本书通过深度学习实例，从可解释性角度出发，阐述深度学习的原理，并将图神经网络与深度学习结合，介绍图神经网络的实现技术。本书分为6章，主要内容包括：图片分类模型、机器视觉的高级应用、自然语言处理的相关应用、神经网络的可解释性、识别未知分类的方法——零次学习、异构图神经网络。本书中的实例是在PyTorch框架上完成的，具有较高的实用价值。本书适合人工智能从业者、程序员进阶学习，也适合作为大专院校相关专业师生的教学和学习用书，以及培训学校的教材。

全书分为4部分。第1部分对基础知识展开讲解，包括Linux基础和ROS入门。第2部分主要关注一个实际的机器人中的硬件和核心传感器模块的构造，重点讲解机器人上的传感器、差分底盘、树莓派主板开发方面的知识。第3部分是SLAM地图构建的核心算法，SLAM中的数学基础、基于激光的SLAM系统、基于视觉的SLAM系统、混合SLAM系统、新型SLAM系统。第4部分是自主导航相关的核心技术与应用，包括自主导航中的数学基础、基于地图的导航、基于环境探索建图的导航、强化学习在机器人导航中的应用。 通过阅读本书，读者不仅可以自己设计出一套SLAM导航机器人出来，还可以在软硬件结合的环境中提高自己的C++/Python/Java方面的编程能力，同时还可以接触到流行的SLAM算法的实际应用。

本书先从背景出发，阐述黑盒模型存在的问题以及不解决黑盒问题模型可能带来的后果，引出可解释机器学习的重要性；随后，我们从可解释机器学习的研究方向，分为内在可解释模型算法和模型事后解析方法两部分进行介绍，阐述不同模型的原理、应用及其可解释性。z后通过三个不同的应用场景，介绍在银行实战中的数据挖掘方法，由问题、处理方法出发，结合可解释机器学习模型结果，证明模型的有效性和实用性，期望读者通过对本书的阅读，可以更快更好的解决实际业务问题，而非纸上谈兵。业务场景均为业内的典型案例，希望能够对读者有所启发。同时，本书中还会有大量的公式与代码，保证内容的丰富与严谨，经得起推敲，使得读者知其然且知其所以然。

本书介绍了如何使用scikit-learn、TensorFlow等关键库来有效解决现实世界的机器学习问题。本书着重于实用的解决方案，提供多个案例，详细地讲解了如何使用Python生态系统中的现代库来构建功能强大的机器学习应用程序；还介绍了分类、聚类和推荐引擎等多种机器学习算法，以及如何将监督学习和无监督学习技术应用于实际问题；最后，介绍了强化学习、深度神经网络和自动机器学习等应用示例。本书适合数据科学家、机器学习开发人员、深度学习爱好者以及希望使用机器学习技术和算法解决实际问题的Python程序员阅读。

《工智能和蓝牙硬件开发实战》以作者在小米公司“探索和实践蓝牙设备结合人工智能，开发新一代智能蓝牙语音设备”为背景，以自己积累的智能蓝牙设备开发经验为基础，介绍了将蓝牙技术和人工智能技术相结合，开发智能硬件的方法与经验。《工智能和蓝牙硬件开发实战》共7章，分别介绍了蓝牙协议的发展历史、协议栈结构以及蓝牙5.2版本的发展动态；小米“小爱同学”使用的人工智能技术，以及小米公司AIoT的战略布局和发展情况；小米智能语音技术及其架构；小米自定义的蓝牙设备与主机之间进行通信的MMA协议；使用MMA协议进行开发实践（通过小爱耳机和小爱鼠标的实际开发来介绍）；在使用MMA协议进行蓝牙设备的功能开发时涉及的主要功能点；小米生态链企业、合作伙伴与小米一起发布智能产品的合作规范和流程。《工智能和蓝牙硬件开发实战》适合有兴趣了解蓝牙设备在人工智能领域中的应用，或者有兴趣从事相关产品开发和实践的蓝牙应用开发工程师、智能硬件开发工程师、蓝牙协议栈开发工程师阅读。

