随着社会数字化和信息化的程度越来越高，数据资源作为一种互联网时代的新能源所表现出的数据流动价值越来越得到人们的重视。在大数据背景下，机器学习技术正被广泛应用在各个领域，充分发挥数据的价值。与此同时，在对数据隐私的担忧声中，政府开始行动制定数据使用合规法案。传统的机器学习方法受到了制约，大量的数据因为需要依法保护而无法被联合在一起进行建模，隐私保护机器学习的概念应运而生。本书将介绍隐私保护机器学习的原理、方法和应用，主要介绍机器学习和隐私保护技术的基础知识，并讲解隐私保护机器学习的应用，包括隐私求交、安全多方计算、线性模型、树模型、神经网络。同时本书还介绍隐私保护机器学习的具体应用场景，深入讲解其技术原理。本书既适合隐私保护机器学习领域的从业者阅读，也可供高等院校相关专业的本科生、研究生学习参考。

本书分为三个部分：基于知识图谱和神经网络的构建部分；结合知识图谱和神经网络的混合体系结构；实际应用部分。在三个部分中，主题通常是独立的，允许读者快速、轻松地阅读所需的信息。本书的两个特点是实用性和拥有前沿信息。书中准确地演示了如何创建和使用上下文表示，对意义嵌入和知识图谱嵌入有着明确的处理方法，解释了使用它们的语言模型和Transformer体系结构。

本书由近几年发表在各类顶 级期刊和国际会议/研讨会上的论文集结而成，囊括国内外深度学习研究者的成果。本书关注经典的稀疏/低秩模型与强调问题特定的先验性和可解释性的深度网络模型的集成，从而提高模型的学习能力和可解释性，同时更有效地利用大数据。书中展示了深度学习工具箱与稀疏/低秩模型和算法的紧密联系，并介绍了这些技术在维度约简、动作识别、风格识别、亲属关系理解、图像除雾以及生物医学图像分析等方面的成功应用。本书适合有一定基础的读者阅读，可扩展关于理论和分析工具的研究思路，并为深度模型的架构和解释提供有益的指导。

人工智能正在成为全世界产业变革的方向，处于第四次科技革命的核心地位。计算机视觉（Computer Vision）就是利用摄像机、算法和计算资源为人工智能系统按上“眼睛”，让其可以拥有人类的双眼所具有的前景与背景分割、物体识别、目标跟踪、判断决策等功能。计算机视觉系统可以让计算机看见并理解这个世界的“信息”，从而替代人类完成重复性工作。目前计算机视觉领域热门的研究方向有物体检测与识别、语义分割、目标跟踪等。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》围绕着计算机视觉的关键技术，介绍基于深度学习计算机视觉的基础理论及主要算法。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》结合常见的应用场景和项目实例，循序渐进地带领读者进入美妙的计算机视觉世界。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》共分为11章，第1章为人工智能概述；第2～5章介绍计算机视觉的几种关键技术，即图像分类、目标检测、图像分割和目标跟踪，并将这四项关键技术组合完成人工智能的实际应用；第6、7章介绍人工智能的两个典型应用：文字检测与识别系统及多任务深度学习系统；第8章介绍一种非常有意思的深度学习网络——对抗生成神经网络；第9章介绍制作训练和测试样本的方法；第10章介绍如何安装TensorFlow、KerasAPI及相关介绍；第11章介绍综合实验。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》提供了大量项目实例及代码解析，均是基于Python语言及TensorFlow、KerasAPI的。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》的每章均配有微课视频，扫描书中的二维码，可观看作者的视频讲解。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》不仅可以作为大学计算机及相关专业的教材，也适合自学者及人工智能开发人员参考使用。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》作者根据在计算机视觉领域多年的研发经验编写了《计算机视觉》一书。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》理论与实践并重，收集并整理了国内外的新科研成果，结合实际项目实例，循序渐进地引导读者进入美妙的计算机视觉世界，基于Python语言及TensorFlow、KerasAPI，配备了大量的源代码及代码解析，帮助广大初学者掌握计算机视觉系统的开发方法。《计算机视觉：Python+TensorFlow+Keras深度学习实战（微课视频版）》特点：项目带领，任务驱动教、学、做一体，注重读者工程实践能力的培养以读者认知过程为导向设计教材逻辑与章节内容介绍新近科研成果，使读者了解计算机视觉领域的前沿技术开源全套代码资源，配备详细视频讲解，助力初学者快速入门

