术丛书》是作者在使用十几年的讲义基础上吸收新的研究成果编写而成的，涵盖了作者从事机器人教学近二十年的素材积累和理论理解。该书在写作上，力求理论阐述清楚，语言通俗易懂，理论与例题相结合，可作为机器人工程及相关专业本科生和研究生教材，也可以供从事机器人研究、开发和应用的科技人员学习参考。

刷卡机器人搭建与设计课程是一门结合了积木、电子元器件、刷卡编程的科技类课程，它以一次完成一个完整的作品为主导，在操作的过程中结合物理、科学、语文、数学等知识，充分培养孩子的动手能力、独立思考能力、逻辑思维能力以及想象力和创造能力。《刷卡机器人搭建与设计（1）/爱上机器人丛书》共15课，每课一个主题，每个主题制作一个作品。根据电子元器件的难易程度来不断地深入学习，从开始简单的机械搭建，到马达、LED灯的应用，再到学习触碰传感器、红外线传感器及蜂鸣器的原理，由浅入深，既可以让孩子玩得开心，又可以让他们潜移默化地学习到更多的知识，提高自身能力。《刷卡机器人搭建与设计（1）/爱上机器人丛书》非常适合对机械运动和程序编写感兴趣的小学生阅读，同时也适合希望培养孩子动手能力和逻辑思维的家长作为参考手册。

《编程机器人结构与程序设计（1）/爱上机器人丛书》利用单片机器材和图形化编程软件，通过15个案例，从易到难地帮助儿童学习有关电器、电子构造的相关理论，带领儿童认识器材及器材的使用方法，学习图形化编程软件的使用。在自主搭建及编程的过程中，锻炼儿童的动手能力、逻辑思维能力及自主设计能力，同时促进儿童空间智能的发展。《编程机器人结构与程序设计（1）/爱上机器人丛书》可作为小学高年级机器人课程或者机器人人门的初学者用书。学完《编程机器人结构与程序设计（1）/爱上机器人丛书》，读者能够掌握单片机的搭建技巧和程序的编写方法，自主搭建属于自己的机器人。

《编程机器人结构与程序设计（2）/爱上机器人丛书》利用单片机器材和图形化编程软件，通过15个案例，从易到难地帮助儿童学习有关电器、电子构造以及传感器的相关理论，带领儿童认识器材及器材的使用方法，学习图形化编程软件的使用。在自主搭建及编程的过程中，锻炼儿童的动手能力、逻辑思维能力及自主设计能力，同时促进儿童空间智能的发展。《编程机器人结构与程序设计（2）/爱上机器人丛书》可作为小学高年级机器人课程或者机器人人门的初学者用书。学完《编程机器人结构与程序设计（2）/爱上机器人丛书》，读者能够掌握单片机的搭建技巧和程序的编写方法，自主搭建属于自己的机器人。

本书主要讲述了深度学习中的重要概念和技术，并展示了如何使用TensorFlow实现高级机器学习算法和神经网络。本书首先介绍了数据科学和机器学习中的基本概念，然后讲述如何使用TensorFlow训练深度学习模型，以及如何通过训练深度前馈神经网络对数字进行分类，如何通过深度学习架构解决计算机视觉、语言处理、语义分析等方面的实际问题，最后讨论了高级的深度学习模型，如生成对抗网络及其应用。

《深度学习模型及应用详解》作者都是微软人工智能及研究院的研究人员和应用科学家，具有深厚的机器学习背景，在一线针对产品需求和支持的场景进行了大量的深度学习模型及算法的研究和开发，在模型设计、训练、评估、部署、推理优化等模型开发全生命周期积累了丰富的经验。 《深度学习模型及应用详解》分为4 部分，共13 章。其中第1 部分（第1、2 章）简要介绍了深度学习的现状、概念和实现工具。第2 部分（第3～5 章）以具体的实际应用展示基于深度学习技术进行工程实践和开发的流程和技巧。第3 部分（第6～12 章）介绍了学术界和工业界新的高阶深度学习模型的实现和应用。第4 部分（第13章）介绍了深度学习领域的一些前沿研究方向，并对深度学习的未来发展进行展望。 《深度学习模型及应用详解》面向的读者是希望学习和运用深度学习模型到具体应用场景的企业工程师、科研院所的学生和科研人员。读者学习本书的目的是了解深度学习模型和算法基础后，快速部署到自己的工作领域，并取得落地成果。

随着计算科学的快速发展，人工智能已为我们大家熟知。2017 年国务院正式印发《新一代人工智能发展规划》，明确了人工智能的国家战略地位，关于人工智能的科普、技术普及读物也已出现，但符合少年儿童认知的人工智能科普读物却一直是个空白。本书是面向少年儿童的人工智能科普读物，用轻松有趣的笔触和明确简洁的形式介绍人工智能的历史、现状及未来。本书写给6 岁以上、13 岁以下的青少年读者，深入浅出地介绍了人工智能的发展历史、人工智能的主要研究方向、技术实现流程及人工智能与未来社会的关系探索等。本书从科普和青少年教育的角度出发，培养孩子们对人工智能乃至新科技的认知，目的是让孩子们了解人工智能知识，建立正确的科技价值观和科学的方法论，为将来人工智能的研究和应用做好准备。

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前*流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。

本书由基础理论和应用实践两大部分组成，书中分析了计算学习理论及PAC可学习框架，剖析了PACBayes理论的内涵，并在阐述统计学习理论和支持向量机基本原理的基础上，论述了PACBayes边界应用于支持向量机算法的相关推论。 \n书中讨论了结合再生核希尔伯特空间和马尔科夫链蒙特卡洛方法，实现PACBayes边界的计算。 \n同时，介绍了目前各种机器学习算法上的PACBayes泛化误差边界，以及PACBayes理论在机器学习中的各种应用。 \n最后，将机器学习算法与PACBayes理论运用于Web文档评价、蛋白质预测、空气质量预测、京津冀一体化研究、高校科研人才评价、中国货币供应量等研究实例中。 \n本书具有较强的理论性和系统性，对重要的理论和方法进行了分析；同时具有较强的逻辑性，突出重点，条理清晰，由浅入深，从理论到实践。本书剖析了算法实现，给出了实验设计与结果，具有较强的实践特色。 \n本书可以作为计算机、信息科学等相关专业高年级本科生和研究生的参考书或教材，也可以作为教师、科研人员和相关培训机构的参考书。 \n本书定位于希望快速学习机器学习，人工智能，模式识别，计算学习理论的初、中级用户和自学者。 \n同时，本书对于机器学习、人工智能、模式识别等领域的研发人员也具有很好的参考价值。 \n\n

《强化学习（第2版）》作为强化学习思想的深度解剖之作，被业内公认为是一本强化学习基础理论的经典著作。它从强化学习的基本思想出发，深入浅出又严谨细致地介绍了马尔可夫决策过程、蒙特卡洛方法、时序差分方法、同轨离轨策略等强化学习的基本概念和方法，并以大量的实例帮助读者理解强化学习的问题建模过程以及核心的算法细节。 《强化学习（第2版）》适合所有对强化学习感兴趣的读者阅读、收藏。