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

本书内容共分为10章，从学科基础、技术基础、重点方向与领域、行业应用、伦理法律5方面系统、整体介绍人工智能的定义、方法、体系、应用及其内涵。第1章介绍人工智能定义及新知识体系。第2章介绍人工智能孕育史、机械论、计算历史、控制论、联结主义起源

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