《人工智能——何时机器能掌控一切》共12章，从历史、社会、哲学和人文等多学科角度审视人工智能技术的过去、现在和未来；既涵盖了逻辑运算等经典的人工智能算法，又引入了量子计算等前沿的人工智能技术；既强调了人工智能对人类生活和社会各个方面的正面促进作用，又指出了其高能耗等缺点。 通过阅读《人工智能——何时机器能掌控一切》，零基础的读者可以快速了解人工智能的概念、历史和发展趋势；略知一二的入门者可以深入学习人工智能的常用算法和技术；经验丰富的从业人员则可以通过《人工智能——何时机器能掌控一切》的多学科视角更加全面地认识人工智能对于社会和历史影响。

本书是一本介绍智能运维的实战指南，聚焦实际应用场景，通过十余个实战案例，详细讲解每个场景中的痛点、适用的算法、试验和*终方案，系统介绍了AI技术在运维工作中的应用。本书内容分为3部分，第1部分是智能运维、人工智能的概念和发展趋势，包括第1、2章；第2部分是智能运维中需要用到的人工智能技术和算法，包括第3、4、5章；第3部分是智能运维实战案例，包括第6~11章。 本书适合从事企业数字化转型建设工作的一线从业者、管理者，尤其适合在ICT领域从事运维工作的人员学习。

《TensorFlow深度学习——手把手教你掌握100个精彩案例（Python版）（人工智能科学与技术丛书）》是一本系统论述TensorFlow编程的新形态图书（含纸质图书、程序代码及微课视频）。全书分为22章：第1～5章介绍了TensorFlow基础；第6～8章介绍了神经网络多层感知层编程；第9～12章介绍了人工智能数学；第13章介绍了存储和读取；第14章介绍了回归预测数据结果；第15～17章介绍了图形辨识和CNN；第18～20章介绍了CNN数学基础；第21～22章介绍了物体的影像辨识。为便于读者高效学习，快速掌握人工智能和机器学习编程与实践，该书提供所有实例的完整源代码，并配套制作了微课视频。《TensorFlow深度学习——手把手教你掌握100个精彩案例（Python版）（人工智能科学与技术丛书）》适合作为广大高校计算机专业相关课程的教材，也可以作为从事深度学习与机器学习技术开发者的参考用书。

《Python深度学习（第2版）》系统地讲解了机器学习、深度学习、强化学习理论知识，揭秘了各种神经网络架构如卷积神经网络、循环神经网络、长短期记忆网络和胶囊网络背后的原理和实际应用；讲解了如何使用高性能的算法和常用的Python框架来进行训练，以及如何解决计算机视觉、自然语言处理和语音识别等领域的问题；还讲解了生成模型方法以及如何使用变分自编码器和生成式对抗网络来生成图像；最后深入研究强化学习的新发展领域，并介绍了一些先进热门游戏Go、Atari和Dota背后的算法。学习完本书，读者可以精通深度学习理论及其在现实世界中的应用。 《Python深度学习（第2版）》一书面向数据科学从业者、机器学习工程师以及对深度学习感兴趣的读者，也适合作为高校计算机专业的教材使用。

从互联网，到移动互联网、云计算和大数据，全面云化的“云原生”时代已然来临。在云原生架构的助推下，数字化转型正在开启“第四次工业革命”。从蒸汽、电力到信息，进入到第四次工业革命，以大数据为驱动的人工智能技术是开发者的必备技能。作为《新程序员003：云原生和全面数字化实践》两大主题，“云原生时代的开发者”和“全面数字化转型”分别从观点、理论、思维、方法、案例等维度，通过50余位资深技术专家倾力创作，旨在为技术管理/决策者提供前沿产业分析和管理方法，以及为初、中、高级程序员/开发者提供科学思维和一线实操经验。本书以音视频、图文等丰富形式为载体，纸书+电子书同步发行，满足读者在各种场景下的视听需求。 读者对象：本书高屋建瓴的产业分析和趋势预判适合技术管理/决策者参考。同时，资深专家的方法经验也为初、中、高级程序员/开发者提供了可借鉴的专业路径。 一句概要：成就云原生时代的数字化转型开发者 两大主题：云原生+数字化转型 三种呈现：文+图+视频 四维输出：观点+理论+方法+实践

