《强化学习实战：强化学习在阿里的技术演进和业务创新》汇集了阿里巴巴一线算法工程师在强化学习应用方面的经验和心得，覆盖了阿里巴巴集团多个事业部的多条业务线。《强化学习实战：强化学习在阿里的技术演进和业务创新》系统地披露在互联网级别的应用上使用强化学习的技术细节，更包含了算法工程师对强化学习的深入理解、思考和创新。作为算法工程师，你将了解到强化学习在实际应用中的建模方法、常见的问题以及对应的解决思路，提高建模和解决业务问题的能力；对于强化学习方向的研究人员，你将了解到在游戏之外更多实际的强化学习问题，以及对应的解决方案，扩宽研究视野；对于机器学习爱好者，你将了解到阿里巴巴的一线机器学习算法工程师是如何发现问题、定义问题和解决问题的，激发研究兴趣以及提升专业素养。 《强化学习实战：强化学习在阿里的技术演进和业务创新》适合算法工程师、强化学习方向的专业人员阅读，也可供机器学习爱好者参考。

都说这是AI时代。究竟什么是AI？ 《硬战：人工智能时代的爆款产品》围绕AI产品的商业史和方法论，让你深入了解当今的科技浪潮。本书选取了智能音箱、智能机器人、机器翻译和AI相机四个品类，讲述这些AI产品发展的“前世今生”。 如何结合AI技术，打造人工智能时代的爆款产品，成了创业者和传统企业都关心的问题。《硬战：人工智能时代的爆款产品》将结合海内外的案例，讲述人工智能时代，爆款产品的发展历程和设计方法。本书从“AI+硬件”的视角，提出了有别于互联网思维的产品规划方法论，让人们了解人工智能，帮助创业者寻找创新方向，协助企业创新落地。 《硬战：人工智能时代的爆款产品》适合产品经理和AI从业者阅读，特别适合想在AI浪潮中转型突围的企业人员阅读，也可以作为一本了解AI产品发展历程的科普读物。

本书结合案例研究讲解Spark 在机器学习中的应用，并介绍如何从各种公开渠道获取用于机器学**统的数据。内容涵盖推荐系统、回归、聚类、降维等经典机器学习算法及其实际应用。第2版新增了有关机器学习数学基础以及Spark ML Pipeline API 的章节，内容更加系统、全面、与时俱进。

本书深入介绍了人工智能六十余年发展里程中出现的重要历史事件、理论学说和所取得的激动人心的成果；也从科普的角度，尽可能以不依赖数学等专业知识的方式去介绍这些成果背后的理论与算法。读者可以通过本书对人工智能学科发展里程的解析体会到人工智能的创造者和推动者们所希望的智能理论和产品是如何工作的。无论是与人工智能产业相关的研发人员，还是这个领域的专业研究人员，或是信息科学和计算机科学的爱好者们，都能从本书中得到启发。

智能化是每一个人和每一家企业都在面对的系统性挑战——在人工智能打理一切的世界里，我们该如何维持生计？为了回答这个问题，本书首先分析了推动人工智能时代到来的三大动力——新机器、新材料（数据）和新商业模式，然后提出了个人与企业在新机器时代树立竞争力的AHEAD模型，介绍了如何借助自动化和数字痕迹分析来增强自己的工作能力，如何通过丰富供给来把握新商业机遇，以及如何利用新的智能技术来实现持续的绩效改善。本书是传统企业与新技术企业在人工智能浪潮中把握机遇、找到发展路径的行动指南。

本书介绍了大型重载航天搅拌摩擦焊机器人研发设计的基础理论、基本方法和常用软件，面向我国在航空航天、国防和现代化工业等领域的迫切需求，以提高工件的焊接精度和焊缝质量为落脚点，针对新型的搅拌摩擦焊机器人开展了大量的理论分析、仿真优化和试验测试工作，获取了机器人在焊接过程中所关心的各项性能参数。研究机械结合部对整机静动态性能的影响，建立了针对复杂大件结构动态优化设计的分析流程。最终的分析和测试结果表明了本书工作的必要性，提出大型重载航天搅拌摩擦焊机器人研发设计流程及仿真测试方法，确保搅拌摩擦焊机器人的焊接精度，有力地配合和指导了大型重载航天搅拌摩擦焊机器人研发设计工作。本书注重理论研究和实践相结合，旨在开拓读者的研究思路，提高读者的研究能力。

