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

本书从应用型本科高校的教学需求出发，以经典控制理论为主，较为系统地介绍了自动控制的基本理论及其应用，并引入控制领域广泛使用的MATLAB软件进行仿真实验与辅助设计与分析。全书共6章，包括绪论、线性系统的数学模型、控制系统时域分析法、控制系统根轨迹分析法、控制系统频域分析法、控制系统的校正。每章都在开篇明确了教学目标并配有理论与仿真实验习题。为方便教学，本书配有电子课件、教案、习题解答等教学资源。
本书可作为应用型本科和高等职业院校物联网工程、人工智能、电子信息、计算机、机械、材料、化工等专

　　《自动控制原理实验与课程设计指导书（普通高等教育十四五系列教材，产教融合系列教材）》共分三大部分，第一部分介绍了自动控制原理实践操作所用到的实验平台和仿真软件；第二部分介绍了自动控制原理课程实验，分为模拟电路实验和软件实验两大部分，包括典型环节的性能分析、典型系统动态性能和稳定性分析、典型环节（或系统）的频率特性测量、线性系统串联校正；第三部分介绍了自动控制原理课程设计，分为软件仿真和硬件调试两大部分，包括有刷直流电机速度闭环设计及实物调试、温箱温度控制系统设计及实物调试、水箱液位控制

自动控制原理作为高校工科类专业的基础核心课程，在整个专业人才培养中占有重要的地位。自动控制技术同时也是现代工业生产、航空航天技术、军事技术、人工智能等战略产业中应用的关键技术。作为工科专业一门重要的大类基础课程，该课程主要是培养学生的辩证思维能力、综合分析能力以及独立解决实际工程问题的能力，使学生毕业后能够在自动化、智能制造、机器人、航空航天、交通运输等领域进行技术应用与科学研究，成为我国工业生产与国防安全的建设者和接班人。
　　《自动控制原理基础（活页式）》一共包含7个学习项目

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