能够成功融入人类社会的机器人快要出现了吗？这样的机器人将如何改变我们与技术的关系？本书由机器人领域的两位者撰写，书中借鉴并分析了航空航天领域的案例，提出了表征环境无序程度的社会熵、构建基于共享数据的机器人安全报告系统以及搭建大规模的仿真试验场等创新性观点。作者强调未来机器人将不再是简单的工具，而是我们的合作伙伴，是真正的社交机器。全书重点从实践应用和用户体验的视角畅想人机协作的未来愿景，不展开讨论技术细节，适合所有对机器人及人工智能感兴趣的读者阅读参考。

本书分为三部分。第1部分将帮助你快速理解从数据中学习、深度学习基本架构、如何准备数据，以及深度学习中经常使用的基本概念。第二部分将重点介绍无监督学习算法。从自编码器开始，然后转向层数更深、规模更大的神经网络模型。第三部分介绍监督学习算法，你将掌握基本和高级深度学习模型的实现方法，并能够将这些模型用于分类、回归以及从潜在空间生成数据等应用场合。

数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下， 联邦学习（Federated Learning） 作为一种新兴的机器学习技术范式， 凭借其突出的隐私保护能力，展示出在诸多业务场景中的应用价值。本书从联邦学习的基础知识出发， 深入浅出地介绍了中央服务器优化和联邦机器学习的算法体系， 详细阐述了联邦学习中涉及的加密通信模块的相关知识， 以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系， 还延伸介绍了提升联邦学习服务质量的方法， 并对联邦学习的研究趋势进行了深入探讨与分析， 可以对设计和选择算法提供工具式的参考和帮助。本书是高校、科研院所和业界相关学者研究联邦学习技术的理想读本， 也适合大数据、人工智能行业的从业者和感兴趣的读者参考。

本书讨论了物联网的整个垂直技术栈，并着重讲解了数据聚合、处理、管理、分析和开发等方面技术，以及分布式信任、数据安全和隐私保护方面的z新发展。全书主要由技术和应用两部分组成。在第一部分物联网技术栈（第1章～第11章）中，讲解了物联网接入技术、边缘计算体系架构、数据交互、流式数据处理、机器视觉、数据表示与推理、众包等数据处理环节的各个方面，以及与物联网相关的安全、信任和隐私保护问题；第二部分为工业应用方面（第12章~第14章），重点介绍了物联网技术在医疗保健、能源、道路运输和空气质量等特定领域的应用方式，以及所带来的好处。最后讨论了物联网和相关技术的未来前景。 本书适合作为人工智能、数据安全相关专业高年级本科学员、低年级研究生的辅助教材，也可以作为相关领域技术开发者的自学参考用书。

人工智能无疑是近几年*火的名词之一。然而，究竟什么是人工智能？为什么说人工智能的终极目标是创造“生命”？目前人工智能的硅基生命之路遇到了哪些坎坷？人工智能的未来如何？不可否认的是，许多人了解人工智能是通过科幻电影。那么科幻电影对人工智能起到了怎样的普及和推动作用？《人工智能 ： 硅基生命的创造》将围绕这些问题，从独特的视角，为读者解读人工智能的秘密。

本书介绍了一系列结合人工智能技术处理网络空间安全问题的方法-包括处理网络威胁情报、为恶意软件提供战略防御机制、解决网络犯罪、评估漏洞-以及产生主动而不是被动的对策的人工智能方法。

本书以数字图像处理为基础，结合人工智能在电影特效制作中的应用进行编写，全书内容分为数字图像处理概论、人工智能在电影特效制作中的应用两大模块共12章。书中所有拍摄素材均为编著团队实地拍摄或代码运行所得，其中图像基础部分是数字图像处理课程的核心内容，包含丰富的教学案例，是重要的学习资料。

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。

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