深度学习，特别是深度卷积神经网络是人工智能的重要分支领域，卷积神经网络技术也被广泛应用于各种现实场景，在许多问题上都取得了超过人类智能的结果。本书作为该领域的入门书籍，在内容上涵盖深度卷积神经网络的基础知识 和实践应用两大方面。《解析深度学习：卷积神经网络原理与视觉实践》共14 章，分为三个部分：第一部分为绪论；第二部分 （第1～4 章）介绍卷积神经网络的基础知识、基本部件、经典结构和模型压缩等基 础理论内容；第三部分（第5～14 章）介绍深度卷积神经网络自数据准备开始，到 模型参数初始化、不同网络部件的选择、网络配置、网络模型训练、不平衡数据处 理，最终到模型集成等实践应用技巧和经验。《解析深度学习：卷积神经网络原理与视觉实践》并不是一本编程类书籍，而是希望通过“基础知识”和“实践技巧”两方面使读者从更高维度了解、掌握并成功构 建针对自身应用问题的深度卷积神经网络。 《解析深度学习：卷积神经网络原理与视觉实践》可作为深度学习和卷积神经网络爱好者的入门书籍，也可供没有机器学习 背景但希望能快速掌握该方面知识并将其应用于实际问题的各行从业者阅读参考。

本书基于Azure Machine Learning Studio探讨了现代数据科学算法的背景、理论和实际应用。全书共8章。第1章描述了在数据科学领域，Azure机器学习如何通过实现完全托管的数据科学云服务迈出预测分析解决方案的关键一步；第2章讲解预测分析科学和方法论的基本概念；第3章探讨Azure ML Studio的基本原理；第4章基于一个实用的Azure机器学习预测模型，探讨可以用来调用Azure机器学习Web服务的客户端和服务器应用程序的类型；第5章深入探讨Azure ML Studio提供的一些复杂的机器学习算法；第6章探讨数据分析的挖掘方案，包括自主数据分析、确定数据的相关性、推断逻辑分组以及被广泛研究的用“从树木到森林”的算法处理混乱数据的方案；第7章介绍当今互联网中*强大和被广泛使用的预测分析的实现方法；第8章探索如何将“持续学习”纳入到预测模型工作流的实现机制上。本书适合从事云计算、机器学习和数据科学相关行业的开发人员、工程师阅读，也适合用作大专院校相关专业和培训机构的教学用书。

MXNet是亚马xun的深度学习库，以简单、高效、容易使用而著称。它拥有类似于Theano和TensorFlow的数据流图，为多GPU装置提供了良好的配置。《MXNet神经网络与量化投资》以MXNet作为研究实践平台，实现量化投资交易。书中主要介绍了在MXNet环境下，利用深度学习常用算法，实现线性、MLP、CNN卷积、GoogLeNet、ResNet深度残差、RNN循环神经网络、DenseNet稠密神经网络等多种模型在量化投资和股价预测方面的应用，同时采用NLP语义分析技术，対股票价格走势进行统计分析，以及金融数据的可视化分析，得到更直观的模型分析效果，通过先进的人工智能模型，在量化投资领域中取得较高收益。

《TensorFlow进阶指南：基础、算法与应用》是由人工智能一线从业专家根据自己日常工作的体会与经验总结而成的，在对TensorFlow的基础知识、环境搭建、神经网络、常用技术的详细讲解当中穿插了自己实战的经验与教训。更与众不同的是，《TensorFlow进阶指南：基础、算法与应用》详细地解析了使用TensorFlow进行深度学习领域中常用模型的搭建、调参和部署整个流程，以及数据集的使用方法，能够帮助您快速理解和掌握TensorFlow相关技术，最后还用实战项目帮助您快速地学会TensorFlow开发，并使用TensorFlow技术来解决实际问题。 《TensorFlow进阶指南：基础、算法与应用》代码主要是在1.6版本的基础上进行开发的，同时兼容1.2~1.10的版本，并已得到验证。《TensorFlow进阶指南：基础、算法与应用》主要面向对TensorFlow、深度学习、人工智能具有强烈兴趣且希望尽快入门的相关从业人员、高校相关专业的教育工作者和在校学生，以及正在从事深度学习工作且希望深入的数据科学家、软件工程师、大数据平台工程师、项目管理者等。