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

　《控制工程基础》详细讲述了控制理论的基本原理和在工农业自动控制系统中的应用。全书共分10章，第1章和第3～8章为经典控制理论部分，主要介绍自动控制系统的基本概念，控制系统的传递函数，控制系统误差与时域分析，控制系统频域特性分析，控制系统稳定性分析、性能校正、PID校正及参数整定等。第2章为控制系统数学基础，主要介绍复变函数和拉普拉斯变换。第9章为控制系统MATLAB仿真，第10章为控制系统实例分析。
　　《控制工程基础》详细分析了工农业典型实例，力求与工程实际相结合，可作为普通

本书结合机械大类各专业及相近专业的发展和教学需要，较为系统地介绍了机械控制工程的基本内容。全书共由三个模块组成，即经典控制理论、离散控制系统、现代控制理论，各模块基本独立，其中经典控制理论为基本部分。全书共9章，主要内容有绪论、控制系统的数学模型、时域分析、根轨迹法、频域分析、稳定性分析、综合与校正，以及离散控制系统分析基础、现代控制理论基础。各章均配有一定数量的习题，主要章节设有相应理论方法的MATLAB实现一节，重点章节编入相应的设计实例。本书内容丰富，结构合理，叙述深入浅出，既体现理论的系

《自动控制原理（第2版）》主要内容包括控制系统的数学模型，线性系统的时域分析法、根轨迹法、频域分析法、综合与校正，非线性系统的分析，线性离散系统的分析。本书着重于基本概念、基本理论和基本分析方法，并附加学习资源，扫描书中的二维码可随时完成基本测试题练习并查看参考答案。本书在国家智慧教育公共服务平台有配套在线课程，可供读者学习。
《自动控制原理（第2版）》可以作为高等院校自动化、电气工程及其自动化、测控技术与仪器、电子信息工程、通信工程、生物医学工程、机械设计制造及其自动化、能源与动力工程、

本书分为两部分：控制理论基础知识和控制理论基础实验。

控制理论基础知识部分主要介绍自动控制概述、控制系统的数学模型、控制系统的时域分析法、控制系统的频域分析法和控制系统的校正等内容。另外，每章均配有例题和习题，便于读者自学和练习。

控制理论基础实验部分主要介绍典型二阶系统阶跃响应实验、控制系统性能分析实验、控制系统数字仿真实验和控制系统校正设计实验等。

本书内容通俗易懂，理论和实践配合紧密，实用性强，可作为高等学校电子信息类专业的教材或教学参考书，

本书根据企业实际生产需要，结合典型项目，以实用、易用为目的，深入浅出地介绍了西门子人机界面组态与应用的实用技术。本书采用“项目导向、任务驱动”的形式，设计了HMI组态与调试入门、小车移动监控系统、水泵控制监控系统、剪板机控制监控系统、多电机功能监控系统和饮料生产线监控系统6个项目，共30个任务，每个任务附有大量的图片说明，详细讲解了技能操作，并且每个任务都配有“学习工作页”，从“信息咨询”“计划决策”到“任务实施”帮助学习者捋顺工作过程。
本书实战性强、注重工程应用、强调务实操作，可作为高

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