本书从硬件、软件、算法和通信四个方面来讲述一个智能系统完整的开发内容, 主要包括: 智能系统相关背景、智能系统芯片、编译系统、操作系统、操作系统软件框架、应用软件开发、机器学习、深度学习推框架和智能系统应用开发。从而让读者能够全面的学习一个智能系统所涉及的各方面知识点, 从而便于从宏观方面理解智能系统。本书适合于刚开始学习计算机体系和智能体系的初级学习者, 便于对相关的知识点有个了解, 从而方便后期对各个相关知识点展开更加细节的学习。

本书基于嵌入式人工智能开发板EAIDK-310和嵌入式虹膜门禁系统EAIDK-310-P20实验平台, 使用Qt和PyQt作为界面设计和运行框架, 通过在嵌入式Linux系统中使用Python和C++语言编写程序代码, 实现视频采集、物体分类、人脸识别、虹膜图像预处理、虹膜图像特征提取与匹配、虹膜图像采集与定位显示、虹膜识别门禁系统、智能音箱等实践案例。本书重实践、重应用、重开发、重创新, 以人工智能主流应用场景落地为导向、以强化学生应用能力的培养为目标, 详细阐述解决实际问题的前沿技

目前, 人工智能技术的发展以机器学习、深度学习技术为主, 它能够解决一些传统人工程序无法实现的效果。然而, “人工智能＋”更是被寄希望于把人工智能技术应用到各行各业之中。本书不仅包含了机器学习、深度学习的算法, 还侧重于人工智能应用软件的开发。书中针对人工智能相关应用和技术设计了项目式教学案例, 每章从不同侧面讲述了人工智能应用项目的设计和开发, 并把需要的数据处理、机器学习模型训练和推理作为补充知识, 以便于读者开展实践教学。

本书从人工智能的基本定义出发, 由浅入深地阐述了人工智能的理论、策略、研究方法和应用领域, 以梳理知识脉络和要点的方式, 详细介绍了知识表示、逻辑推理及方法、非确定性推理及方法、搜索策略、机器学习、深度学习、大数据等方面的内容。作为导论书籍, 本书概念论述清楚, 内容丰富, 通俗易懂, 在较为全面介绍人工智能的基础上对一些传统内容进行了取舍。为满足读者进一步学习的需要, 除第1章之外, 每章最后一个小节都配有案例分析。本书的最后一章整理了10余个入门实验, 便于读者在所学知识的基础上懂

本书从人工智能时代说起，通过项目学习（PBL）的方式由浅入深地剖析图像处理、人脸聚类、语音识别、人脸签到、慧眼识人、自动驾驶小车等人工智能的相关应用案例，并在此基础上推出5个生动有趣的典型综合实践项目--裸眼3D、无人机+智慧农业、创建自己的语音识别库、语音播报智能垃圾桶、垃圾分类机器人。
本书项目在实施过程中，依托人工智能学习网站、拖拽式积木编程、Python编程等软硬件相结合的形式，引领读者轻松学习深奥的人工智能知识，让他们在体验人工智能学习乐趣的同时，进一步培养人工智能的意识和

本书从多维数组Tensor开始，循序渐进地介绍PyTorch各方面的基础知识，并结合深度学习中的经典应用，带领读者从零开始完成几个经典而有趣的实际项目，包括动漫头像生成、风格迁移、自动写诗以及目标检测。本书还介绍了PyTorch的几个高级扩展，包括向量化计算、分布式加速以及CUDA扩展。本书既适合深度学习的初学者及第一次接触PyTorch的研究人员阅读，也适合有一定PyTorch使用经验的用户阅读，帮助他们建立对PyTorch的基本认识，提高使用PyTorch框架解决实际问题的能力。

本书兼顾统计知识的基础性和系统性，系统介绍深度学习基础知识和建模技术。本书共包括7章，第1章介绍机器学习、人工智能和深度学习发展历程及相关概念；第2章介绍深度学习的理论知识，如张量、梯度、损失函数、激活函数、反向传播等；第3章介绍基础神经网络在二分类数据、多分类数据和连续数据上的实例构建；第4章介绍神经网络模型的泛化策略；第5章介绍卷积神经网络的模型结构及其在图像分类问题中的应用；第6章介绍循环神经网络的模型结构及其在序列数据中的应用；第7章介绍文本数据建模的全过程，并结合前几章介绍的模型结构和

本书从初学者角度出发，以"讲课”的形式，归纳分析各类迁移学习方法，使读者能快速理解迁移学习的本质问题、抓住重点、举一反三、迅速入门。它的一大亮点是对"两头"的把握：一是源头，抓问题和场景，做到"师出有名”，讲清楚针对什么问题、用在哪里；二是笔头，抓代码与实践，做到"落地结果”，在实战中巩固和深化对技术的理解。本书同时配套丰富的在线学习资源。

本书主要内容包括机器学习中的相关数学基础 (线性代数、概率统计与信息论、最优化方法和张量分析); 样本数据中的预处理; 机器学习主流算法; 基于MATLAB机器学习算法的实现和机器学习综合应用、机器学习和深度学习的工程应用。本书特色是深入浅出, 自成体系, 注重基础理论的描述, 具有系统性、完整性、可阅读性、应用性和前瞻性。

在这个智能为王数据是金的时代，越来越多的数据，包括物联网设备采集的客观世界数据，被用来指导人类的实践活动。机器学习是处理与分析这些数据的一类常用方法。本书力求从原理的角度，从无到有，讲清楚机器学习中的一些常见方法，并从实践的角度，循序渐进，引领读者独立编程实现这些机器学习方法，从而帮助读者迅速掌握机器学习方法，为读者进一步学习理解深度学习方法奠定坚实的原理与实践基础。 本书适合计算机科学与技术、人工智能、物联网工程、数据科学与大数据、通信工程、电子信息、机器人、自动化、智能制造等相关专业高