"本书以人工智能技术在产业应用中涉及的专业知识和技能为主线，系统阐述了人工智能领域的基本概念、发展简史、产业结构、核心技术、关键流程、开发工具以及主流应用等相关知识。全书共9章，内容包括人工智能概述、人工智能产业、Python程序设计基础、机器学习、深度学习、知识图谱、TensorFlow深度学习框架、计算机视觉以及自然语言处理。       本书围绕职业本科教育人工智能工程技术专业人才培养目标，结合“人工智能技术基础”课程定位以及学生认知特点，将理论知识和实践技能充分融合，使学生能够

本书旨在帮助读者深入理解嵌入式系统的体系结构、软硬件工作原理，嵌入式系统设计和软件开发所需的基础知识和思维方法，以及嵌入式系统互联(即物联网)的基础知识和编程应用。在内容组织方面，本书分为四大部分，分别为导论(第 1 章)、嵌入式系统的基本原理(第 2～3 章)、嵌入式系统设计(第 4～6 章)、嵌入式系统互联(第 7～8 章)。本书将课内理论讲解结合课内验证和课外实践，不仅理论知识覆盖较全，而且重视实践验证和应用，提供大量动手实践和验证的环节，理论知识的应用场景始终以自制开源板的应用为线索。

本书具体内容包括: 第1章人工智能的基本概念。第2章人工智能的发展历史。第3章到第5章人工智能的主要技术, 包括机器学习、深度学习和自然语言处理等。第6章和第7章人工智能的应用领域, 包括人工智能在农业、教育、安防、金融、医疗、交通、家庭等领域的应用情况。

本书是人工智能、计算机、自动控制等相关专业的专业英语教材，选材广泛，内容涵盖人工智能的基本概念、发展历史、主要技术、人工智能的现在与未来，以及人工智能给人类带来的影响和人工智能的应用领域等。书中每章所选用文章均来自国外网站，本书作者对文章中出现的新词和专业术语进行了注释，每篇文章都配有相应的习题和拓展阅读，有利于读者巩固学习效果。
本书可作为高等院校人工智能、计算机、自动控制等专业的英文课程教材，同时也可作为各类计算机从业人员或者有志于投身人工智能领域的相关人员的自学书籍

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。
全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介绍了单层感知器、基于误差反传的多层感知器、径向基函数神经网络、竞争学习神经网络、组合学习神经网络、反馈神经网络、支持向量机、深度神经网络等内容。为了方便梳理知识点，每章都附

强化学习是机器学习的重要组成部分。本书采用理论与实践相结合的写法，从强化学习的基本概念开始，详细介绍了强化学习的算法理论和实践操作，配有Python代码实现，完整呈现强化学习算法的实践细节。通过这本书你将会：
（1）理解强化学习最关键方面的问题。
（2）探索马尔可夫决策过程及动态规划的过程。
（3）深入理解强化学习的各种方法，包括MC方法，TD方法，深度学习Q方法，SARSA方法等。
（4）通过大量的现实例子及Python实现程序，不断地实践，成为强

本书是人工智能实验课程的配套教程。完成书中的实验可以帮助学生巩固和加强对人工智能的基本原理和实现方法的理解，并为今后进一步学习高级课程和进行信息智能化技术的研发奠定良好的基础。

全书共有六个实验：基础平台搭建；谓词问题猴子摘香蕉；知识表示动物识别系统；启发式算法八数码问题(九宫格问题)；推理问题贝叶斯推理；机器学习算法人脸识别。每个实验都包含实验目的、实验背景、实验原理、实验内容、实验总结和思考等六个部分，要求同学们完成实验范例，并形成实验报告。

本书是理工科专

本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超参数调优，并结合主流机器学习技术框架Scikit-learn，展开了信用违约分类预测、社交媒体评论分类预测、共享单车用量需求回归预测、信用卡客户忠诚度回归预测的项目实战。

本书兼顾机器学习基础、经典方法和深度学习方法,对组成机器学习的基础知识和基本算法进行了比 较细致的介绍,对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学 习等算法都给出了深入的分析并讨论了无监督学习的基本方法,对深度学习和强化学习进行了全面的叙 述,比较深入地讨论了反向传播算法、多层感知机、CNN、RNN 和 LSTM 等深度神经网络的核心知识和结 构;对于强化学习,不仅介绍了经典表格方法,还讨论了深度强化学习。 本书是面向大学理工科和管理类各专业的宽口径、

2017年，国务院印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，机器学习作为人工智能技术的内核，走入我国广大中小学生的课堂是科技发展的必然选择。《BR》　　本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框架和经常被使用的技巧。本书介绍了这些技巧是如何被巧妙地封装成一种通用方法，并在适当的时候被反复使用。从框架到思路，再到解决问题的技巧，以及技巧的封装和重用，这些都是塑造良