《人工智能的底层逻辑》用科普化的语言介绍了搜索、计算机视听觉、自然语言处理、机器学习、多模态信息处理等人工智能系统中的基础算法和数学模型，它们是实现人工智能的基础。展示了人工智能的底层逻辑，人工智能工作的基本规律。让读者真正搞懂如何给机器装上眼睛和耳朵、如何让机器理解人类语言、如何让机器拥有知识、如何让机器懂逻辑会推理、如何使机器人的言行符合人类的规范。全书深入浅出，通俗易懂，精美的插画更增加了可读性，让读者轻松掌握人工智能本质的内核，搞懂人工智能运行的底层逻辑。

机器学习是计算机科学的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共 16 章，大致分为 3 个部分：第 1 部分（第 1～3 章）介绍机器学习的基础知识；第 2 部分（第 4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第 3 部分（第 11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索. 本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.

机器学习是计算机科学的重要分支领域.本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面.全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索.本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考.

书中按照游戏项目开发的流程编排内容，用一个综合实例贯穿全书，详细介绍了蓝图的应用、游戏基础逻辑的编写、UI的制作、AI的开发、动画的制作、C 开发等知识。

作者以艺术创作者的身份，通过亲身实践和专业视角来关注AI技术的工具性，还将其置于艺术创作的核心，以此为技术与艺术的深度结合提供具体有力的案例分析。此外，跨学科的教育经历使他能够以独特的多维视角看待科技与艺术。他从技术结构层面剖析AI艺术的生成机制与操作逻辑，结合科技的逻辑维度与艺术文化的历史视角来理解AI艺术创作，为AI艺术研究提供了理论和实践的双重支撑。智能时代以来，人工智能技术的进步一直是艺术家们广泛关注和探索的焦点。事实上，一场利用人工智能作为灵感和媒介的艺术运动悄然显现。在本书中，作者以通俗易懂的语言整合了人工智能艺术组成部分的科学理论、概念和定义，具体讲述了人工智能系统的三个核心构成部分：训练过程、模型和数据，以此分为三个板块进一步帮助我们深入理解机器学习系统的定义与复杂的

机器学习实战 基于Python SKlearn的解析 本书前6章介绍基础准备、数据探索、数据预处理、机器学习模型（分类、回归、聚类）、集成学习、模型评估及持久化；第7章介绍机器学习在土木工程中的应用场景，并以五个工程案例系统化讲解SKlearn库的应用。 本书 轻原理、重实践 ，适合广大对机器学习有兴趣，并且想系统学习数理统计的读者；也可用作机器学习培训、高校教材或作为学习SKlearn库的工具书。

本书系统性地介绍了资产定价和机器学习算法的基础理论与实践知识，并以机器学习算法应用于中国股票市场资产收益率预测项目为案例，具体展示了机器学习算法落地应用于中国金融业界的流程和效果。本书主要内容包括资产定价基础方法、机器学习算法评估知识、线性机器学习模型、回归树类机器学习模型、神经网络模型、中国股票市场制度背景、机器学习项目的数据清洗过程和机器学习项目的实践案例。本书在写作过程中尽可能地减少专业词汇，使内容通俗易懂。本书适合高校中高年级本科生、研究生和对从事量化金融感兴趣的人阅读。

大脑如何产生新想法？思维如何产生，又是如何运作的？意识缘何形成？什么是情感、感觉、想法？如果将人类大脑看成一台机器，那么这是否有益于我们设计出能够像人一样能理解、会思考的高级人工智能 情感机器？ 情感是人类特有的一种思维方式，如果机器具备了情感，是不是就可以取代人类？ 在《情感机器》中，人工智能之父马文 明斯基有力地论证了：情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理,而有时又会转向情感的奥秘。通过对人类思维方式建模,他为我们剖析了人类思维的本质，为大众提供了一幅创建能理解、会思考、具备人类意识、常识性思考能力，乃至自我观念的情感机器的路线图。

本书主要介绍由一组核心定理支撑的统计机器学习框架，书中通过相关机器学习案例帮助学生理解框架中的核心定理。对于实践型的专业工程师和科学家来说，本书可以帮助他们验证确保许多常用的确定性和随机机器学习优化算法收敛的充分条件，以及正确使用常用的统计工具来表征抽样误差和泛化性能。此外，由于本书包含大量示例，机器学习课程的教师以及从事机器学习应用的研究人员也会发现本书非常有用。本书的读者需要具备统计学、计算机科学、电子工程或应用数学方面的基本知识。全书共分为四部分：?第一部分包含第1~3章，通过实例介绍机器学习算法概念和描述算法的数学工具；?第二部分包含第4~7章，讨论确定性学习机的渐近行为；?第三部分包含第8~12章，讨论随机推理机和随机学习机的渐近行为；?第四部分包含第13~16章，关注机器学习算法的泛化性

本书融合作者构建、运维和扩展大型机器学习系统的经验，通过丰富的示例，详细讲解如何运行高效、可靠的机器学习系统。本书首先概述机器学习相关概念和数据管理原则，涵盖数据管理、机器学习模型、评估质量、特征、公平性、隐私等主题；然后介绍机器学习模型及其生命周期；最后讲述如何将机器学习引入组织，以及引入后组织会发生什么等复杂问题。

本书基于排爆人员和所使用机器人的互动开展探索性研究，通过提问、记录排爆人员讲述的故事来分析排爆中人-机器人交互的人类用户视角和体验，探讨影响或限制人-机器人互动的活动、过程和环境等因素，以及人-机器人交互中的情感因素如何影响博弈情境下操作人员的决策，从而影响任务结果。

本书主要是作者在脑-机接口(brain-computerinterface，BCI)或脑-机器人交互(brain-robotinteraction，BRI)方面的多年研究成果。该书详细地介绍BRI系统常用的脑信号产生机理和应用方法，全面地阐述以Cerobot为基本框架的非“侵入”式BRI系统结构，其中包括信号采集与处理、软件接口与混合编程、硬件设计与搭建等，并针对不同的脑电模式和机器人提供丰富的大脑与机器人交互的案例。