为适应工业机器人、海陆空机器人和共融机器人快速发展的需要，突出机器人学的综合性、新颖性和前瞻性等特点，《机器人学：建模、控制与视觉》一书分建模、控制与视觉三个部分系统地阐述了机器人学的基础内容。全书包含十七章。第1章为概述，介绍机器人的内涵、应用以及机器人学的研究方向。建模部分包括第2章至第7章，系统介绍机器人机构，刚体位姿描述和齐次变换，刚体速度和静力，操作臂运动学、雅可比矩阵和操作臂动力学。控制部分包括第8章至第13章，介绍轨迹生成、轨迹控制、力的控制、运动规划、协调控制和自适应控制。视觉部分包括第14章至第17章，介绍视觉图像处理、视觉运动控制、轮式移动机器人和飞行机器人。

本书深入浅出地介绍了人工智能历史和技术，对现阶段人工智能技术的应用成果进行了展示、解读，让读者在详细了解人工智能发展历史的基础上，清晰认知人工智能的关键技术。本书适合人工智能研究者，以及对人工智能感兴趣的读者阅读。

《学习科学视域下的网络深度学习：理论·技术·趋势》首先通过对学习科学的主旨—深度学习进行研究，借鉴学习科学领域对学习环境、学习过程和学习结果研究的相关成果，结合深度学习的时代背景，构建了技术增强环境下网络深度学习的理论体系和分析框架；然后对深度学习的创新技术、工具及场景等进行探讨，对网络深度学习的策略等进行推演，对国际上网络深度学习的实践案例进行介绍；最后总结网络深度学习的发展趋势。

本书选用MegaPi Pro机器人以及Makeblock创客空间套装，通过机器人结构设计介绍机械结构以及相关知识，同时选用目前流行的mBlock软件介绍常用的电子元件与各种传感器的应用。本书具有大量实验案例，可以为学生的创新活动提供启发与参考。通过学习，学生将具有使用这些设备进行制作与创新的技能。 本书适用于各创客空间教师与学生使用，同时也是各学校、培训机构开设创客课程的*选教材。

《情感计算与情感机器人系统》在介绍情感计算、情感建模以及人机情感交互概念的基础上，分析了当前人机情感交互的研究前沿，总结了在多模态情感识别方法、人机交互氛围场建模、情感意图理解方法、情感机器人的多模态情感表达以及人机情感交互系统应用方面的新研究成果，使读者对人机情感交互有更深的理解，对促进我国在情感计算与情感机器人领域的快速发展具有积极的作用。

本书预测了人工智能时代哪些职业会受到巨大冲击。在未来，被人工智能所取代的，不仅仅是劳动密集型的行业，医疗、教育、宗教、法律、新闻、审计、管理咨询、建筑这些此前被认为是技术无法取代的专业行业，也面临着衰变的风险。 人工智能不仅是 次技术革命，它还将引发社会结构的变化。人工智能对生产效率的大幅度改进、对人类劳动的大规模替代、对生活和工作方式的根本变革， 然会引发社会结构全面的变化。作者预言这种转型会 直继续，直到“传统专业性工作全部解体”。 针对这些即将到来的巨大职业冲击，作者根据十年来对多种专业的深入研究，并通过众多实例进行论证，提出了六种新模式来应对人工智能所带来的职业冲击，以使得人们尽早认清人工智能的变革本质，了解职业冲击的规律，尽早制定 套属于自己的人工智能时代行动指南。

随着R语言的流行，从数据中学习比过去更加轻松。本书是通过R语言掌握数据科学技能的快速入门指南，书中一步一步地介绍如何在免费和流行的R统计包中建立每一种类型的模型。书中的案例描述得很清楚，几乎所有的代码都可以使用。读完本书，读者将可以在自己专注的某个领域把书中所介绍的技术付诸实践。本书适合数据科学入门的读者阅读，尤其是通过R语言实现数据建模和分析方法的读者学习。

本书根据国家产业结构转型升级要求和职业（技工）院校工业机器人应用专业建设需要，组织职业（技工）院校骨干教师和企业技术人员共同编写。本书采用项目任务的框架结构，以任务导向的教学方法，介绍工业机器人操作基础和工业机器人基本应用等内容。全书通过工业机器人示教器简单使用、工业机器人基本操作、机器人程序数据设定等基础知识和基本技能，以及通过轨迹描绘任务的编程与操作、图块搬运任务的编程与操作、工件装配任务的编程与操作等6个工业机器人基本应用的典型案例学习与训练，初步掌握工业机器人基本应用的方法和技巧，体验工业机器人基本工作站的安装、编程、调试与运行维护操作。本书内容新颖、选材典型、易教易学，注重实际操作训练与基本应用体验。本书可作为职业（技工）院校工业机器人应用专业、机电一体化技术专业等相应课程的教材，也可作为工业机器人应用与维护岗位培训教材，以及企业工程技术人员、机器人爱好者的参考书。

Python量化回溯、TensorFlow、PyTorch、MXNet深度学习平台以及神经网络模型，都是近年来兴起的前沿科技项目，相关理论、平台、工具目前尚处于摸索阶段。 TensorFlow是近年来影响大的神经网络、深度学习平台，本书从入门者的角度，对TensorFlow进行了介绍，《零起点TensorFlow与量化交易》中通过大量的实际案例，让初学者快速掌握神经网络和金融量化分析的基本编程，为进一步学习奠定扎实的基础。 《零起点TensorFlow与量化交易》中的案例、程序以教学为主，且进行了高度简化，以便读者能够快速理解相关内容，短时间了解Python量化回溯的整个流程，以及数据分析、机器学习、神经网络的应用。 《零起点TensorFlow与量化交易》仅仅作为入门课程，具体的实盘策略，有待广大读者通过进一步深入学习TensorFlow、PyTorch等新一代深度学习平台来获得。更重要的是，广大的一线实盘操作人员需要结合专业的金融操盘经验，与各种神经网络模型融会贯通，构建更加符合金融量化实际应用的神经网络模型，从而获得更好的投资回报收益。

本书首先从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。第一部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专家所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。