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。

《电子制造业智能制造系统：工业互联应用下的自动化解决方案》一书，由理论概述篇、实践路径篇、案例解析篇三个部分组成。其中，理论概述篇包括工业4.0、5G时代、工业4.0与5G对制造企业的冲击和变革；实践路径篇包括智能制造及自动化解决方案、智能自动化方案的实施步骤、自动化解决方案的系统分类、智慧产权专利申请、智能制造与高新（国家）技术企业的推动；案例解析篇包括智能化生产及资源管理方式、创新突破的新科技应用、取代重复性基础劳动力。本书可供电机、电子、机械、自动化、计算机、工业工程规划相关专业学生阅读参考，并可用于从事电子制造业相关智能方案研发、设计、执行的新进人员参考，使企业提前把握对科技人力的需求，使学习与实践能更高效衔接。

在一个属于薛定谔的猫的时代，我们见证了谷歌的 “阿尔法狗（AlphaGo）”对人类智力的碾压、马斯克的“赛博朋克猪”思想的形状。在过去的几年里，人工智能正在各个领域以不同形式不断刷新我们对于机器的认知。乐观者表示，无论人工智能加持下的机器再怎样厉害，它也不过是我们人类的助手和工具；悲观者则表达了随着人工智能技术在生活中的深入应用与发展，人类有可能被机器所超越的担忧。而本书希望以一个尽可能理性、全面的角度，结合人工智能在艺术与设计领域的相关发展和应用，分析其对于我们生活所形成的影响和未来的发展走向。这其中既有反映人工智能对于设计效率提升、拓展思路、优化资源的作用，也有对其可能导致的失业率上升、人类自身创造力下降、艺术家与设计师身份重新定位等方面的思考。

认知的高度决定了你创造价值的高度，包括你对世界的认知及世界对你的认知。知识图谱与认知智能技术的发展，既孕育了圈层变更的机会，也带来了人、机器、企业如何协同与博弈的难题。 本书总计12章，从理论到产业应用对知识图谱与认知智能进行了介绍。第1～7章围绕知识图谱与认知智能的需求，以用户、设备、企业为中心，讲解知识体系建设、知识图谱构建、知识存储、知识推理的基本原理与关键技术。第8～12章讲解如何运用知识图谱与认知智能技术，构建产品化及系统化解决方案，以满足企业营销、服务、供应链、生产、运维、经营管理、数据交易等应用场景的业务需求。 读者通过本书可以了解企业认知智能的原理、应用方法、执行策略，以此构建企业认知博弈的优异策略。企业数据智能相关从业者可以参考本书，构建以用户为中心的企业认知智能解决方案，通过人机协同的方式，实现对业务的认知与引导，并从业务演变中获益。此外，本书可以作为自然语言处理、知识工程、人工智能、社会计算等相关课程的教材。

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。

本书首先介绍深度学习方面的数学知识与Python基础知识，线性模型中的线性回归模型和logistic模型；然后讲述正向传播算法、反向传播算法及深度神经网络的完整训练流程，输出层的激活函数和隐藏层的常见激活函数，深度学习的过拟合和欠拟合，应对过拟合的方法，以及使用TensorFlow 2建立深度神经网络模型的步骤；接着介绍卷积神经网络及其两个重要的组成部分—卷积和池化，以及如何使用TensorFlow 2建立卷积神经网络；最后讨论如何从零开始实现循环神经网络，如何搭建深度学习框架，如何使用TensorFlow 2建立循环神经网络模型。本书既可供从事人工智能方面研究的专业人士阅读，也可供计算机专业的师生阅读。

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。