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

近年来，人工智能迅速发展，正在深刻改变人类社会生活、改变世界。为促进新一代人工智能健康发展，加强人工智能法律、伦理、社会问题研究，积极推动人工智能全球治理，新一代人工智能发展规划推进办公室成立了国家新一代人工智能治理专业委员会。本书是作者近年来的一系列思考结果，内容紧扣研究热点，从人工智能治理转型的挑战、机遇、风险等方面进行深入探讨，以期促进新一代人工智能健康发展，加强人工智能法律、伦理、社会问题研究，积极推动人工智能治理。

在当今这个时代，我们经常默认社会交往空间仅仅属于人类以及人际交往关系。然而机器人作为全新交往“伙伴”——不管是作为人类伙伴的替代还是补充——的出现，都在挑战着我们在各个层面上对自身作为个体和共同体成员的自我理解。本书就是在这些科技发展及其前景的大背景下，从哲学的角度，探索我们与这种全新类型的社交伙伴之间的相遇所涉及的的界限、潜力和挑战。社交机器人学的诞生以及它在未来的发展导向，都会对所有学术领域带来挑战。而由于这门学科不断地将技术和想象力推至极限，因此很多对它的短期和长期应用，以及这些应用的语境都只是概念性的。当然这并不意味着它们是不相关的内容。恰恰相反，我们必须不断地去思考这些带来潜在风险的技术的界限、潜力和挑战，并以此来勤勉地保障所有利益相关方都能繁荣发展；这些利益相关方既包括个体，也包括公司和机构，甚至包括社会和人类整体。

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。

本书介绍如何构建完整的机器学习流水线，从而在生产环境中准备数据以及训练、验证、部署和管理机器学习模型。你将了解机器学习流水线的每个环节，以及如何利用TensorFlow Extended（TFX）构建机器学习流水线。模型的生命周期是一个闭环，其中包括数据读取、数据校验、数据预处理、模型训练、模型分析、模型验证、模型部署、模型反馈等环节。你将学习如何利用Beam、Airflow、Kubeflow、TensorFlow Serving等工具将每一个环节的工作自动化。学完本书，你将不再止步于训练单个模型，而是能够从更高的角度将模型产品化，从而为公司创造更大的价值。

《计算机视觉技术：事件相机原理与应用》是一本关于事件相机原理基础的入门类图书。主要从计算机视觉技术的基础和相关数学基础开始讲解，对事件信息的编码、事件的卷积（普通卷积、稀疏卷积、图卷积、3D 卷积）分别进行了生动的介绍，最后又通过三个章节，对基于长短期记忆网络（LSTM）、脉冲神经网络（SNN）、生成对抗网络（GAN）的事件处理的原理和方法做了解读。 本书图文并茂，文字生动有趣，内容浅显易懂，并配有较多例题和习题，以便读者理解和巩固，适用于对事件相机方向感兴趣的技术人员阅读，同时也可供计算机视觉方向的初学者阅读和学习。

本书系统介绍了经典的机器学习算法，并通过实践案例对算法进行解析。 本书内容包含三部分： 第一部分（第1章和第2章）为入门篇，着重介绍Python开发基础及数据分析与处理；第二部分（第3章和第4章）为基础篇，着重介绍机器学习的理论框架和常用机器学习模型；第三部分（第5～11章）为实战篇，介绍经典机器学习算法及应用，包括KNN分类算法、KMeans聚类算法、推荐算法、回归算法、支持向量机算法、神经网络算法以及深度学习理论及项目实例。 本书力求叙述简练，概念清晰，通俗易懂。书中的案例选取了接近实际应用的典型问题，以应用能力、创新能力的培养为核心目标。 本书可作为高等院校计算机、软件工程、大数据、通信、电子等相关专业的教材，也可作为成人教育及自学考试用书，还可作为机器学习相关领域开发人员、工程技术人员和研究人员的参考用书。