阅读本书犹如一次时空之旅。它不仅向你讲述了人工智能进步的故事，还能让你沿着那些人工智能先驱者的脚步，去感受他们的激情和执着，去了解他们如何用智慧之光，点亮通往未知世界的路标。希望这本书能让你感受到，人工智能原来并不遥远，人工智能原来很有趣，继而进一步地关注更多发生在人工智能世界里的奇妙故事，抑或愿意投身于这一全球瞩目的未来学科。

"本书是针对高等学校非计算机专业编写的Python语言基础教程。全书共11章，主要内容包括Python概述，基本数据类型，选择结构，循环结构，turtle库，序列、集合、字典和jieba库，函数和异常处理，可视化界面设计，文件和数据库，面向对象程序设计和第三方库等。
本书内容丰富、取材合理、叙述简明、重点突出、概念清晰。为了配合读者学习Python程序设计，帮助读者全面掌握有关Python程序设计的知识，并有效指导读者掌握程序设计的方法和技巧，本书配有《Python程序设计实验教程》（第2

本书介绍利用C语言进行程序设计的基本知识。全书共11章，主要内容包括C语言概述，数据类型、运算符与表达式，数据的输入和输出，选择结构，循环结构，数组，函数，编译预处理，指针，结构体与共用体，文件等。为了方便读者学习，更好地理解程序设计的思想和方法，本书使用二维码的形式设置了50个微视频，读者可以使用手机扫描二维码观看知识点和编程实例的讲解。每章还配有大量的习题，便于读者巩固所学知识，掌握程序设计的基本方法和编程技巧。本书力求概念叙述准确、严谨，语言通俗易懂，适合作为高等院校理工科非计算机专业的C

本书主要介绍数据可视化分析相关知识，所使用的工具为Tableau。本书基于以多个实际案例为背景的具体数据，介绍了常用的商务数据分析图形的制作，以及如何利用图形获得分析数据，得出结论。读者通过本书可以掌握数据可视化分析理论，并且能够制作可视化分析图表，基于图表获得分析结论，从而为企业经营提供指引。

本书全面介绍TensorFlow 2.x 框架及其在深度学习中的应用，内容包括TensorFlow 简介、Python 语 言基础、环境搭建与入门、TensorBoard 可视化、多层感知机实现、卷积神经网络实现、循环神经网络实 现、强化学习、迁移学习、生成对抗网络和GPU 并行计算等。

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。本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高等级内容。此外，还介绍了机器学习的热门应用领域技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，每章后都有习题和参考文献，便于巩固学习，适用于高等院校本科生、研究生机器学习、数据分析、数据挖掘

本书剖析了图像复原技术的最新进展，并探索了深度学习技术在图像复原过程中的关键作用。内容包括：基于传统机器学习的图像复原方法、基于卷积神经网络的图像复原方法基础、基于双路径卷积神经网络的图像去噪方法、基于注意力引导去噪卷积神经网络的图像去噪方法、基于级联卷积神经网络的图像超分辨率方法等。

本书图文并茂、深入浅出地介绍了机器学习算法所需的数学、Python语言编程基础知识，以及回归模型、K 近邻、K 均值、决策树、弱学习器集成、人工神经网络、深度学习等常用的机器学习算法。全书共10 章，每章习题中都配套了实验练习环节，实验内容包括Python 开发环境配置、机器学习算法的实际应用等，所有实验都配有Jupyter 的Python 代码，从而使读者既能掌握算法理论原理，又能进行实际应用。
　　本书适合作为普通高等院校本科或研究生阶段的人工智能、机器学习、数据挖掘等课程的教材，也适

本书是一本精简的神经网络入门教程，用通俗易懂的语言讲解神经网络的相关知识。本书共6章，第1章对神经网络领域进行概述，包括其历史和应用；第2章深入探讨神经元的数学模型，包括其输入、权值、偏置和激活函数；第3章介绍感知机的概念，讨论感知机的结构，并解释如何用它来解决简单的分类问题；第4章介绍多层感知机的概念，讲述如何使用前馈传播和反向传播，同时详细介绍了反向传播中用到的链式法则；第5章涵盖训练神经网络时使用的各种参数和算子；第6章介绍神经网络的分布式学习、压缩和解释，其中分布式学习涵盖使用

本教材系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络，以及强化学习。本教材旨在使读者了解机器学习的发展，理解和掌握机器学习的基本原理、方法与主要应用。本书内容丰富，着重与讲解机器学习理论的推导与证明，并通过实例进行方法分析与比较；本书强调机器学习的系统性、完整性、方法的时效性，可读性强；同时，作为新形态教材，本书配备了大量