深度学习技术作为人工智能领域的一门新兴技术，已成为人工智能科研领域、企业应用领域中常用的一门技术。本教材由神经网络基本训练规则、感知器、BP网络作为基础，讲述神经网络基础训练方法。并通过自编码器网络，将浅层网络过度到深度神经网络部分，详细讲解卷积神经网络原理及训练方法、卷积神经网络的发展以及基于卷积神经网络的目标检测算法等。而后，对序列信息处理神经网络—循环神经网络进行讲解。本教程采用由浅入深的方式，对深度学习相关理论进行讲解，满足教学过程中的需要。

本书为十四五高等职业教育新形态一体化教材之一,通过贴近生活的挑橘子一例引出机器学习的概念,并展开介绍了机器学习的完整流程、算法分类以及常用工具等。 本书以项目任务的组织方式,以通俗的情境作为项目导入,制定明确的项目目标,以算法的基本原理为知识导入,然后开始项目实施环节,以多个实训任务分别练习算法在解决回归、分类或聚类问题时的一般流程,最后以习题的形式巩固所学知识和技能。本书的实训项目主要包含机器学习中基础的算法应用,即线性回归算法、k-近邻算法、逻辑回归算法、决策树算法、聚类算法、朴素

本书详细介绍机器学习主要算法，包括：C4.5决策树、k-均值（K-means）、支持向量机（SVM）、Apriori、最大期望值、PageRank算法、AdaBoost算法、k-近邻算法（kNN）、朴素贝叶斯算法和分类回归树算法以及神经网络和深度学习的简单介绍。

"本书在总结作者人工智能教学成果与校企合作项目工程应用成果的基础上，将常用的人工智能方法汇总成可参考、可阅读、可复制、可再次应用的项目手册。项目内容主要包括：开发环境、图像与视频的操作、模板匹配、特征点与特征匹配、运动物体检测、目标跟踪、图像检索、手势识别、图像内容识别、手写字符识别、速算题目识别、上位机开发以及软硬结合的人脸疲劳检测。各项目内容均包括人工智能软件设计方法与代码实现步骤。    本书通过多个实际应用案例的讲解与分析，为读者提供快速掌握人工智能工程化能力的方法与步骤，使读

本书内容包括人工智能概述、人工智能通用技术（计算机视觉、智能语音、自然语言处理等）、人工智能典型应用场景与职业发展、机器学习与深度学习、人工智能法律与伦理，并围绕迎宾机器人的典型应用开发了相关项目。在内容的选取上，本书突出人工智能主流技术和典型案例，覆盖了目前市场上最常见的人工智能技术及应用。编者仔细研究了国内15家国家级新一代人工智能开放创新平台的接口，归纳相关平台的共性内容，选取图像、语音、自然语言处理、智能问答等方面的人工智能通用技能，并针对这些人工智能通用技能安排了相应的实训。编者通过调

本书较为全面地介绍了脑科学、神经科学的基本概念、知识和理论，以及脑科学、神经科学等方面的新成果和新发现。全书共11章，在绪论部分介绍了脑科学定义、研究方法、研究内容以及发展现状，然后介绍了脑的基本结构与组成以及脑神经系统知识。在智能机制方面，主要详细介绍了感知觉、运动、学习与记忆、注意与决策、语言、情绪等功能产生或形成的理论和神经机制。在此基础上，介绍了心智与意识形成的相关理论和机制。最后，介绍了脑与神经科学对人工智能研究的重要作用和意义。 本书适用于人工智能、智能科学与技术、生物医学工程、计算

大多数中级机器学习教材侧重于通过提高准确性或降低预测误差来优化模型。但这种方法往往忽视了理解您的机器学习模型为什么以及如何做出预测的重要性。可解释性方法提供了更好理解模型行为的基本工具包，而这本实用指南《面向从业者的可解释人工智能》集结了最佳的模型可解释性技术。介绍可解释人工智能技术，包括技术的特点、实施方法和技巧、技术应用等，经验丰富的机器学习工程师和数据科学家将亲自了解这些技术的运作方式，以便您能够更轻松地将这些工具应用于日常工作流程中。

本书对应课程属于一门概论性课程。本书将传统的和新一代的人工智能/智能制造融于一体，从传承与发展视角出发概述人工智能与智能制造的发展现状及其相互关系，重点阐述人工智能与智能制造共性基础技术、知识驱动的符号智能、数据驱动的机器学习、智能制造理论与技术体系、智能制造的物理系统和信息系统，并指出人工智能与智能制造的未来发展方向，包括强人工智能、融合智能+混合制造、工业5.0和社会5.0、以人为中心的人工智能和智能制造、（工业）元宇宙等。

本书系统地介绍了人工智能的基本概念、主要方法及代表性模型算法。本书根据人工智能的知识体系，在兼顾传统的人工智能方法的基础上，重点突出前沿性内容，并对自动推理、遗传算法、神经网络、启发式优化、机器学习、异常检测、梯度下降、逻辑回归、反向传播、卷积网络、语言模型、词向量等常见技术进行详细阐述和讨论。本书结合应用安排了示例和例题，以加深读者对关键知识点的理解。