计费系统是 5G 网络的重要组成部分，对支撑各类 5G 业务的正常运行起着至关重要的作用。本书共 7 章，第 1 章介绍计费的诞生与发展，全面分析计费系统的由来及通用功能，让对计 费系统不熟悉的读者了解相关背景知识，便于顺利阅读后续章节；第 2 ～ 6 章阐述通信网络及其 计费系统的发展过程、业务支撑规范的演化、计费系统定位产生的调整与变化，重点介绍 5G 计 费系统支撑的新场景、计费的新模式以及采用的新技术，让读者对 5G 计费系统形成端到端的全 面掌握；第 7 章介绍典型的 5G 计费解决方案，通过 5G 赋能交通、电力、医疗等行业的典型案 例的介绍，分析 5G 价值变现的途径与模式，进一步强化读者对 5G 计费系统的理解。本书主要适合信息与通信技术从业人士阅读，也可以作为高等院校通信、计算机等相关专业 本科和研究生的参考书。

本书是在原书第1版的基础上，经过全面的修订、更新和扩展，保留了相同的可读性和解决问题的方法，同时介绍了新的素材和*新发展。全书分为5个部分，重点介绍了人工智能中常见的关键的技术。本书第1部分介绍了基于逻辑的方法，第2部分则重点介绍了基于概率的方法，第3部分介绍了新兴的涌现智能，探讨了基于群体智能的进化计算及其方法。接下来是*新的发展，第4部分详细介绍了神经网络和深度学习。本书*后一部分重点介绍了自然语言理解。

《TensorFlow知识图谱实战/人工智能技术丛书》介绍TensorFlow构建知识图谱的核心技术，帮助读者掌握使用深度学习构建知识图谱的方法，以及使用神经网络的技术要点和基于深度学习的应用程序编写技巧。大数据时代的到来，为人工智能的飞速发展带来未有过的数据红利。在大数据的“喂养”下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。《TensorFlow知识图谱实战/人工智能技术丛书》是一本讲解如何使用TensorFlow2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。《TensorFlow知识图谱实战/人工智能技术丛书》分为13章：第1章从搭建环境开始，包含TensorFlowCPU版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习；第2-4章介绍TensorFlowAPI的使用；第5章是DatasetAPI，学习使用原生API处理数据的方法；第6～8章是实战准备部分，介绍ResNet模型、词嵌入（word embedding）模型、情感分类；第9～10章在“注意力模型”基础上搭建了“编码器模型”；第11～13章搭建了知识图谱联合抽取模型，利用《TensorFlow知识图谱实战/人工智能技术丛书》所学知识实战知识图谱的搭建过程和性能提升方案。《TensorFlow知识图谱实战/人工智能技术丛书》内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。

通常来说，人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的研究领域包括机器人、语音识别、图像识别、自然语言处理和专家系统等。 机器学习就是用算法解析数据，不断学习，对世界中发生的事做出判断和预测的一项技术。生活中很多机器学习的书籍只注重算法理论方法，并没有注重算法的落地。本书是初学者非常期待的入门书，书中有很多的示例可以帮助初学者快速上手。 本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的sklearn的学习，还要紧跟大数据时代的发展。 本书内容通俗易懂，案例丰富，实用性强，特别适合Python语言的入门读者和进阶读者阅读，也适合其他算法程序员和编程爱好者阅读。

金融科技是金融领域和人工智能、大数据、区块链密切结合的领域，属于这两个蓬勃发展学科的交叉研究，当前行业报告性质研究较多，但是具体技术研究较少，但金融科技所形成的投资浪潮以及应用浪潮已经切实改变了我们的生活，也在深度变革着当前的经济模式，本书就是在这个交叉方向进行探索和研究。在本书，我们首次提出了保险中的新的定价模式，颠覆了传统模式；同时我们提出了金融欺诈的新的方法，该方法已经在企业落地应用；此外，我们将强化学习应用于金融研究已经产生了诸多研究结果。书中介绍我们依托于大数据基础进行的几类大数据技术应用和人工智能融合的研究，它包括保险中的生理年龄概念、死亡率数据的处理和健康管理的应用；包括车联网中的机器学习和人工智能定损，以及自动驾驶的分析；包括提出的区块链应用场景、金融欺诈识别以及金融舆情分析和文本情绪识别等。书中内容大多是基于我们发表的论文成果进行丰富和体系化后组织形成的，也包括一些我们尚未公开的研究内容。这些研究都经过了实验室阶段的试验和验证，部分也通过和金融企业以及行业合作得到应用，但其距离商业化还需要对接和场景适应，这也恰是本书的目的，旨在推动金融和保险公司、行业以及监管机关重视大数据和人工智能技术，并准确把握自身在未来变革中的位置，应用并提升整体的效率