随着互联网、物联网、云计算等技术的不断发展，许多领域都产生了大量的数据。利用机器学习技术分析海量数据，可以从数据中发现隐含的、有价值的规律和模式，进而用于预测并采取相应动作。在上述背景下，《实战机器学习（人工智能技术丛书）》从理论、技术和应用三个层面入手，全面讲解如何利用机器学习技术解决实际问题。《实战机器学习（人工智能技术丛书）》共分26章，内容包括机器学习解决问题流程、问题分析与建模、数据探索与准备、特征工程、模型训练与评价、模型部署与应用、回归模型、支持向量机、决策树、集成学习、K近邻算法、贝叶斯方法、聚类算法、关联规则学习、神经网络基础、正则化、深度学习中的优化、卷积神经网络、循环神经网络、自编码器、基于深度学习的语音分离方法、基于深度学习的图像去水印方法、基于LSTM的云环境工作负载预测方法、基于QoS的服务组合问题、基于强化学习的投资组合方法、基于GAN模型的大数据系统参数优化方法。《实战机器学习（人工智能技术丛书）》内容全面、示例丰富，适合机器学习初学者以及想要全面掌握机器学习技术的算法开发人员，也适合高等院校和培训机构人工智能相关专业的师生教学参考。

本书是一本区分统计数据挖掘和机器学习数据挖掘的图书。它创造性地汇编了数据挖掘技术，解决了对经典和现代统计方法框架的扩展，用于预测建模和大数据分析。SM-DM为数据挖掘领域新晋的数据科学家所面临的共同问题提供了适当的解决方案。它的展示侧重于数据科学家（通常被称为统计学家、数据采矿者和数据分析师）的需求，提供实用但又强大的、简单而又有洞察力的量化技术，其中大部分使用了新机器学习影响改进的“旧”统计方法。

时序逻辑是人工智能和计算机科学领域中的重要建模工具。随着时序逻辑的广泛使用，应用时序逻辑来对复杂系统进行推理和验证的算法也应运而生。其中最成功的方法之一就是Resolution算法，这也是本书的主题。 1965年美国数理逻辑专家鲁滨逊（J. A. Robinson）提出了一条Resolution推理规则，这标志着Resolution算法的起点。因其简洁性（整个推理过程中只使用一条推理规则）和便于机械操作的特点，Resolution算法得到了各国学者的重视，并且在各国学者的推动下发展得非常迅速。经过几十年的发展和持续的改进，到目前为止，Resolution算法在经典逻辑中已经趋于成熟。 本书主要聚焦Resolution算法在时序逻辑领域的研究，详细介绍了把Resolution算法从表达能力较弱的时序逻辑逐渐向表达能力较强的时序逻辑进行拓展和优化的研究成果。主要涉及以下几种时序逻辑： （1）线性时序逻辑（Propositional Linear-Time Temporal Logic） （2）计算树逻辑（Computation Tree Logic）和其扩展（Extended Computation Tree Logic） （3）交互时序逻辑（Alternating-Time Temporal Logic）

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。

《深度学习神经网络设计及案例研究》主要对深度学习神经网络模型的设计与应用进行研究。首先，对深度学习神经网络理论的发展历史、基本概念进行回顾。然后，对深度学习神经网络衍生出的反向传播神经网络、卷积神经网络、大内存存储与检索神经网络进行深入分析。通过20个实际应用案例，对不同结构深度学习神经网络的优缺点进行比较，总结这些神经网络在不同领域的应用优势。最后，给出所有应用案例的核心代码，方便读者在这些代码的基础上，完成相应深度学习神经网络模型的设计和重构。

