全书共分6章。第1章 深度学习理论基础，阐述了人工智能、机器学习、深度学习理论、技术和方法以及三者之间的关系。第2章 人工神经网络模型，总结介绍了神经网络的架构、类型、工作原理和优化训练方法。第3章 卷积神经网络，分析论述了深度学习的典型算法——卷积神经网络的构成、机理、发展和应用，探讨了深度学习的前沿模型——图卷积神经网络和图注意力网络的机制、优势和实现方法。第4章 海洋硬目标检测DL模型构建，将深度学习引入到海洋目标检测领域，基于CNN构建了针对硬目标检测的深度学习模型——OceanTDAx系列模型，并对模型进行训练、优化和评估，在此基础上采用所构建的模型进行海洋目标检测实验。第5章海洋分布目标检测DL模型构建，构建了针对海洋分布目标检测的深度学习模型——OceanTDLx系列模型，并对模型进行训练、优化和目标检测实验。第6章基于多核并行架构的海洋目标检测，设计了OISPMDA-FDB多核并行架构，实现基于CNN初检的CFAR海洋目标提取、卡方分布临界值海洋目标提取、基于loglogistic的海洋目标提取、基于伴方差修正模型的复杂海况的海洋目标提取，共执行了4类30个海洋目标参数并行提取实验。

本书从计算思维的角度出发，以人工智能相关问题为引导，在解决实际案例问题的过程中植入知识点，为各专业的学生在今后设计、构造和应用各种计算系统，求解本学科的问题奠定基础。全书内容包括计算与计算思维、程序设计与算法、人工智能与智能计算、网络与大数据这四大部分。本书适用于高等院校一年级新生的计算机导论等信息技术类基础课程，可作为高等院校计算机基础课程的教材，也可作为“计算与人工智能概论”课程的教材，还可作为计算机基础培训的教材和自学参考书。

本书从强化学习的基础知识出发，结合PyTorch深度学习框架，介绍深度强化学习算法各种模型的相关算法原理和基于PyTorch的代码实现。作为一本介绍深度强化学习知识的相关图书，本书介绍了常用的强化学习环境，基于价值网络的强化学习算法和基于策略梯度的强化学习算法，以及一些常用的比较流行的深度强化学习算法（如蒙特卡洛树搜索）等。另外，还介绍了深度强化学习算法在实际问题中的一些应用。

Rasa是一款开源的对话机器人框架，能让开发者使用机器学习技术快速创建工业级的对话机器人。得益于丰富的功能、先进的机器学习能力和可以快速上手的特性，Rasa框架是目前流行的开源对话机器人框架。 本书首先介绍Rasa的两个核心组件――Rasa NLU和Rasa Core的工作流程；然后详细介绍通过使用Rasa生态系统从头开始构建、配置、训练和服务不同类型的对话机器人的整体过程，如任务型、FAQ、知识图谱聊天机器人等，其中包括使用基于表单（form）的对话管理、ResponseSelector来处理闲聊和FAQ，利用知识库来回答动态查询的问题等，以及自定义Rasa框架，使用对话驱动的开发模式和工具来开发对话机器人，探索机器人能做什么，并通过交互式学习来轻松修复它所犯的任何错误；最后会介绍将Rasa系统部署到具有高性能和高可扩展性的生产环境中，从而建立一个高效和强大的聊天系统。

强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法，以及策略梯度、近端策略优化、深度Q 网络、深度确定性策略梯度等常见深度强化学习算法的基本概念和方法，并以大量生动有趣的例子帮助读者理解强化学习问题的建模过程以及核心算法的细节。此外，本书还提供较为全面的习题解答以及Python 代码实现，可以让读者进行端到端、从理论到轻松实践的全生态学习，充分掌握强化学习算法的原理并能进行实战。本书适合对强化学习感兴趣的读者阅读，也可以作为相关课程的配套教材。

在大数据和人工智能时代，如何在享受新技术带来的便利性的同时保护自己的隐私，是一个重要的问题。《隐私计算》系统讲解了隐私计算的基础技术和实践案例，全书共有11 章，按层次划分为三部分。第一部分全面系统地阐述隐私加密计算技术，包括秘密共享、同态加密、不经意传输和混淆电路。第二部分介绍隐私保护计算技术，包括差分隐私、可信执行环境和联邦学习。第三部分介绍基于隐私计算技术构建的隐私计算平台和实践案例，隐私计算平台主要包括面向联邦学习的FATE 平台和加密数据库的CryptDB 系统等五个平台，以及隐私计算平台的效率问题和常见的加速策略；实践案例部分主要介绍包括金融营销与风控、广告计费、广告推荐、数据查询、医疗、语音识别及政务等领域的应用案例。此外，《隐私计算》还展望了隐私计算未来的研究和落地方向。在附录中介绍了当前新的中国数据保护法律概况。 《隐私计算》可供计算机科学、隐私保护、大数据和人工智能相关专业的学生，以及对隐私计算有兴趣的相关从业者阅读，也适合从事隐私保护相关研究的研究人员、法律法规制定者和政府监管部门阅读。

本书是以科普形式对军事智能进行深入探讨的有益尝试，将“技术体系与军事体系的相互影响”作为核心叙事逻辑，以具体战例和技术进展为支点，将军事智能涉及的感知、指挥控制、作战行动和军备控制等问题渐次展开、抽丝剥茧、逐步深入。本书不仅采用了更为网络化的语言，而且还结合音视频，构成了一部融媒体作品，以更为时尚的形式，来传播军事智能这一看似深刻的主题，将国防科技领域的科普作品变得更“潮”。

本书作为海洋大学核心通识课配套的教材建设项目，主要包括经典的人工神经网络和目前热门的深度学习网络，分为理论篇与实践篇。理论篇包括BP神经网络、径向基网络、自组织网络、反馈网络、不确定方法、深度卷积神经网络、深度学习循环网络等10章内容。实践篇主要是对理论篇介绍的各种网络的设计和应用。本书强调网络模型的理论基础，从数学的角度介绍网络的算法、分析网络的性能以及优化网络的应用。教材的读者主要是各高校相关课程的选课学生和教师，以及对神经网络和深度学习领域感兴趣的人员。

虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。本书是教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。它帮助读者快速从零开始构建一个真实示例：肿瘤图像分类器。在此过程中，它涵盖了整个深度学习管道的关键实践，包括 PyTorch张量 API、用 Python 加载数据、监控训练以及将结果进行可视化展示。本书主要内容：（1）训练深层神经网络；（2）实现模块和损失函数；（3）使用 PyTorch Hub 预先训练的模型；（4）探索在 Jupyter Notebooks 中编写示例代码。本书适用于对深度学习感兴趣的 Python 程序员。了解深度学习的基础知识对阅读本书有一定的帮助，但读者无须具有使用 PyTorch 或其他深度学习框架的经验。

人工智能博览会突遭袭击，被称为“洛神”的人工智能机器人失窃。以小海为核心的未来侦探团正式成立，他们的第一个任务就是找到失窃的人工智能机器人。他们在寻找行窃者的过程中，发现行窃者竟然也是一个人工智能机器人——杰克。未来侦探团的小伙伴们发挥聪明才智，克服重重困难，终于抓到了杰克，却发现背后的黑手另有其人。本书在有趣的漫画故事中融入了人工智能的相关知识，如机器学习、云计算、自动驾驶等，读者可以一边阅读漫画故事，一边开阔眼界，加深对人工智能相关知识的了解。