人工智能是一门以自动化理论与计算机技术为基础，涉及多学科交叉融合的新兴学科，是新一轮科技革命和产业变革的重要驱动力量，对于推动经济发展、提高生产力、促进社会进步具有重要意义。
　　本书在总结编者及团队多年教学及科研经验的基础上编写完成，内容涵盖了人工智能的基本概念、发展历程、关键技术以及典型应用，旨在帮助学生快速了解人工智能理论和初步掌握人工智能应用技术。

本书涵盖云计算和人工智能两大领域的内容，着重讲解人工智能应用在云平台上的部署与开发。全书共7个项目，分别介绍云容器和应用开发入门、Ubuntu操作系统的部署、Ubuntu操作系统的配置、Ubuntu云容器的部署、Ubuntu云容器的开发、AI云容器的部署和AI云容器的开发。每个项目均提供实践操作，可帮助读者巩固理论知识。

本书可以作为职业院校计算机、云计算和人工智能相关专业的教材，也可供计算机爱好者参考。

本书以提高学生数字化素养、提升人工智能通识教育质量为目标，引入生活中与人工智能相关的真实案例，进行基于成果导向的结构设计，将深奥复杂的人工智能知识体系化、模块化、生活化，深入浅出，通过贴近生活的小案例、微任务进行引导式学习。书中包含人工智能、机器学习、物联网、大数据等技术模块和人工智能在生活、教学、消防等领域的应用模块，两个模块各包含五个学习任务，两个模块在设计上实现了案例从生活中来，技术应用到生活中去，内容贴近生活，培养学生用数字化、智能化的手段解决生活中实际问题的能力。本书可作为高

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书内容涵盖了机器学习的基础知识，主要包括机器学习的概论、统计学习基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、进化计算、文本分析等经典的机器学习理论知识，也包括用于大数据机器学习的分布式机器学习算法、深度学习和加强学习等高等级内容。此外，还介绍了机器学习的热门应用领域技术，并给出了华为机器学习平台上的实验。本书深入浅出、内容全面、案例丰富，每章后都有习题和参考文献，便于巩固学习，适用于高等院校本科生、研究生机器学习、数据分析、数据挖掘

本书剖析了图像复原技术的最新进展，并探索了深度学习技术在图像复原过程中的关键作用。内容包括：基于传统机器学习的图像复原方法、基于卷积神经网络的图像复原方法基础、基于双路径卷积神经网络的图像去噪方法、基于注意力引导去噪卷积神经网络的图像去噪方法、基于级联卷积神经网络的图像超分辨率方法等。

本书图文并茂、深入浅出地介绍了机器学习算法所需的数学、Python语言编程基础知识，以及回归模型、K 近邻、K 均值、决策树、弱学习器集成、人工神经网络、深度学习等常用的机器学习算法。全书共10 章，每章习题中都配套了实验练习环节，实验内容包括Python 开发环境配置、机器学习算法的实际应用等，所有实验都配有Jupyter 的Python 代码，从而使读者既能掌握算法理论原理，又能进行实际应用。
　　本书适合作为普通高等院校本科或研究生阶段的人工智能、机器学习、数据挖掘等课程的教材，也适

本教材系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络，以及强化学习。本教材旨在使读者了解机器学习的发展，理解和掌握机器学习的基本原理、方法与主要应用。本书内容丰富，着重与讲解机器学习理论的推导与证明，并通过实例进行方法分析与比较；本书强调机器学习的系统性、完整性、方法的时效性，可读性强；同时，作为新形态教材，本书配备了大量

本教材内容包括机器学习概述、机器学习开发环境安装及使用，以及8个预测任务(涵盖监督学习、无监督学习、集成学习、深度学习等知识点)。在内容的选取上，本教材突出数据的多样性、方法的代表性和继承性，通过丰富的机器学习任务深入浅出地介绍机器学习技术在现实生活中的应用和实践。本教材共有10章，第1-2章是实施机器学习任务前的概念介绍和环境准备，第3-8章结合案例介绍K-最近邻、线性回归和逻辑回归、决策树、贝叶斯模型、支持向量机、K-平均值等机器学习算法及模型，第9、10章分别介绍了结合多分类器的

本书分为八章，内容涵盖深度学习概念、深度学习框架、深度学习网络结构等基础知识，以及图像分类、目标检测、文本分类、文本翻译等深度学习实践任务。

本书全面介绍TensorFlow 2.x 框架及其在深度学习中的应用，内容包括TensorFlow 简介、Python 语 言基础、环境搭建与入门、TensorBoard 可视化、多层感知机实现、卷积神经网络实现、循环神经网络实 现、强化学习、迁移学习、生成对抗网络和GPU 并行计算等。