《重塑学习：元认知潜能的聚变与升维》一书共九章：第一章讲述认知、元认知的定义及两者的区别；第二章指出元认知对于学习的价值；第三章阐述基于元认知的学习策略；第四章至地七章，分别为元认知学习法在语文、数学、音乐及美学这四门核心学科中的应用；第八章帮助学生掌握积极的情绪管理；第九章阐述元认知对于构建终生学习理念与行为习惯的作用。本书旨在改变从被动低效的刷题式学习，使学生通过主动探索，获得高效通达事物本质及规律的学习能力。

《人工智能与用户体验：以人为本的设计》结合人工智能崛起的大背景，讲述了如何从人机交互的角度来设计AI产品和服务，如何让AI真正赋能于人。只有真正对人们有用，AI才能迎来真正的春天。《人工智能与用户体验：以人为本的设计》是一本科普书，尤其适合对AI及其未来影响感兴趣的读者，包括涉及AI产品和服务的设计师和产品经理以及对AI感兴趣的未来学家和技术爱好者等。

本书的编程语言以MATLAB为主，分别从学习方式和理论知识两个方面来对机器学习（实现人工智能的方法）的算法进行分类介绍。通过阅读本书，读者可以对人工智能的子集——机器学习形成一个系统、全面、完整的认识，并且在今后的研究工作中逐步拓展，*终形成自己的体系。全书共6篇，分别为特征处理算法、分类和聚类算法、神经网络算法、优化算法、基于不同数学思想的算法以及集成算法，每一篇都对该类别中常见算法的思想、流程、核心知识和优缺点等内容进行了详细介绍，并通过实际的案例分析和代码展示，对算法的具体应用进行了完整解析。 本书适用的读者对象包括金融机构的量化投资经理、科研工作者、互联网企业的算法工程师、大中专院校相关专业师生，以及其他对实现人工智能的机器学习技术感兴趣的读者。

这是一本从工具、原理、算法3个维度指导读者零基础快速掌握目标检测技术及其应用的入门书。 两位作者是资深的AI技术专家和计算机视觉算法专家，在阿里、腾讯、百度、三星等大企业从事计算机视觉相关的工作多年，不仅理论功底扎实、实践经验丰富，而且知道初学者进入计算机视觉领域的痛点和难点。据此，两位作者编写了这本针对目标检测初学者的入门书，希望从知识体系和工程实践的角度帮助读者少走弯路。 第1~2章是目标检测的准备工作，主要介绍了目标检测的常识、深度学习框架的选型、开发环境的搭建以及数据处理工具的使用。 第3~5章是目标检测的技术基础，主要讲解了数据预处理和卷积神经网络等图像分类技术的基础知识。 第6章比较详细地介绍了香港中文大学的开源算法库mmdetection。 第7~10章详细地讲解了目标检测的概念、原理、一阶段算法、二阶段算法以及提升算法性能的常用方法。 第11章简单介绍了目标检测的相关案例（以工业为背景），以帮助读者构建一个更完整的知识体系。

智能体AlphaGo战胜人类围棋专家刷新了人类对人工智能的认识，也使得其核心技术强化学习受到学术界的广泛关注。本书正是在如此背景下，围绕作者多年从事强化学习理论及应用的研究内容及国内外关于强化学习的最近动态等方面展开介绍，是为数不多的强化学习领域的专业著作。该著作侧重于基于直接策略搜索的强化学习方法，结合了统计学习的诸多方法对相关技术及方法进行分析、改进及应用。本书以一个全新的现代角度描述策略搜索强化学习算法。从不同的强化学习场景出发，讲述了强化学习在实际应用中所面临的诸多难题。针对不同场景，给定具体的策略搜索算法，分析算法中估计量和学习参数的统计特性，并对算法进行应用实例展示及定量比较。特别地，本书结合强化学习前沿技术将策略搜索算法应用到机器人控制及数字艺术渲染领域，给人以耳目一新的感觉。最后根据作者长期研究经验，对强化学习的发展趋势进行了简要介绍和总结。本书取材经典、全面，概念清楚，推导严密，以期形成一个集基础理论、算法和应用为一体的完备知识体系。