本书共分10个项目，详细介绍了人工智能导论的相关知识，内容包括人工智能的前世今生、从零开始认识人工智能 、人工智能编程基础开发语言——Phython、物体识别、计算机视觉的应用——人脸识别、生物信息识别、自然语言处理、语音识别、无人驾驶 和数据挖掘。 本书适用于高职高专院校理工科学生，作为通识课教材使用。

"人工智能技术的颠覆性、复杂性和社会关联性，特别是强人工智能的可能性，正在或将要给人类社会带来深刻的由内而外的变革，引发了诸多方面的伦理挑战和风险。本书以此为背景结合相关领域的研究进展，对人工智能技术的发展、人工智能伦理的渊源、人工智能伦理问题、人工智能伦理规范、人工智能职业道德等进行全面的梳理和介绍。全书共有9章内容：人工智能概述、伦理理论初步、人工智能伦理、人工智能风险、隐私泄露问题、偏见歧视问题、技术滥用问题、权责归属问题、伦理道德规范。本书内容系统、结构新颖、案例丰富、阐述翔实

本书从技术应用角度介绍了人工智能、大数据等相关技术。对人工智能基础概述、技术分类、基本原理、开发平台、应用场景、案例体验等的系统介绍能使读者快速建立起对人工智能技术的全貌认识，培养读者继续深入学习人工智能技术的浓厚兴趣。
本书共9章内容，内容包括：人工智能概述、Python语言基础、机器学习与深度学习、计算机视觉、语音处理、自然语言处理、人工智能与大数据、智能机器人项目应用、新一代人工智能的发展与思考。本书融入课程思政元素，致力于不断提升读者的课程学习体验、学习效果，将价值塑造、知识传授和

本教材依照真实的中职物联网实训平台的功能，开发的虚拟设备，包括智能开关模块、rfid模块、红外伴侣模块、数据采集模块、zgbiee模块、遥控模块。教材采用项目教学，要设计的软件共有9个功能，每个功能就是1个项目，总共9个项目，每个项目除有详细的功能要求说明外，还配套有教学视频，网址链接或手机二维码扫描可供学生参考。9个项目分别是：智能开关模块灯的控制、红外模块、RFID模块控制、数据采集模块控制、模拟温室大棚、Zgbiee模块控制、模拟飞行模块、模拟跟踪飞行、双灯顺序启动、根据天气的雾况飞

本书较全面地阐述了人工神经网络的理论知识，介绍了多种经典的人工神经网络模型结构、学习算法和实际应用。本书共11章，第1章介绍人工神经网络的定义、发展、生理学机理、神经元模型、拓扑结构、学习算法等；第2章介绍感知机的基本原理、学习算法及应用；第3章介绍多层前馈神经网络的基本原理、学习算法及应用；第4章介绍不同正则化理论、相应神经网络及应用；第5章介绍不同极限学习机模型、支持向量机及应用；第6章介绍形态神经网络的模型结构、学习算法、鲁棒性分析及应用；第7章介绍自组织映射和核自组织映射的基本原理及应用

本书根据深度学习技术发展速度快、理论性与实践性强、应用广泛等特点，结合教学、科研及应用需求，坚持“原理、技术、应用”三位一体原则，注重基础性、系统性、前沿性和实用性的统一，对深度学习的**方法与研究趋势进行全面深入的研究和探索。全书分成四部分：第一部分是人工智能基础，重点阐述人工智能的概念、发展历史和发展趋势等；第二部分是深度学习基础，包括机器学习基础理论、深度学习基础、深度学习网络的优化方法和技巧；第三部分是经典神经网络技术，包括卷积神经网络、循环神经网络、神经网络的区分性训练、序列到序列建模

近年来，人工智能已经从科幻走入现实。要理解并运用人工智能技术，需要熟悉并掌握相关的数学基础知识。为此，本书整理了人工智能领域涉及的线性代数、矩阵理论、*优化、概率论、信息论以及多元统计分析等基础知识，读者可根据需求选取相应的章节进行学习。
通常，有意深入了解人工智能的读者，往往已经具备微积分和线性代数等知识储备。鉴于此，区别于同类教材，本书不再赘述这些初级知识，而是聚焦人工智能需要的实用数学工具，从而实现对人工智能领域核心数学理论的快速掌握。
本书可作为高等院校人工智能

深度学习（DL，Deep Learning）是机器学习（ML，Machine Learning）领域中一个新的研究方向，通过学习样本数据的内在规律和表示层次，实现机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。在开始深度学习项目之前，选择一个合适的框架能起到事半功倍的作用。全世界最为流行的深度学习框架有TensorFlow、Caffe、PaddlePaddle和PyTorch。TensorFlow 是 Google 于 2015 年发布的深度学习框架，2019年，Google

本书主要介绍神经网络与深度学习的相关知识点, 注重分析神经网络与深度学习的基本概念、基本原理和网络结构, 并对主要算法及其应用展开讨论及阐述。全书分为两部分: 基础知识篇与网络应用篇。基础知识篇介绍了神经网络与深度学习的概念及发展, 神经网络与深度学习相关的数学基础知识, 神经网络、卷积神经网络与自编码器等基础算法原理及其特点。网络应用篇对深度学习及计算机视觉领域的主要应用进行剖析, 从图像分类、语义分割、目标检测等方面对典型算法进行详细介绍。全书内容体系完整、层次分明, 结合深度学习

本书采用“理论 +实践”的方式，全面系统地讲授了深度学习的基本原理以及使用 TensorFlow实现各类深度学习网络的方法。全书共 10章，第 1～3章主要介绍深度学习的基础知识，包括深度学习的概念和应用、深层神经网络的训练和优化、 TensorFlow的内涵和特点等内容；第 4～5章主要介绍 TensorFlow的安装，以及计算模型、数据模型、运行模型等 TensorFlow编程的基础知识；第 6～10章主要围绕 TensorFlow介绍各类深度学习网络，包括单个神经元、多层神经网络、卷积神经