本书是人工智能入门和普及基础知识的读物。作者从事人工智能教学多年，先后撰写了十余本人工智能教材和习题解答及相关著作，本书在此基础上，精炼和加工，使其通俗化、形象化，并加入人工智能的研究**进展和热门研究课题，如AlphaGo下棋的搜索原理、卷积神经网络、深度学习、大数据和云计算以及当前流行的人工智能开源工具等，全面地反映了国内外人工智能研究领域的**进展和发展方向，并深入浅出进行讲解，是了解人工智能的基础知识的实用工具书。

本书主要介绍物联网平台及其应用开发。全书共6章。第1章从基础技术和应用领域等方面对物联网进行了简单介绍；第2章讲述了国内外物联网平台现状；第3章详细讲述了本书自主研发的微物联共享开放平台；第4～6章讲述了微物联平台的系统搭建，并且通过完整的示例程序讲述了如何利用平台进行项目实战和案例应用。

本书具有较强的逻辑性，重点突出，条理清晰，由浅入深，从理论到实践，有助于读者全面学习物联网平台，具有较强的实践特色。

本书可作为高等学校计算机、软件及相关专业高年级学生或研究

本书以scikit-learn和Keras框架作为实战平台，讲解了传统机器学习的主流技术和最新深度学习的研究成果。其中，"第一篇 传统机器学习”包括第1～10章，介绍了机器学习概念、监督学习算法（回归分析、Logistic回归、k近邻、决策树、朴素贝叶斯、支持向量机）、无监督学习算法（神经网络、聚类、降维）；"第二篇 深度学习”包括第11～15章，介绍了深度学习的概念、卷积神经网络、循环神经网络、生成对抗网络和强化学习等。 本书的编写旨在体现"做中学”理念，读者在学习初期不必过多纠缠于算法理

　　《自动控制原理实验教程/高等学校电气工程与自动化专业系列教材》是实验教程。全书除绪论外，共分为10章。章介绍了MATLAB在控制理论中的应用，第2~8章是自动控制原理实验部分，第9章是现代控制理论实验部分，10章是控制系统综合设计性实验部分。第2~9章中均简要介绍了实验所涉及的理论知识，并重点讲述了实验内容。
　　《自动控制原理实验教程/高等学校电气工程与自动化专业系列教材》可作为普通高校自动化、电气工程及其自动化、机械设计制造及其自动化、能源与动力工程等相关专业自动控制原理和现代控制

本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如Batch Normalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解以及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握。

本书是《数据库及其应用（Access+Python）》（第4版）配套的学习与实验的指导教程。全书分为12章，每章包括主教程对应章节的主要知识点归纳以及习题。各章知识点归纳精炼、完整，习题包括选择题、填空题、简答题和设计操作题等多种题型，涵盖了本章主要内容，并融汇了对于相关知识的整体理解和应用的要求。所有习题都有参考答案。本书上机实验指导部分的26个实验统一编号，由浅入深，前后内容连贯，引导读者一步步掌握实际的数据库设计、操作与应用的能力。实验后的思考题实践性极强。
本书为读者教学和

深度学习往往被视为数学博士和大型科技公司的专属领域。但正如这本实践指南所展示的那样，熟练使用Python的程序员只需很少的数学背景、少量的数据和最少的代码，就可以在深度学习方面取得令人印象深刻的成果。怎么样才能做到？使用fastai，这是**为最常用的深度学习应用提供一致接口的库。
本书作者Jeremy Howard和Sylvain Gugger是fastai的创建者，他们向你展示了如何使用fastai和PyTorch在各种任务上训练一个模型。你还将逐步深入了解深度学习理论，以便充

本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与使用，最后在综合实训案例解析中完成了对所学知识的整合。

本书着重叙述人工智能技术的基础知识、工作原理和发展概况，并通过对各种人工智能算法的介绍，讲解人工智能技术在工程领域中的各种实际应用。本书共分为9章，主要内容包括人工智能概述、人工智能算法基础知识、遗传算法、粒子群算法、蚁群算法、人工鱼群算法、神经网络算法、模糊系统、专家系统等。本书不仅涵盖基本的理论知识，还通过相应的实际案例将算法应用于工程实践，并对未来人工智能技术的发展进行了展望。

本书内容深入浅出、通俗易懂，具有较强的实践性和先进性，可作为普通高等学校人工智能

本书较为系统地介绍了人工智能的发展历史、经典算法和前沿技术，并对算法背后的思维方式进行了哲学思辨。内容既包括经典算法（如k近邻、贝叶斯、决策树和神经网络等），又涵盖前沿技术（如深度学习、自然语言处理等）。本书所有算法均配备对应的实战项目（包括Excel版本和/或Python版本），以帮助读者在实践中理解原理。
本书适合高等学校理工科或人文学科的“人工智能”通识课教学使用，也适合作为对人工智能有入门需求的研究生、工程师和研究人员的学习资料。