本书以简明的方式系统地论述了人工智能的基础知识及其拓展和应用。全书共十六章，前十章介绍人工智能学科的基础知识，包括人工智能的发展历史、知识的表示、搜索策略、确定性推理、不确定推理、专家系统、神经网络、智能计算、机器学习和模式识别；接下来五章进行了拓展，讲述了表示学习和混合智能系统，又介绍了神经网络在模式识别和图像处理的应用、自然计算在聚类上的应用，并介绍了多目标优化算法及应用；*后一章介绍了人工智能领域的前沿技术及其展望。每章都附有参考文献、延伸阅读和习题，并且有习题答案供参考。

《人工智能基础与实践》采用理论结合实践的形式，探讨了计算思维、人工智能技术的运用、搜索求解策略、实践和机器学习方法，研究应有场景中人工智能解决方案，为学生运用人工智能技术解决各学科中的问题奠定了基础，并探索了人工智能在信息社会中的应用与

《人工智能概论》主要包括以下主题：1. 人工智能的前世今生。介绍人工智能的历史发展，并解读不同时期发展的特点和发展的动力。2. 新时代人工智能的三要素：算法、数据、算力。分别介绍当前主流的人工智能算法、大数据与人工智能的关系及影响、人工智能芯片的发展及对人工智能的作用。3. 人工智能在生活中的应用。按照我们日常生活中的出行、购物、健康管理等各方面，介绍人工智能的应用，阐述人工智能为人类生活带来的便捷。4. 人工智能在工作中的应用。按照农业、制造、军事、金融等不同行业，介绍行业中人工智能

本书由四篇共１７ 章组成 *篇是基础理论篇 共九章(第１ ~ ９ 章)从整体角度介绍人工智能的基本概念与基础理论 第二篇是应用技术篇 共四章(第１０ ~１３ 章)介绍人工智能基础理论与相关分支领域相融合所产生的新技术 第三篇是应用篇 共三章(第１４ ~１６ 章)介绍智能产品的开发及目前广为流行的四种应用实例 第四篇是展望篇 共一章(第１７ 章)对人工智能学科今后发展提出建议和看法。在本书的编写中坚持三项原则:教材的现代性，即新的技术路线与新的体系，并形成新一代人工智能技术，教材的应用性，即更加关

本教材的内容涉及模糊理论、数据融合、神经网络、遗传算法及传感技术等相关内容，并着重介绍数据融合技术的原理、特点及具体应用方法，在目前多传感器数据融合技术研究成果的基础上进行系统解析，分析特点，论述不足，为数据融合技术的研究提供科学合理的依据，达到促进智能信息处理技术可持续发展的目标。

本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能的相关知识，包括机器学习和深度学习的基本内容，并结合图像信息处理和自然语言处理两个典型应用展开阐述，使读者能快速掌握人工智能的基本概念、基本知识体系和框架，为进一步深入学习打下良好基础。

本书介绍了深度学习原理与TensorFlow实践。着重讲述了当前学术界和工业界的深度学习核心知识：机器学习概论、神经网络、深度学习。着重讲述了深度学习的实现以及深度学习框架TensorFlow：Python 编程基础、TensorFlow编程基础、TensorFlow模型、 TensorFlow编程实践、TensorFlowLite 和 TensorFlow.js、TensorFlow案例--医学应用和Seq2Seq attention 模型及其应用案例。 本书*特色是既有由浅入深的理论知

机器学习是计算机智能围棋博弈系统、无人驾驶汽车和工业界人工智能助理等新兴技术的灵魂，特别是深度学习理论更是诸多高精尖人工智能技术的核心。掌握机器学习理论与实践技术是学习现代人工智能科学最重要的一步。
本书既讲述机器学习算法的理论分析，也结合具体应用介绍它们在Python中的实现及使用方法。本书的第2到第9章主要介绍监督式学习算法。其中包括：监督式学习算法基础、线性回归算法、机器学习中的搜索算法、Logistic回归算法、支持向量机算法、决策树、神经网络和深度学习。随后，在第10与11这两章

本书是一本全景式介绍人工智能知识体系与热门应用领域的教材，内容包括人工智能产业的发展现状与市场需求，人工智能在现代生活的影响，人工智能对工业、医疗、安防、社交、机器人、无人驾驶、居家、生活服务方面的应用。培养学生人工智能的应用能力,开拓读者的科技视野.

本书介绍了微软Azure云平台的IAAS和PAAS中的具体服务，主要包括：云存储（Azure Storage)、App Service、云数据库(Azure SQL Database）、分布式缓存、分布式消息队列服务(Service Bus)、分布式基础架构服务（Service Fabric）、大数据处理平台HDInsight、数据分析服务Power BI、人工智能/机器学习（Machine Learning)、多媒体服务等。读者可以从中学到Azure云平台的基本概念、基本操作方法，学会如何利用