本书为1+X职业技能等级证书( 人机对话智能系统开发) 中级配套教材。本书共8个单元, 21个任务, 包括自然语言处理技术初探、语料数据加工处理、序列标注--词法分析、语音交互界面VUI设计、人机对话系统中的自然语言处理、基于腾讯云小微的人机对话系统实战、基于模块的人机对话系统实战及人机对话系统测评实战。书中案例基于腾讯云小微等企业、行业场景, 适配岗位需求, 注重对学生动手能力和实际问题解决能力的培养。采用逆向课程设计、通过任务驱动讲解技能点和知识点, 使用“任务描述→任务目标→任务

本书主要内容包括交互设计基础概述，需求的研究和获取方法，交互设计工作方法，视觉、听觉平台上的交互设计方法，以及设计质量控制方法。编者利用十几年设计工作中积累的设计实践经验，将从需求获取开始，一直到测试完成并交付的整个设计工作流程和细节以实际案例的方式一一进行细致的讲述。本书适合作为高等职业院校交互设计/计算机技术类相关专业的教材，和高校理论教材形成充分互补；也可供交互设计人员、产品设计人员、项目经理、用户研究工程师、可用性测试工程师、视觉设计师进行阅读和参考。为方便教学，本书附带电子课件等教学资

信息技术的快速发展为用户提供了丰富多样的体验，手机客户商的各类APP、网站、可穿戴设备的界面等对交互设计提出了更高的要求。以计算机为主的现代技术飞速发展，为用户提供了丰富多样的体验，人机交互设计的研究得到了广泛的关注。本书从人机交互的基本概念入手，以用户为中心的设计理念为指导，以交互设计流程（确定项目主题、开展用户研究、确定用户需求、根据用户需求进行功能梳理和信息架构、原型设计与测试优化）为依据来组织内容，详细介绍了需求分析、架构设计、原型设计和测试优化过程等方面的知识。本书关注以人为本的用户需

在这个智能为王数据是金的时代，越来越多的数据，包括物联网设备采集的客观世界数据，被用来指导人类的实践活动。机器学习是处理与分析这些数据的一类常用方法。本书力求从原理的角度，从无到有，讲清楚机器学习中的一些常见方法，并从实践的角度，循序渐进，引领读者独立编程实现这些机器学习方法，从而帮助读者迅速掌握机器学习方法，为读者进一步学习理解深度学习方法奠定坚实的原理与实践基础。 本书适合计算机科学与技术、人工智能、物联网工程、数据科学与大数据、通信工程、电子信息、机器人、自动化、智能制造等相关专业高

本书讲述机器学习的基本理论与应用，使用OpenCV、Python与MATLAB实现涉及的各种机器学习算法。通过理论学习和实践应用，读者能够理解并掌握机器学习的原理和应用，拉近理论与实践的距离。全书共分15章，主要内容包括：机器学习理论简介、机器学习理论与应用数学基础、机器学习编程基础、基于OpenCV和Python的机器学习、极大似然估计、高斯混合模型的极大似然估计、非参数估计、软测量、学习模型、半监督学习、聚类分析、异常值检测、随机配置网络、强化学习、机器人轨迹跟踪学习控制。本书系统地讲解了机

本书采用项目式学习法，通过简单、有趣、实用性强的小案例，让读者能够轻松体验和学习深奥的人工智能技术。同时，每个项目通过无代码的人工智能学习网站、拖拽式积木编程、少量代码的Python编程等多种方式实现，读者可以根据自身水平选择合适的方式进行学习体验。
本书共分7章，序章总述人工智能，第1~6章分别从图像处理、文本处理、机器翻译、语音识别、机器学习和自动驾驶等几个领域向读者普及人工智能知识。
在学习本书前，读者应初步掌握Python语言的基础语法、第三方库安装等基础知识。
本书可以

本书从教学和应用的角度出发，引入大量典型实例。实例丰富、循序渐进、由浅入深从难度上分为验证性、设计性和综合性三种类型，更好地帮助学习者分层次使用和掌握自动控制原理技术。每章均有适当的习题，教材末给出了部分习题解答。本书可作为普通高等院校自动化及其相关专业如电气工程及其自动化、测控、通信工程、电子信息工程、人工智能、电子信息科学与技术、机械设计制造及其自动化、计算机等专业《自动控制原理》课程的教材。

本书全面介绍人工智能的基本理论、技术及应用。全书共12章，主要内容包括人工智能概论、知识表示与知识图谱、模糊推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解、计算机视觉和智能机器人，附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本思路，拓宽科学视野，培养创新精神。 本书的适用对象广泛，可作为高等学校各专业本科生“人工智能”通识课程的教材，以及

主要讲解智能算法的理论和实际应用。主要针对1. 智能算法计算时间分析新方法；2. 智能算法在计算机视觉的应用；3. 智能算法在物流规划的应用；4. 智能算法在软件测试的应用；5. 智能算法在多目标优化的应用。

本书共14章，涵盖了深度学习中的大部分学习网络方法。第1～2章介绍开发环境软件安装和深度学习相关的软件包，第3～4章是鸢尾花多分类全连接神经网络识别案例与实现，第5～6章是MINIST手写数字识别案例，第7章是FashionMNIST服装识别案例，可以加深对卷积神经网络的认识，第8章介绍CIFAR-10数据集彩色图片识别案例，第9章介绍循环卷积神经网络并通过字母预测实现，第10章是Embedding编码下通过4个字母预测下一个字母的案例，第11章是股票预测案例，第12章是基于OpenCV和Ker