本书是一本创建真实世界智能系统的问题解决指南。提供了一种包含概念、实践、实际示例和代码示例的综合方法，教给读者理解和解决机器学习不同问题所需的重要技能。通过介绍Python机器学习生态系统中的真实案例研究，教授成为一个成功的实践者所必需的机器学习技术。本书还侧重于机器学习的基础知识，以解决不同领域的真实世界案例，包括生物医学信号分析、医疗保健、安全、经济和金融。此外，它涵盖了广泛的机器学习模型，包括回归、分类和预测。

作为一门应用型学科，机器学习植根于数学理论，落地于代码实现。这就意味着，掌握公式推导和代码编写，方能更加深入地理解机器学习算法的内在逻辑和运行机制。本书在对全部机器学习算法进行分类梳理的基础之上，分别对监督学习单模型、监督学习集成模型、无监督学习模型、概率模型四个大类共26个经典算法进行了细致的公式推导和代码实现，旨在帮助机器学习学习者和研究者完整地掌握算法细节、实现方法以及内在逻辑。

《智能制造》从研发的思想出发，介绍智能制造涉及的多个关键技术，包含智能建模、智能优化、智能仿真、智能编程、智能维护、智能制造可靠性、智能物流等多方面内容。该书重点突出智能制造的系统性及其理论方法与应用的可操作性。书中给出大量应用实例及其测试数据和测试过程，以供读者参考。《智能制造》具有一定的理论深度，涉及的知识面较广，但在编写时也兼顾了初学者，可作为高等院校相关专业高年级本科生及研究生的教材，也可作为智能制造行业的科研或工程技术人员的参考书。

《Python 自然语言处理入门》是一本使用 Python 解释在人工智能领域备受关注的自然语言分析方法的入门书，内容涵盖“检索技术”“实体提取”“关系提取”“语素分析”和“评估 / 情感 / 概念分析”等自然语言处理中的常用知识，同时对传统技术和引入了 AI 新技术的特点作了对比。全书以一线 AI工程师的实际项目经验为后盾，对自然语言处理的要点进行了归纳总结，并介绍了使用 Python 程序、API、商业服务（IBM Watson）和 OSS（MeCab / Elasticsearch / Word2Vec）等进行自然语言处理的实用方法，在最后一章中，还介绍了 BERT 的相关内容，特别适合想学习自然语言处理的理工科学生和人工智能工程师进行参考和学习。

《联邦学习原理与应用》既是关于联邦学习技术和实践方法的介绍，又是关于联邦学习在业界，特别是金融科技行业应用实践的案例展示。 第1章介绍联邦学习的发展背景和历程，以及金融业中数据共享的机遇和挑战。第2章~第5章介绍不同类型的机器学习方法在联邦学习模式下的实现，以及关键算法原理。第6章介绍联邦学习开源框架FATE的架构和部署，以及在金融控股集团内大数据平台上建立跨机构统一数据科学平台的实施方案。第7章从建模者的角度展示了典型建模流程的实战过程。第8章和第9章结合金融相关行业的实践，以多个应用案例和解决方案的形式，介绍联邦学习在营销运营和风险管理等不同业务方向上不同层次的应用实践。第10章从人工智能的不同方向介绍联邦学习应用扩展及前景。附录介绍了联邦学习框架中相关的密码学工具。 《联邦学习原理与应用》适合隐私保护计算研究者（特别是联邦学习技术的研究者）、大数据和人工智能方向的开发者及大数据相关的应用人员阅读参考。《联邦学习原理与应用》为希望使用大数据技术和从事数据分析挖掘的业界人员提供了新的思路和视角。