神经网络在深度学习和人工智能中发挥着非常重要的作用，其应用领域非常广泛，涵盖从医疗诊断、财务预测到机器诊断等多个领域。《神经网络设计与实现》旨在指导你以实用的方式学习神经网络。书中将简要介绍感知器网络，从而帮助你入门。然后，你将获得有关机器学习的见解，并了解人工智能的未来。接下来，你将研究如何使用嵌入来处理文本数据，并学习长短期记忆网络在解决常见自然语言处理问题中的作用。该书还将演示如何实现高级概念，包括迁移学习、生成对抗网络、自编码器和强化学习，以及有关神经网络领域新进展的更多内容。在完成该书的学习后，你将掌握构建、训练和优化自己的神经网络模型所需的技能，该模型能够提供可预测的解决方案。通过阅读该书，你将：●了解如何使用反向传播训练网络。●了解迁移学习的概念，以使用Keras和VGG网络解决任务。●探索如何加载和转换图像以用于神经网络。●掌握LSTM和NLP等高级、复杂的深度学习概念，以掌握新知识。●研究如何将神经网络应用于多个领域。●探索创新算法，例如生成对抗网络和深度强化学习。●解决神经网络开发面临的共同挑战。

随着人工智能技术的发展，人类对智能化服务更加渴望，聊天机器人成为研发热门之一。《智能聊天机器人：核心技术与算法》从聊天机器人所涉及的多个方面出发，先理论后实践，让读者不仅能了解其中的原理，还能自己动手编程。《智能聊天机器人：核心技术与算法》共9章，第1章以该领域的背景知识作为开篇，重点介绍了聊天系统中的主要模块；第2章阐述了语音识别和隐马尔可夫模型；第3章侧重于通用的自然语言处理技术；第4章讲解如何使用信息检索技术，来实现问答型的聊天系统；第5章介绍一些主流的机器学习算法，以及如何使用这些算法来提升基于信息检索的问答系统；第6章介绍推荐系统相关的知识以及常见的推荐算法，并将其应用到问答系统中；第7章介绍如何使用深度学习来优化问答系统；第8章讲述了聊天系统的前沿领域——知识图谱；第9章讨论任务型和闲聊型聊天系统中更有挑战性的几个课题。《智能聊天机器人：核心技术与算法》可为高等院校计算机科学、信息科学、电子工程和人工智能等领域的科研人员提供参考，也可作为相关专业本科生和研究生教学的参考书，对于从事深度学习及其应用的开发人员同样具有参考价值。

本书通过有趣的插图和简洁的文字带您漫步在人工智能的世界中，与您分享这个非fan工具带来的惊奇和震撼，同时帮助您了解它如何运行以及它的局限性。作者在每个章节都揭示了人工智能的某一特性，并充分评估了这一领域的种种可能性。作者还探讨了研究人员面临的挑战及社会人工智能问题等。

创新工场于2017年发起了面向高校在校生的DeeCamp人工智能训练营（简称DeeCamp训练营），训练营内容涵盖学术界与产业界领军人物带来的全新AI知识体系和来自产业界的真实实践课题，旨在提升高校AI人才在行业应用中的实践能力，以及推进产学研深度结合。本书以近两年DeeCamp训练营培训内容为基础，精选部分导师的授课课程及有代表性的学员参赛项目，以文字形式再现训练营“知识课程+产业实战”的教学模式和内容。全书共分为9章，第1章、第2章分别介绍AI赋能时代的创业、AI的产品化和工程化挑战；第3章至第8章聚焦于AI理论与产业实践的结合，内容涵盖机器学习、自然语言处理、计算机视觉、深度学习模型的压缩与加速等；第9章介绍了 4 个优秀实践课题，涉及自然语言处理和计算机视觉两个方向。本书适合AI相关专业的高校在校生及AI行业的工程师使用，可作为他们了解AI产业和开拓视野的读物。

本书全面介绍了图深度学习的理论基础、模型方法及实际应用。全书分为4 篇，共15 章。第1 篇为基础理论，重点介绍图和深度学习的基础知识，包括图的关键概念和属性、各种基础的神经网络模型、训练深度学习模型的关键方法以及防止训练过程中过度拟合的实用技术；第2 篇为模型方法，涵盖了从基本设置到高级设置的成熟的图深度学习方法，包括图嵌入、图过滤和池化操作、图对抗攻击和图对抗防御技术、可扩展性图神经网络的代表性技术以及图神经网络之外的众多图深度模型；第3 篇为实际应用，重点介绍了具有代表性的实际应用，包括自然语言处理、计算机视觉、数据挖掘、生物化学与医疗健康等；第4 篇为前沿进展，介绍了有可能成为将来研究热点的高级方法和应用，主要从表达性、深度、公平性、可解释性和自监督学习等内容。在组织结构方面，每章首先介绍写作动机，然后通过具体示例或技术细节介绍相应内容，最后提供更多的扩展阅读知识。本书既适合对数据挖掘、机器学习和社交网络分析感兴趣的本科生和研究生阅读，也适合企业开发者和项目经理阅读。对于没有计算机科学背景，但想要应用图神经网络来推进其所在学科发展的研究人员，本书同样是一本值得参考的读物。

