本书基于备受读者推崇的王树森“深度强化学习”系列公开视频课，专门解决“入门深度强化学习难”的问题。本书的独特之处在于：第一，知识精简，剔除一切不必要的概念和公式，学起来轻松；第二，内容新颖，聚焦近10年深度强化学习领域的突破，让你一上手就紧跟最新技术。本书系统讲解深度强化学习的原理与实现，但不回避数学公式和各种模型，原创100多幅精美插图，并以全彩印刷展示。简洁清晰的语言+生动形象的图示，助你扫除任何可能的学习障碍！本书内容分为五部分：基础知识、价值学习、策略学习、多智能体强化学习、应用与展望，涉及DQN、A3C、TRPO、DDPG、AlphaGo等。本书面向深度强化学习入门读者，助你构建完整的知识体系。学完本书，你能够轻松看懂深度强化学习的实现代码、读懂该领域的论文、听懂学术报告，具备进一步自学和深挖的能力。

本书利用精美的插图和有趣的类比，对深度学习的主流技术和背后的原理进行了深入浅出的讲解，解释了什么是深度学习，深度学习流行的原因，以及深度学习与其他机器学习方法的关系。阅读本书，读者可以掌握卷积神经网络、循环神经网络、生成对抗网络和深度强化学习等热门技术，学习 TensorFlow、Keras 和 PyTorch 等热门工具的使用，同时能够更深刻地理解计算机视觉、自然语言处理和游戏等领域的人工智能应用。本书还提供了简单明了的示例和代码，能够帮助读者动手实践。

随着我国进入中国特色社会主义新时代，对社会治理能力提出了更高要求。因此，有必要依靠人工智能等新兴技术促进社会治理的发展，更好地解决新的历史背景下社会治理过程中的新问题。本书是作者们在近几年尝试运用人工智能解决教育管理信息化中痛点、难点问题研究的一个梳理，并为读者介绍了人工智能、大数据技术的相关概念，以及人工智能在教育治理中未来发展的展望。本书适合作为高等学校计算机专业高年级本科生和研究生的教材或相关科研工作者的参考，因此本书的出版具有重要的理论意义和实际应用意义。

一个万物互联的数字化世界正在悄然形成，不知不觉中，我们已经进入到了一个前所未有的数字化与智能化时代。 数智化时代对人类社会的改变是颠覆性的。半导体芯片技术的突飞猛进，使得万物皆可“数”；宽带泛在网络的普及应用，使得万物皆可“连”；云计算（算力）与人工智能（算法）的并行发展，使得万事皆可“算”。数据已成为新的生产要素，算法和算力已成为新的生产动力，机器智能将成为新的生产工具，数字经济、数字社会、数字生活和数字治理都将成为智能革命广阔的主战场。我们该如何认识并适应这个时刻变化中的世界？ 《图解数据智能》是一本为数字资源的对接方、分配方以及广大的入门学习者提供相关数据智能概念的科普读物。书中各个概念之间相对独立，读者可以将其作为一本检索用的工具书籍，也可以根据自己的兴趣灵活查阅相关篇章。 无论你是数智化领域的专业从业人员，还是刚刚毕业想要进入该领域的技术小白，抑或是正面临着数字化转型的政府或企业人员，或者是千千万万个生活在这个数智化社会中的普通人，都可以阅读此书，你将从酣畅淋漓的技术释疑和轻松有趣的漫画解读中，找到自己的答案。

机器人手册第1卷机器人基础》共分两篇，分别为机器人学基础和机器人结构。机器人学基础篇介绍了在模型、设计和控制机器人系统过程中用到的基本原则和方法，包括运动学、动力学、机构与驱动、传感与估计、运动规划、动作控制、力控制、机器人体系结构与程序设计、机器人智能推理方法。这些主题将被拓展和应用到特殊的机器人结构和系统中。机器人结构篇既阐述了机器人的性能评价与设计标准、模型识别，又介绍了运动学冗余机械臂、并联机器人、具有柔性元件的机器人、机器人手、有腿机器人、轮式机器人、微型和纳米机器人的结构。探讨了在实际物理实现过程中的设计、模型、运动计划和控制等问题。 本手册内容深入浅出，并附有大量的科研实例，便于自学和应用，可作为机器人、人工智能、自动化控制以及计算机应用等专业科研人员、高校师生的参考用书，也可作为相关专业本科生或研究生的参考教材，还可供机器人业余爱好者参考

《机器人手册第2卷 机器人技术》共分3篇，详细介绍了机器人的传感与感知、操作与接口、移动式和分布式机器人技术。 传感与感知篇介绍用于生成机器人模型及外部环境的机器人的不同感觉形态和跨时空传感数据整合。包括力和触觉传感器、惯性传感器、全球定位系统和里程仪、声呐感测、距离传感器、三维视觉及识别、视觉伺服与视觉跟踪、多传感器数据融合。 操作与接口篇介绍了机器人与物体之间，机器人与人之间，机器人之间的交互。涵盖了面向操作任务的运动、接触环境的建模与作业、抓取、合作机械手、触觉学、遥操作机器人、网络遥操作机器人及人体机能增强型外骨骼。 移动式和分布式机器人篇介绍了轮式机器人运动控制、运动规划和避障、环境建模、同时定位与建图、基于行为的系统、分布式和单元式机器人、多机器人系统及网络机器人技术。

本书在理解算法如何工作和如何更好地调整模型之间架起一座桥梁。本书将帮助你掌握开发主要机器学习模型的技能，包括监督和无监督学习（其中包括线性/对率回归）、决策树、随机森林、梯度提升机（GBM）、神经网络、k均值聚类、主成分分析和推荐系统。你将通过应用于文本挖掘的CNN、RNN和Word2vec接触到*新的深度学习，并学习相关理论和案例研究，如情感分类、欺诈检测、推荐系统和图像识别等，以便获得工业中使用的绝大多数机器学习算法的*佳理论和实践。除了学习算法，你还将接触到在所有主要云服务提供商上运行的机器学习模型。本书适合从事AI行业的工程师，以及希望从事数据科学工作的IT人员阅读，并可以供数据科学家工作时参考使用。

暂缺简介...

本书由人工智能学科应用导入，涵盖人工智能全部前沿应用，从了解体验到应用创新、从原理认知到互动实践，希望通过此书能激发孩子的求知欲，打开孩子的未来视野。全书内容分为十四章，包括语音合成、语音识别、人脸识别、文字识别、语义翻译等人工智能基础内容。 适合中小学生及教师使用。

机器学习系统既复杂又独特。复杂是因为它们由许多不同的组件组成，并涉及许多不同的领域。之所以说独特，是因为它们依赖于数据，不同用例之间的数据差异很大。在本书中，您将学习一种整体的方法来设计可靠、可伸缩、可维护的ML系统，并能适应不断变化的环境和业务需求。作者Chip Huyen是Claypot AI的联合创始人，她考虑了每个设计决策——比如如何处理和创建训练数据，使用哪些功能，多久再训练一次模型，以及监控什么——在它如何帮助整个系统实现其目标的背景下。本书中的迭代框架使用了大量参考文献支持的实际案例研究。