无论你是一名渴望进入人工智能世界的软件工程师，一名经验丰富的数据科学家，还是一名怀揣创造下一个人工智能爆款应用伟大梦想的业余爱好者，你可能都想知道从哪里开始深度学习。这本循序渐进的指导书会教你如何通过实际动手操作的方式为云计算、移动端、浏览器和边缘设备构建实用的深度学习应用程序。

本书以实验为主，在实验中穿插讲解了用到的理论知识，对于理论知识，点到为止，够用即可。本书由基础实验、Basic RF的无线通信及应用以及综合应用三篇构成。基础实验包括23个实验，主要介绍了CC2530基础知识、I/O控制、中断、时钟、UART串口通信等知识点。Basic RF无线通信及应用包括7个实验，由浅入深，讲解了点对点通信并结合了数据采集定时通信的主要知识点。综合应用结合了两个常用的场景，即智能家居和智能温室系统，来讲解物联网的数据采集以及个域网通信的综合知识点。
本书适合作为

本教材内容包括人工智能概述、人工智能通用技术、机器学习与深度学习、人工智能典型应用场景与职业发展、人工智能法律与伦理、人工智能与职业发展。在内容的选取上，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。作者仔细研究了国内第一批人工智能创新应用平台的开放接口，归纳相应创新应用平台的共性内容，选取与图像、语音、自然语言处理等相关的人工智能通用技能，并针对这些通用技能安排了相应的实训。本书精心设计了适用于高职层次学生的人工智能体验式实训，借助人工智能开放平台上的API（应用

《机器学习与人工智能》涵盖了与人工智能相关的机器学习核心方法，包括深度卷积神经网络、循环神经网络、生成对抗网络、蒙特卡罗树搜索、强化学习。《机器学习与人工智能》也包括一些应用非常广泛的机器学习方法，例如，支持向量机、决策树和随机森林、隐马尔可夫模型、聚类与自组织映射。《机器学习与人工智能》还包含一些重要的大数据分析方法，如主成分分析、回归分析等。

本书介绍自动控制的基本原理、典型控制方法及应用实例，主要内容包括：控制系统的建模，线性系统的时域分析法、根轨迹分析法、频域分析法、控制系统的经典校正方法及非线性系统的描述函数与相平面分析方法。并在相应章节介绍如何利用MATLAB进行控制系统的分析和设计。本书以深入浅出的方式讲解自动控制的一般原理，并根据应用性本科的教学要求强化工程应用背景。

　　《控制工程基础（第2版）》主要介绍经典控制理论和现代控制理论中控制系统分析和综合的基本方法。
　　《控制工程基础（第2版）》共分9章，前6章属于经典控制理论中的线性定常连续控制系统问题，包括：自动控制系统的基本概念，控制系统的数学模型，时域分析法，根轨迹法，频域分析法，控制系统的设计与校正；第7章为线性离散系统的分析与校正；第8章为非线性控制系统分析；第9章为现代控制理论概述。
　　《控制工程基础（第2版）》可作为机械、电子、计算机应用技术、电子信息工程、工业工程、

本书内容主要涉及人工智能经典及实用的关键技术，以及人工智能近年来*新发展的技术，具体包括人脑认知、经典人工智能、经典人工神经网络、优化与智能计算、统计学习方法、深度学习、强化学习、自然语言处理、智能机器人。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例；主要章后均附有习题。
本书结合了编者多年来从事人工智能科研和教学的经验，注重内容的实用性和先进性。本书可作为普通高等院校理工科专业的“人工智能”通识课程的教材。
（责任编辑邮箱：jinacmp@163.

本书是“人工智能导论”课程的辅助实验性教材，配合主教材《人工智能导论》（徐洁磐编著，中国铁道出版社有限公司出版）一起使用。全书共5章：其中，第1章主要对实验平台进行介绍，第2～4章主要对平台的工具进行介绍，如Python、Numpy、TensorFlow、PyTorch等，第5章主要介绍与人工智能相关的11个实验，如人工神经网络、决策树、深度学习、计算机视觉等。本书坚持操作性、解释性、趣味性的编写原则，旨在通过实验操作实现对理论知识的进一步认知与理解，调动起读者对人工智能应用的兴趣，提高学

《人工智能》系列读本共3册，由华东师范大学教授、信息科技课程专家任友群先生主编，由中国工程院院士、浙江大学教授潘云鹤先生作序，由上海教育出版社出版。《人工智能初中版》针对初中生编制，主要目标是人工智能初体验——通过对人工智能的解构（看、听、说、想、动）及综合实践项目等帮助学生体验人工智能，掌握基本知识和技能；在实施案例的基础上强化应用能力。主体部分设有体验与思考、学习与讨论、拓展与练习、总结与评价等四个部分，让学生从体验、学习、拓展和总结中逐层深入地结构和认识人工智能相关的计算机视觉、自然

数据是载体，智能是目标，而机器学习则是从数据通往智能的技术途径。机器学习是数据科学的核心，是现代人工智能的本质。本书内容包括机器学习概述、决策树学习、多层感知器、维度约简、支持向量机、无监督学习、概率图模型、强化学习、深度学习。本书除介绍常用的机器学习方法外，还综述各主要方法的应用现状。通过各章案例的详细描述,读者可以系统地掌握机器学习方法。本书应用案例采用Python语言编写，并提供下载网址。

本书适合作为高等院校人工智能、数据科学与大数据、计算机科学与技术、软