本书是算法竞赛领域一本系统介绍竞赛的图书，书中不仅包含竞赛的基本理论知识，还结合多个方向和案例详细阐述了竞赛中的上分思路和技巧。全书分为五部分：第一部分以算法竞赛的通用流程为主，介绍竞赛中各个部分的核心内容和具体工作；第二部分介绍了用户画像相关的问题；第三部分以时间序列预测问题为主，先讲述这类问题的常见解题思路和技巧，然后分析天池平台的全球城市计算AI 挑战赛和 Kaggle 平台的Corporación Favorita Grocery Sales Forecasting；第四部分主要介绍计算广告的核心技术和业务，包括广告召回、广告排序和广告竞价，其中两个实战案例是2018 腾讯广告算法大赛——相似人群拓展和Kaggle 平台的TalkingData AdTracking Fraud Detection Challenge；第五部分基于自然语言处理相关的内容进行讲解，其中实战案例是Kaggle 平台上的经典竞赛Quora Question Pairs。 本书适合从事机器学习、数据挖掘和人工智能相关算法岗位的人阅读。

《户外未知环境中的自主移动机器人》探讨了户外自主移动机器人系统的很多方面，包括机构设计、运动控制、定位和制图等。首先，从户外移动机器人的运动机构开始讨论，通过移动性和可操纵性介绍和分析了具有柔性梁结构的轮式模块化移动机器人（CFMMR）原型；然后，引入了一个通用的协作运动控制和传感器架构，并定义了架构中每个子系统及其相应的设计要求，包括运动学控制子系统、动力学控制子系统和传感子系统；然后，讨论了如何设计这些子系统以满足机器人控制系统的设计要求，并详尽阐述了具体的算法且在CFMMR上进行了实验验证。 《户外未知环境中的自主移动机器人》针对户外未知环境中的自主移动机器人讨论架构和算法设计，希望激发自主移动机器人、人工智能甚至自动驾驶技术的研发人员去开展更多新的研究。

在本书中，作者先描述了人工智能的缺陷（一个关键的缺点是：它没有具象化），然后提出了一种制造类人机器人的不同方法：成长型机器人，它受到成长心理学及其对早期婴儿行为的描述的启发。他讲述了自己对iCub类人机器人的实验，以及它从新生儿水平到相当于9个月大的婴儿的能力水平的成长，解释了iCub如何从自己的经验中学习。

本书以工程实践为主线，基于TensorFlow 2.0软件框架详细介绍了深度学习的工作原理和方法，并以实际代码为例，剖析了构建神经网络模型的流程、全连接网络的运行原理、卷积神经网络的结构与运行机制、循环神经网络的结构与运行机制，讨论了使用Dense、Conv1D、Conv2D、SimpleRNN、LTSM、GRU、Bidirectional等深度学习模型解决计算机视觉、序列问题的方法，并在此基础上基于具体示例介绍了深度学习的高阶实践。 本书致力于为人工智能算法工程师及从事人工智能引擎相关工作的人提供理论与实践指导，适合对人工智能及其应用感兴趣的读者阅读。

本书首先以图文并茂的形式深入浅出地介绍了机器学习和深度学习的基本概念，阐明了机器学习和深度学习的本质是对待学习的函数进行拟合这一基本概念。通过介绍基础的线性回归、分类、逻辑回归等机器学习问题及其关系，建立机器学习与概率分布、贝叶斯理论、矩阵运算之间的关联，并以较为直观同时也兼具理论高度的方式引出逻辑回归与人工神经元之间的关联，从而为人工（深度）神经网络的引入做好铺垫。接着，本书从深度学习基本概念、典型模型和应用、反向传播算法、编程实现、训练技巧等方面较为详尽地介绍了深度学习的基础内容。最后通过介绍卷积神经网络、词嵌入、循环神经网络等典型的深度学习模型来进一步提升初学者对深度学习的认识。本书能够帮助中南大学以及其他高校的大数据专业、人工智能专业的本科生用最快的速度入门深度学习。

《人工智能发展报告（2020―2021）》是国家工业信息安全发展研究中心在对2020年全球人工智能技术和产业进行全面跟踪研究的基础上形成的研究报告。该报告重点阐述了国内外人工智能产业发展态势，概括总结了人工智能核心技术的进展及趋势，深入分析了全球人工智能在制造、医疗、交通等领域的融合应用现状，并详细介绍了全球人工智能投融资领域的发展情况。该报告还特别设立了人脸识别发展与监管、新冠肺炎疫情对我国人工智能产业的影响、中国―东盟人工智能产业发展与合作前景、欧盟人工智能监管政策走向及其应对分析、人工智能数据安全风险及对策研究和深度伪造安全检测技术等专题，展开深度分析研究。该报告观点鲜明、内容丰富、资料新颖、数据翔实，有较强的产业发展前瞻性和预测性，可为相关主管部门、行业协会、企业等全面了解人工智能发展形势及进行科学决策提供参考。