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。

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。

本书只需要读者对物理和数学有基本的知识，内容涵盖：机器人学概论、工业机器人机构的基本特征；、机器人机构几何模型、机器人的运动学和动力学、机器人传感器和机器人轨迹规划、机器人视觉、执行器轨迹或力的基本控制方案；带有进给装置和机器人抓手的机器人工作单元。第二版在上一版的基础上扩展了新主题：协作机器人、移动机器人和类人机器人。本书适用作为电气、机械、计算机、土木等专业的机器人学入门课程

本书研究了人类对视觉信息的表示和处理，并对视觉计算处理过程提出了全面的计算理论。全书立足于计算机科学、视觉神经科学和心理物理学的进展，是跨学科交叉研究的经典教科书，并对多个学科的研究都有深刻启发作用。特别值得一提的是，在近年深度学习的热潮之中，掌握本书介绍的视觉计算理论，对于在人工智能和计算机视觉领域内开展进一步探索是至关重要的。

本书为相关专业本科高年级学生、研究生和在政府机构或无人机行业从事研发工作的工程师提供了一个极好的体验式学习、能力增强和经验积累的技术参考指南。本书主要介绍垂直起降多旋翼无人直升机平台、无人机系统架构和与国家空域飞行融合的内容，包括无人机分类和相关飞行任务、监管和安全、认证和空中交通管理、综合飞行任务规划（包括自主容错路径规划和基于视觉的自动着陆系统）、飞行力学和稳定性，动态建模与飞行控制器开发。另外，还包括感知、探测和规避系统、飞行测试，包括安全评估检验和数据采集遥测、同步数据融合、已识别目标的地理定位等内容。

本书以有趣的案例和深入浅出的语言，直击AI的底层运行逻辑与核心原理，勾勒人工智能的全貌，以便读者掌握AI技术要点，打通AI的各种技术壁垒，厘清不易察觉的“认知错误”，从而更好地认识正在运转的神秘AI世界。 本书共9章，逻辑上分为三部分。 第1～3章是人工智能的基础理论，通过生动、有趣的讲解，让读者知道支撑AI的基础学科如何起作用：如何基于统计学和概率论找到应对不确定性的有效方法与解题思路；如何基于数据统计的基础知识与原理避开数据“陷阱”，给出谨慎的主观结论；如何从数学视角理解信息的处理模型。 第4～7章讨论人工智能的核心技术——数据、算法、算力，详细介绍大数据是如何处理的，如何通过机器学习算法和深度学习算法让机器正确认识数据间的关联与规律，以及如何通过算力整合与软件协作实现更高效的智能。 第8～9章探讨一些人工智能安全话题——大数据“杀熟”、隐私计算、深度伪造技术、对抗样本攻击、数据投毒攻击、攻防博弈等，并展望人工智能的未来，包括：人工智能会抢走人类的工作吗？机器人会统治人类吗？通用人工智能会出现吗？未来到底会变成什么样子？

本书的重点是无人机系统设计的过程和方法，涵盖了机械和软件等其他关键学科，全面介绍工业级无人机系统设计。许多内容都是从第1人称视角呈现的。在本书的末尾，你将了解如何开发或精心选择多个子系统（“制造”或“采购”零部件）以获得完美无缺的系统（以无人机系统为例）。

本书融合统计学、语言学等知识，以“让计算机能够确切理解人类的语言，并自然地与人进行交互”为终极目标，研究能够实现人与计算机之间用自然语言进行沟通的系列理论与技术。本书兼具基础理论与编程实战，可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的实践教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等领域研究的相关人员参考，是一本实用性极强的入门实践教辅材料。

本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

数字化人机工程学是一门融合人体学、工程学、环境学、社会学和IT技术（含虚拟现实技术）的相关理论、方法及研究成果，为适应数字化设计制造领域在虚拟人机环境系统下进行人机工效量化分析的迫切需要而发展起来的综合性学科。全书共12章。第1章为数字化人机工程学概论；第2章介绍了人体特性参数（形态几何参数、物理参数、生理参数、电特性参数和振动特性参数等）；第3章介绍了人体的感知特征等；第4章介绍了人机系统作业空间、作业设施和人机界面的设计原理与原则；第5章介绍了人机环境系统的热舒适、振动舒适、光照和噪声等设计原则；第6章介绍了数字化虚拟人体模型及其建模方法；第7章介绍了数字化虚拟人运动模型建模与控制技术；第8章介绍了数字化虚拟人机工效的评价方法；第9章介绍了人机环境设计评估方法与标准规范；第10章介绍了面向数字化产品开发的数字化人机工程设计系统的基本要求、系统体系结构与工作流、系统构建策略与技术路线等；第11章介绍了载运工具汽车的概念设计（驾驶室空间设计、热舒适性设计等），以及拖拉机的驾驶室空间设计和振动舒适性设计；第12章介绍了DELMIA软件的应用案例。《数字化人机工程设计》可以作为高等学校制造业设计制造类（机械工程、工业设计、载运工具装备设计等）专业的本科高年级、研究生的人机工程设计教材，也可供工业工程专业领域的工作者，以及从事人机环境系统研发、生产运作与管理等工作的技术人员和管理人员学习参考。