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

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

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。

"《人工智能设计概论》深入探讨了人工智能与艺术设计融合的理论与应用实践。本书采用跨学科视角，深入剖析人工智能在设计领域的基础理论与应用实践，揭示了AI赋能设计创新的内在逻辑与实现机制。本书精心编排了6个章节，不仅涵盖了AI赋能设计的基础知识与前沿技术，还融入了伦理、社会等多维度的深入分析，全面展现了设计学科在智能化浪潮

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

"本书介绍了现代智能信息处理的多个方面，包括人工智能的发展历程，人工智能的应用现状，人工智能相关的数学知识，人工智能方法（监督学习、无监督学习、半监督学习、强化学习、深度学习），智能通信信息处理，智能计算机信息处理以及智能生物医学信息处理等。《现代智能信息处理》侧重智能信息处理的基本方法，突出结合实际运用场景展开，展示

本书首先介绍深度学习，并与其他机器学习模型进行比较，并阐述与TensorFlow互补的用于创建深度学习模型的技术，如Panda、Scikit-Learn和Numpy。随后介绍有监督的深度学习模型，并使用单层的多个感知器构建浅层神经网络，使用Tensorflow2.0和KerasAPI创建真实的应用程序。随后是数据增强和

"模式识别是人工智能技术的重要分支，也是实现机器智能的重要手段。本书作为该领域的入门教材，介绍了各类典型的模式识别的理论与方法。全书共10章。第1章为绪论；第2~5章介绍与模式识别相关的人工智能基础知识，包括智能Agent、确定性知识表示与推理、搜索策略、智能优化算法等；第6章介绍特征提取与选择方法，应用于模式识别中的

本书全面且详细地阐述了控制工程领域的基础理论知识。全书共7章，深入浅出地介绍了自动控制系统的基本概念、控制系统的数学模型、基于传递函数的时域分析与设计、控制系统的根轨迹分析与设计、控制系统的频域分析、控制系统的校正、线性离散系统的分析和校正相关知识。

阅读本书犹如一次时空之旅。它不仅向你讲述了人工智能进步的故事，还能让你沿着那些人工智能先驱者的脚步，去感受他们的激情和执着，去了解他们如何用智慧之光，点亮通往未知世界的路标。希望这本书能让你感受到，人工智能原来并不遥远，人工智能原来很有趣，继而进一步地关注更多发生在人工智能世界里的奇妙故事，抑或愿意投身于这一全球瞩目的