内 容 提 要 随着人工智能技术的进步和消费金融行业的快速发展，智能风控已经成为金融行业的刚性需求。本书围绕智能风控的关键环节一一展开，同时结合具体的智能风控实例进行解析。本书共6章，主要内容包括智能风控的发展，搭建智能风控模型体系，搭建风控特征画像体系，搭建智能风控策略体系，智能风控与人工的结合，以及智能风控管理。本书适合银行、消费金融与保险等领域信贷风控模型开发人员、特征挖掘人员和策略分析人员，以及金融科技领域从业者、咨询行业从业者和其他对智能风控感兴趣的人阅读。

本书系统讲述智能现象的简要历史。全书共分为1 0章。第1章介绍本书的写作背景、 对智能的不同定义、 围绕智能现象的问题、 本书对智能现象的新假说;第2章介绍宇宙从无到有的过程、 不安分的宇宙、 改变以稳定宇宙;第3章介绍物理学中的智能现象、 重力智能、 重力和暗能量、 最小作用量原则、 量子隐形传态;第4章介绍化学的简要发展历程、 耗散结构、 熵增、 z大熵产生;第5章介绍生物学中的智能现象、 生命的定义、 生命为什么存在、 微生物中的智能、 植物中的智能、 动物中的智能;第6章介绍大脑中的新皮质结构、 人类特殊的思维方式、 关于大脑的理论、 信息过载与信息茧房;第7章介绍1 9 5 0年以前的智能机 器、 人 工 智 能 的 诞 生、 符 号 主 义、 联 结 主 义、 行 为 主 义、学派之争与统一、 通用人工智能、 智能的本质和智能科学;第8章回顾人类科技历史中涉及的几个重要因素， 介 绍 促 进 宇 宙 稳 定 的 技 术 发 明、 物 质 网 联、 能 源 网 联、信息网联、 获取智能、 基于智能 网 联 的 自 动 驾 驶、 基 于 智 能 网 联 的 集 体 强 化 学 习、对智能的数学建模;第9章介绍元宇宙的背景、 元宇宙的概念与特征、 元宇宙涉及的主要技术、 元宇宙的演进;第1 0章给出了本书的总结与未来展望。 本书是科普读物， 也可以作为人工智能学习、 研究、 开发的参考用书。

人工智能应用已经遍及各行各业，而机器学习和深度学习作为其中的重要组成部分也越来越火热。《PyTorch深度学习模型开发实战》就以近年来非常流行的Python 机器学可库 PyTorch为工目。对深度学习中的迁移学习、图像分类、物体检测、语义分割、姿势识别、图像生成、异常检测、自然语言处理以及视频分类等各种任务进行了详细讲解及深度学习模型的编程实现。这些任务都是为帮助读者积累实践经验，以便能在实际开发中灵活运用深度学习技术精挑细选出来的。读者只要亲自动手，依次对各种任务进行编程实践，并彻底理解其中的原理，就一定能逐步掌握复杂深度学习的应用方法。 《PyTorch深度学习模型开发实战》 内容丰富全面，讲解通俗易懂，特别适合作为有一定基础的AI工程师提升技能、中高级机器学习/深度学习工程师巩固相关基础的参考书籍。

《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》从环境的搭建和TensorFlow 2.X 的基础语法讲起，逐步深入到计算机视觉领域的算法模型理论与实战应用，并重点讲解了如何使用TensorFlow 2.X 框架实现各类经典的深度学习模型，让读者可以系统地学习TensorFlow 2.X 在计算机视觉领域的相关知识和实战应用。 全书共13 章，涵盖的主要内容有Anaconda环境配置、JupyterNotebook使用、神经网络模型和用Python从零实现神经网络、TensorFlow 2.X 的基础语法、图像分类的算法模型理论和实战、迁移学习技术实战、目标 检测的算法模型理论和实战、自编码器的算法模型理论和实战、生成式对抗网络的算法模型理论和实战、基于 深度学习的指纹识别技术实战、基于摄像头的指定物体实时预测、基于 Linux 平台下的深度学习模型网页部署、基于exe 程序的深度学习识别系统以及自动机器学习的理论与实战等。 《深度学习实战：基于TensorFlow 2.X 的计算机视觉开发应用》内容通俗易懂、案例丰富、实用性强，特别适合机器学习、深度学习、Tensorflow2.X框架和计算机视觉领域的入门读者阅读，也适合Python 程序员等其他编程爱好者阅读。另外，本书也可作为相关院校或培训机构的教材使用。

本书是一本研究机器人结构与智能化应用的科普书。主要内容包括：机器人学概论、机器人的机械结构分析、机器人智能化应用之移动机器人、机器人学习原理与智能化典型应用、当前技术水平下的机器人创新应用实践、工业机器人与智慧工厂、机器人应用与智能化农业、智能机器人的未来应用方向。本书主要面向机器人爱好者或具有机械电子、人工智能等专业的致力于机器人研究的读者，既可以作为兴趣爱好读物，也可以供其他相关领域的工程技术人员研究参考。

《图机器学习》详细阐述了与图机器学习相关的基本解决方案，主要包括图的基础知识、图机器学习概述、无监督图学习、有监督图学习、使用图机器学习技术解决问题、社交网络图、使用图进行文本分析和自然语言处理、信用卡交易的图分析、构建数据驱动的图应用程序和图的新趋势等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。

随着人工智能的飞速发展，人工智能赋能教学取得长足发展。本书通过对国内外人工智能教育应用案例的分析，阐明多模态学习分析、适应性反馈、人机协同等正成为当下人工智能教育的主要应用范畴。人工智能依据学情感知对学习做出智能评估和预测，可为学习者的适应性学习提供技术性支持与保障。本书还以IBMWatson系统的应用为例，阐述了人工智能教育应用与新时代育人目标相契合，正在推进学生核心能力的发展。

本书融合了统计机器学习和数字信号处理方面的知识，详细描述了相关的数学基础和算法，以扎实的、逐步推进的方式引入并讲解概念，以便在实际的软件应用中实现这些想法和算法。对于我们面临的实际问题，书中提供了技术背景，解释了为什么某些方法（而不是其他方法）能够成为最佳实践；而对于新的问题，书中则提供了框架，教会你如何进行思考和寻求解决之道。 本书适合有信号处理背景，并且有意深入学习和应用机器学习的读者阅读。

本书主要介绍知识系统、知识服务、知识管理及知识工程的相关内容，共三个部分。第一部分主要介绍知识系统与知识服务，这部分从知识的定义出发，阐述知识服务的产生及与知识系统的关系，并详细介绍了四种典型的知识系统，着重介绍其发展历史、种类特征和体系框架等。第二部分主要介绍知识管理与知识工程，这部分内容围绕知识管理展开，涵盖知识管理的产生与发展、关键技术、系统类型及常用的知识管理平台等。第三部分重点分析当前知识系统中的重点、难点和关键技术，并且详细介绍作者科研团队在知识鉴别、知识分析、知识导航、专家推荐及知识云等方面的**研究成果。与此同时，本书还介绍作者科研团队提出的创新算法在知识系统中的应用，并以原型系统的形式予以展示。

暂缺简介...