本书为人工智能相关数据采集、处理和分析的入门教材，以任务驱动为主线，按照数据采集系统的开发流程详细介绍了数据采集、数据处理、数据分析等方面的开发技术，包含Python数据操作、NumPy和Pandas数据处理与分析、Requests网页访问、XPath和re内容解析、Scrapy网页数据采集、Matplotlib可视化数据分析等。

本书将理论与实践相结合，通过实际的操作案例，由浅入深地对数据采集实现所需的理论知识与方法进行了讲解，语言精练，通俗易懂，内容系统全面，可帮助开发人

机器学习是人工智能的重要方向之一，对提升各行业的智能化程度正在起越来越大的作用。本书通过凝练机器学习的核心思想与方法，综合介绍了Python、常用库和相关工具，以及机器学习的原理与实现，囊括了机器学习与行业相结合的实例，可让没有深厚计算机、编程背景的读者在有限的时间内掌握机器学习的相关知识和应用工具。本书各部分的比例适当，在讲授基本Python编程、库函数的基础上，由浅入深地介绍了机器学习的思想、方法和实现。理论讲授部分从基本的最小二乘法开始，逐步深入地介绍了如何使用迭代求解的方法实现逻辑斯蒂回

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书涵盖了机器学习和深度学习的基础知识，主要包括机器学习的概述、统计学基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、文本分析、分布式机器学习算法等经典的机器学习基础知识，还包括卷积神经网络、循环神经网络、生成对抗网络、目标检测、自编码器等深度学习的内容。此外，本书还介绍了机器学习的热门应用领域推荐系统以及强化学习等主题。 本书深入浅出、内容全面、案例丰富，每章都提供Python程序代码和习题，供读者巩固所学知识。另外，本书还为读者提供了

　《Python机器学习技术与应用（普通高等教育人工智能专业系列教材）》以机器学习初学者为教学对象，通过讲解机器学习的常用方法及实际应用，培养读者机器学习应用技能及计算思维能力。全书共12章，主要内容包括机器学习概述、Python语言基础、网络爬虫、数据预处理与特征工程、多元回归分析、分类方法、支持向量机、朴素贝叶斯方法、聚类分析方法、人工神经网络与深度学习、数据可视化、基于Pyecharts的大数据可视化图表。
　　《Python机器学习技术与应用（普通高等教育人工智能专业系列

深度学习和自然计算是人工智能领域中的热点研究方向。通过研究分析、模拟人脑的认知机理以及自然系统的智能行为和机制，构造相应的学习模型与优化算法，利用先进的计算工具实现高效的计算智能方法，并用于解决实际工程问题是人工智能研究的重要途径。
本书共分11章，主要介绍人工智能、神经网络基础、卷积神经网络、循环神经网络、生成对抗网络、孪生神经网络、遗传算法、差分进化算法、粒子群算法、协同演化算法和多目标优化算法及其在图像处理、数据处理等领域的应用。
本书是作者在从事多年人工智能、机器学习教学、科

本书着重介绍人工智能基础知识，构建人工智能通识体系，覆盖人工智能典型应用领域。在基本知识体系的基础上，对人工智能的算法进行定性介绍，同时辅以丰富的人工智能行业典型应用案例。
本书分为两篇，包含10章。基础知识篇围绕人工智能基础知识体系，主要介绍了人工智能概念与发展，人工智能生态及体系框架，以及人工智能感知技术，如计算机视觉、语音识别和自然语言处理。行业应用篇围绕人工智能在各行各业的应用情况，主要介绍了人工智能在智能制造、智慧商业、智慧教育、智慧交通、智慧安防、智慧医疗和智慧农业方面

本书是上海市教委组编的大学计算机系列教材中的一种，共分四章，内容包括人工智能概述、人工智能编程基础、人工智能数据处理、人工智能技术。主要内容为：对人工智能进行了综合概述，带领读者“无代码地”体验人工智能应用、开发过程等；对人工智能编程语言进行了简要介绍，为人工智能实践奠定了必要的编程基础；对人工智能训练的数据预处理、训练结果的可视化展示进行了介绍；对典型人工智能算法和应用进行了介绍，使读者具备一定人工智能实践的能力。本书为修订后的第二版，根据最新考纲和实际的课程改革进行了内容上的相关调

本书是为顺应智能时代教育信息化发展和满足教师专业发展的现实需求编写的，并以“理论与技术相结合，实用性导向”为宗旨，全面介绍教育人工智能研究及发展应用的基本原理和方法，学完本书后，读者将对教育人工智能有全面的了解，并能掌握其整体知识框架。本书共分十六章，主要内容包括绪论、教育人工智能理论基础、教育人工智能应用实践、教育人工智能伦理、Scraino 程序设计、Python 程序设计、其他常用的编程语言、知识表示方法、数据挖掘、搜索技术、群智能算法、机器学习、自然语言处理、视觉图像处理、教育专家系统、

本书以“经典计算机算法—数据挖掘算法—深度学习算法”为主线，将人工智能算法与Python程序示例相结合，开发了基于Git的在线编程平台和案例库，旨在构建人工智能算法“思想—伪码—分析—实现”四位一体的知识传递和学习框架。各章基于一个经典问题或典型例子介绍各类算法，给出问题背景、算法伪码和程序示例，注重算法设计与分析理念的传递。
本书分基础篇、提高篇和新技术篇: 基础篇（第1～7章）以分治法、减治法、贪心法、动态规划法、回溯法、分支限界法为代表，介绍经典计算机算法；经典篇（第8～13章）以分

本书主要阐述人工智能的理论、技术、实践、应用、发展。全书包括5个模块、18个典型实践任务。模块1为理论探究，包括设计图灵测试、体验弱人工智能、设计排序算法3个实践任务；模块2为技术探究，包括图说知识表示、测试机器学习、畅谈深度学习3个实践任务；模块3为实践探究，包括提取基于专家系统的需求、测试计算机视觉产品、测试自然语言处理软件、体验不同的身份识别方式、与机器人亲密接触5个实践任务；模块4为应用探究，包括规划智慧城市、设计智慧医疗产品、提取智慧生活产品、收集智慧工厂案例、设计智慧农业产品5个实践