本教材共9章，采用知识体系和案例体系两种方式对人工智能技术及其应用进行阐述。第1章介绍了人工智能的概念，对人工智能的社会价值、应用领域以及未来发展进行展望。第2章介绍了人工智能技术知识与知识表示，列出其知识图谱。第3章对机器学习进行概述，从发展、范围、方法、工具以及挑战等方面对人工智能的机器学习进行介绍。第4章介绍了人工神经网络与深度学习的有关知识。第5章从计算机视觉、图像视频识别、模式识别、语音识别和生物特征识别等方面对智能识别进行了介绍。第6章介绍了自然语言理解，对其理解过程的层次任务、自然

本书主要介绍如何应用Tensorflow来实现深度学习的架构与应用。全书从tensorflow的基本语法，基础教程、高级工具以及进阶教程来对深度学习的理论与技术进行深入分析与讲解，并提供大量的案例从零开始教会读者如何使用深度学习进行开发以及应用。本书主要介绍如何应用Tensorflow来实现深度学习的架构与应用。全书从tensorflow的基本语法，基础教程、高级工具以及进阶教程来对深度学习的理论与技术进行深入分析与讲解，并提供大量的案例从零开始教会读者如何使用深度学习进行开发以及应用

本教材编写理念先进、重在应用，主要内容包括初探人工智能、认知人工智能的基础支撑、认知人工智能的应用技术、探索人工智能的行业应用四个项目。本教材通过文字、视频、动态图和实训平台等多种形式，立体、多角度地呈现内容，构成一个教与学的互动系统，让学习资源交互、联动起来。

本教材可作为职业院校计算机公共课、信息技术公共基础课程的教学用书，也可供对人工智能感兴趣的读者阅读。

本书主要介绍人工智能的发展历史、技术和应用，内容主要包括知识图谱、搜索技术、智能优化算法、机器学习、人工神经网络、深度学习、人工智能应用（人脸识别、语音识别、自然语言处理、机器人等）、人工智能工具、人工智能伦理等。本书的特色是通过案例为主线，提出关键问题，以解决问题为导向，介绍人工智能领域的相关概念、理论、技术和应用，采用启发式和讨论式的写作风格，让学生更具有代入感、参与感和获得感。主要面向本专科大一新生。

本书可视为一本以问题为导向的书籍, 非常适合具备一定数据基础和Python基础的读者学习,作为一本数据科学的基础书籍,读者可以在短时间内学习数据科学的经典算法。主要阐述 python3 基础内容；常用模块进行扼要阐述和实例操作；常见统计量, 数据转换, 以及多维数组等内容, 并通过代码实现； 特色是以问题导向的方式阐述了常见的 12 种经典算法；并介绍了 pytorch 的相关内容, 并扼要阐述了深度学习中几种经典的神经网络算法, 以及 pytorch 实现经典的神经网络算法。

本书以提高创新能力为核心，强调理论与实践的有机结合，突出案例分析和实践锻炼，采用通俗的语言和生动的应用案例，带领读者探索人工智能的世界；通过介绍人工智能基础理论、技术体系、内在实现机理和应用现状，并立足于人工智能具体应用领域，力求全面展示与反映人工智能技术的概念、理论框架、新进展和未来发展趋势。本书适用于高职院校人工智能通识课程，亦可作为人工智能的普及读物供广大读者自学或参考。

本书首先阐述了物联网的基本概念、关键技术和应用案例等物联网的基本理论知识，然后循序渐进地介绍物联网开发的典型实战任务，通过逐级递进式任务介绍法达到理论与实践相结合的目的，使读者清晰地了解物联网系统开发的整体流程。本书针对每个实战任务提供微课视频和源代码。本书可作为高等院校通信工程、电子信息工程、人工智能、机械电子、计算机和网络工程等专业的教学用书，也可作为嵌入式系统开发等实践类课程的参考书。

人工智能是一门新的交叉学科，近年来涌现出了许多新的算法模型和框架。本书面向人工智能算法的实践与应用，参考了*级会议和国内外竞赛平台的内容，将所涉及的分类、检测、识别、预测等多项实验任务进行归类和优化整理。书中对每个实验的背景与内容都进行了详细阐述，对实验的要求与评估方法进行了深入讨论，对实验数据及来源进行了详尽描述，并给出了参考文献，以便于有兴趣的读者进一步研究和探索。

本书可为高等院校计算机科学、电子科学与技术、信息科学、人工智能等专业方向的研究人员提供参考，也可作为相关专

本书是以作者多年来从事人工智能研究的经验为基础，并广泛参考了国内外最新研究资料编写而成的。本书从人工智能的本源问题出发，着重介绍了人工智能各领域的概念体系、方法体系、经典算法与新的流行算法以及当前人工智能的研究热点——机器学习和机器视觉。
本书可供高等院校人工智能相关专业本科生、研究生作为教材或参考书使用，也可供相关科研及工程技术人员阅读。