本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能相关知识，包括机器学习和深度学□□基本内容，并结合图像信息处理和自然语言处理两个典型应用展开阐述，使读者能快速掌握人工智能的基本概念、基本知识体系和框架，为进一步学习打下良好基础。本书共分6章：前4章主要介绍基础入门知识，包括绪论、基本分类、回归与聚类和神经网络与深度学习；第5章和第6章结合人工智能目前□热门的两个技术应用领域图像信息处理和自然语言处理展开论述。本书强调实用性和可读性，并在章节中增加了课程思政的案例和内容

本书分为9章，包括绪论、知识表示与推理、图搜索技术和问题求解、智能优化算法、机器学习、人工神经网络与深度学习、专家系统、模式识别与机器视觉、强化学习与生成对抗网络。本书力求在讲解人工智能基础的前提下，同时对应用型的人工智能前沿知识理论和科技成果进行展现，结构组织合理，内容理论与实践相结合，对读者的层次和理解进行了充分考虑，并提供了相应的多种流行人工智能框架的实用案例。本书适合作为高等院校的人工智能基础课程的教材，也可以用作从事人工智能应用的开发工程师及相关科技人员的参考用书。

本书从人工智能的概念、发展、分类、研究方向和主要应用领域的内容出发, 介绍了人工智能的相关技术, 介绍大数据技术、云计算、人工神经网络、机器学习和深度学习等人工智能的相关技术。从人工智能+智能制造、人工智能+智慧城市、人工智能+智慧交通、人工智能+智能物流、人工智能+视觉几个方面的应用及发展前景, 最后从人工智能的发展趋势、人工智能的行业应用和中国人工智能的未来3个方面阐述人工智能未来的发展。本书可以作为职业院校师生了解人工智能的通识教材。

本书是有关智能信息处理与量子智能计算方法及其应用的著作，系统介绍了智能信息处理与量子智能计算方面的基础理论及各种新技术、新方法，并从4G及5G移动通信、认知无线电、语音信号处理等角度进行了实例剖析。全书分为两篇共12章。第一篇“智能信息处理及其应用”侧重介绍智能信息处理领域的基本原理与关键技术；第二篇“量子智能信息处理”侧重介绍基于量子计算的智能信息处理技术。本书还提供了电子课件，读者可登录华信教育资源网（www.hxedu.com.cn）免费下载使用。 本书被列为“十三五”江苏省高等学校

本书以Python为基础，使用Sklearn平台，逐步带领读者熟悉并掌握机器学习的经典算法。全书共12章，主要内容包括人工智能概述、Python科学计算、数据清洗与特征预处理、数据划分与特征提取、特征降维与特征选择、模型评估与选择、KNN算法、决策树、线性模型、朴素贝叶斯算法、支持向量机和k均值聚类算法，附录介绍了课程教学大纲和Sklearn数据集。
本书内容精练，文字简洁，结构合理，案例经典且实用，综合性强，面向机器学习入门读者，侧重提高。
本书适合作为高等院校相关专业机器学习入门

本教程通过阐述直观而严谨的机器学习方法，为学生学习和掌握研究和构建数据驱动产品所需的基本知识和实用工具。内容优先解析几何直觉和算法思维，为学生提供新颖和易于学习的方式；书中也强调机器学习结合实际应用，包括计算机视觉、自然语言处理、经济学、神经科学、推荐系统、物理学和生物学案例分析；作者精心设计300多幅彩色插图，让读者能够直观地掌握技术概念，另配100多个深入的编程练习（Python），为读者提供了对关键机器学习算法的真正理解。本书还在网上提供了一整套在线教辅资源，包括示例代码、数据集、交互式讲

　《事件驱动神经形态系统》系统地描述了神经形态工程领域的新技术，包括构建完整的神经形态芯片和解决制造多芯片可扩展系统面临的技术问题。
　　《事件驱动神经形态系统》主要内容分为两部分。分（第2-6章）描述了所构建的AER通信体系结构、AER传感器和电子神经模型，其中，第2-5章用树状图描述了将架构和电路关联起来的历史，并引导读者阅读大量文献；第6章描述了关于事件驱动系统学习的大部分理论知识。第二部分（第7-16章）面向神经形态电子系统构建方向的读者，提供了用于构建传感器和计算单元建模神经

本书是一部论述机器学习原理与算法的立体化教材（含纸质图书、教学课件和部分视频教程），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做了比较细致的介绍，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。用5章的篇幅对深度学习和深度强化学习做了相当全面的叙述，不仅深入地讨论了反向传播算法、多层感知机、CNN网络、RNN网络和LSTM结构等深度神经网络的核心知识和结构，对于一些发展

本书围绕数据、算法、模型三要素，研究选取不同算法从历史数据中获取经验，并归纳出模型进行预测与优化的系列理论与技术，是涉及计算机科学、概率统计、决策论等多个学科的多领域交叉学科。本书应用开源深度学习框架PaddlePaddle，从问题定义、数据收集、特征工程、模型训练、模型评估、模型应用方面，层层深入、循序渐进地剖析机器学习中极具代表性的基础实践，理论翔实，代码精细，是一本实用性极强的入门实践教辅材料。

本书较为全面地介绍了深度学习应用场景下的人工智能技术服务、深度学习数据应用、深度学习基础应用等技术。全书共10个实训项目, 包括人工智能需求分析、人工智能产品设计、人工智能平台应用、数据采集工程应用、数据处理工程应用、数据标注工程应用、机器学习模型训练、深度学习框架应用开发、深度学习框架基础功能应用、深度学习线性回归模型应用等。本书以企业用人需求为导向, 以岗位技能和综合素质为核心, 通过理论与实战相结合的方式, 培养能够根据深度学习项目需求, 完成数据的采集、标注、处理等工作以及机器