本书由之江实验室人工智能社会实验研究中心集体出品，是关于“人工智能社会治理实践与研究”前沿性的科普性读物。书中阐述了开展“人工智能社会治理实践与研究”的背景与意义；详实生动地讲解了人工智能社会治理实践与研究就业、教育、医疗、交通、养老、文化等领域中的应用案例、重点关切内容和实施路径；并在综述人工智能技术发展及社会应用现状的基础上，从社会治理的角度分享了人类进入现代社会后一些经典的或具有前瞻性、启发性的社会实践与研究的案例；后，对人工智能社会治理研究的全球协同性进行了展望。

人类知识总量的快速增长与信息技术的发展加剧了知识碎片化问题。位置分散、内容片面、结构无序的碎片化知识限制了知识的可用性，成为新一代知识工程中的瓶颈问题。为此，《知识森林 ： 理论、方法与实践》提出一种新的知识图谱模型——知识森林，能够分面融合碎片化知识，又能体现知识主题间各类认知关系。《知识森林 ： 理论、方法与实践》共7章，第1章是知识森林的背景介绍，第2章介绍基本理论模型，第3～5章介绍知识森林构建的三个具体环节，第6、7章介绍如何利用知识森林进行导学以及知识森林的可视化技术。

《政策研究自动化关键技术研发与应用》主要从模型与方法、政策资源获取与结构化、政策文本计算、政策扩散、自动简报生成、垂直领域专家观点可信度及系统设计与实现等方面介绍了政策研究自动化关键技术研发与应用研究的相关内容，旨在为政策研究提供一些新的思路、方法与借鉴。《政策研究自动化关键技术研发与应用》的具体研究内容如下。第1章绪论，阐述政策研究自动化的基本出发点、必备条件及相关方法等。第2章模型与方法，阐述政策研究自动化的模型与方法，包括文本语言模型、文本生成模型、政策扩散模型、网络表示学习模型、多样化排序学习模型等。第3章政策资源获取与结构化研究，阐述政策资源获取与结构化相关的技术，包括政策资源获取、政策资源解析与交换、科技政策结构提取、政策知识网络构建等。第4章政策文本计算研究，阐述政策研究自动化中文本计算相关的技术，包括科技政策文本特征获取、科技政策文本有意义字符串发现、科技政策概念关系标引、科技政策扩散特征提取与表示等。第5章政策扩散研究，研究扩散特征表示和扩散关系判定技术及科技政策集合提取关键技术，包括面向主题检索的科技政策扩散集合提取框架、针对科技扩散特征的排序模型构建和优化等。第6章自动简报生成研究，根据网络表示学习模型研究科技简报自动生成方法，进行自动简报生成应用研究。第7章垂直领域专家观点可信度研究，研究垂直领域专家言论语料知识发现、专家言论语料观点发现技术，开展专家观点可信度评分应用研究。第8章系统设计与实现，基于以上模型、算法及关键技术，进行系统的设计、实现与应用。

对从事算法研究与算法开发的人来说，模型的学习与使用必不可少。尤其是在目前备受关注的人工智能领域里，人人谈模型，新模型也是层出不穷，让人眼花缭乱。 模型让人又爱又恨：可爱的地方在于它确实能够解决实际问题，而且其有效性一般都经过了检验；可恨的地方在于学习它是一件非常痛苦的事情，尤其是对人工智能的初学者来说。《模型思维》将人工智能在现实生活场景中解决的问题分类，并根据这个分类来介绍各种模型。书中将人工智能问题分为权重问题、状态问题、序列问题、表示问题、相似问题和分类问题六大类，方便读者了解各个模型之间的关系，也方便读者理解各个模型的适用场景。《模型思维》尽量更多地结合模型的使用场景，更多地介绍实际业务需求之间的关系，更多地采用生活中浅显易懂的例子，方便人工智能的初学者学习模型。《模型思维》不仅适合希望学习和运用人工智能模型到具体应用场景的企业工程师、科研院所的学生和科研人员，也适合对人工智能模型感兴趣的读者，帮助其将模型思维应用到生活中。

数据孤岛和隐私保护已经成为制约人工智能发展的关键因素。联邦学习作为一种新型的隐私 保护计算方案，在数据不出本地的前提下，能有效联合各参与方联合建模，从而实现“共同富裕”， 成为当下人工智能领域备受关注的热点。 本书以实战为主（包括对应用案例的深入讲解和代码分析），兼顾对理论知识的系统总结。 全书由五部分共19 章构成。第一部分简要介绍了联邦学习的理论知识；第二部分介绍如何使用 Python 和FATE 进行简单的联邦学习建模；第三部分是联邦学习的案例分析，筛选了经典案例进 行讲解，部分案例用Python 代码实现，部分案例采用FATE 实现；第四部分主要介绍和联邦学习 相关的高级知识点，包括联邦学习的架构和训练的加速方法等；第五部分是回顾与展望。 本书适合对联邦学习和隐私保护感兴趣的高校研究者、企业研发人员阅读。