本书以scikit-learn和Keras框架作为实战平台，讲解了传统机器学习的主流技术和最新深度学习的研究成果。其中，"第一篇 传统机器学习”包括第1～10章，介绍了机器学习概念、监督学习算法（回归分析、Logistic回归、k近邻、决策树、朴素贝叶斯、支持向量机）、无监督学习算法（神经网络、聚类、降维）；"第二篇 深度学习”包括第11～15章，介绍了深度学习的概念、卷积神经网络、循环神经网络、生成对抗网络和强化学习等。 本书的编写旨在体现"做中学”理念，读者在学习初期不必过多纠缠于算法理

　　《自动控制原理实验教程/高等学校电气工程与自动化专业系列教材》是实验教程。全书除绪论外，共分为10章。章介绍了MATLAB在控制理论中的应用，第2~8章是自动控制原理实验部分，第9章是现代控制理论实验部分，10章是控制系统综合设计性实验部分。第2~9章中均简要介绍了实验所涉及的理论知识，并重点讲述了实验内容。
　　《自动控制原理实验教程/高等学校电气工程与自动化专业系列教材》可作为普通高校自动化、电气工程及其自动化、机械设计制造及其自动化、能源与动力工程等相关专业自动控制原理和现代控制

生成对抗神经网络（Generative Adversarial Nets，GAN）作为一种深度学习框架，发展十分迅猛。通过相互对抗的神经网络模型，GAN能够生成结构复杂且十分逼真的高维度数据。因此，被广泛应用于学术研究和工程领域，包括图像处理，如图像生成、图像转换、视频合成；序列数据生成，如语音生成、音乐生成等；以及其他众多领域，如迁移学习、医学图象细分、隐写术、持续学习（深度学习重放）等。 GAN的技术较为复杂，细分领域众多，发展十分迅猛，因此，需要一个科学有效的学习方法。首先，需要了解GA

本书是《数据库及其应用（Access+Python）》（第4版）配套的学习与实验的指导教程。全书分为12章，每章包括主教程对应章节的主要知识点归纳以及习题。各章知识点归纳精炼、完整，习题包括选择题、填空题、简答题和设计操作题等多种题型，涵盖了本章主要内容，并融汇了对于相关知识的整体理解和应用的要求。所有习题都有参考答案。本书上机实验指导部分的26个实验统一编号，由浅入深，前后内容连贯，引导读者一步步掌握实际的数据库设计、操作与应用的能力。实验后的思考题实践性极强。
本书为读者教学和

本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如Batch Normalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解以及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握。

深度学习往往被视为数学博士和大型科技公司的专属领域。但正如这本实践指南所展示的那样，熟练使用Python的程序员只需很少的数学背景、少量的数据和最少的代码，就可以在深度学习方面取得令人印象深刻的成果。怎么样才能做到？使用fastai，这是**为最常用的深度学习应用提供一致接口的库。
本书作者Jeremy Howard和Sylvain Gugger是fastai的创建者，他们向你展示了如何使用fastai和PyTorch在各种任务上训练一个模型。你还将逐步深入了解深度学习理论，以便充

本书是面向高级人工智能人才培养的高等学校人工智能相关专业规划教材中的一本，通过梳理人工智能涉及的相关数学理论，并通过Python实现相关案例，使抽象的理论具体化，从而加深读者对数学的感性认识，提高读者对数学理论的理解能力。本书首先介绍了人工智能所需的基础数学理论，然后根据数学内容的逻辑顺序，以微积分、线性代数、概率论、数理统计为基础，对函数逼近、最优化理论、信息论、图论进行了深入介绍，同时给出了它们在人工智能算法中的实验案例。另外，该书将免费提供配套 PPT、实验及应用案例等基本教学材料。

本书涵盖人工智能概述、Python编程基础、TensorFlow机器学习框架、机器学习算法、MNIST数据集及神经网络、TensorFlow高级框架、OpenCV开发与应用等基础知识，并介绍且搭建了计算机视觉中的手写数字识别与人脸识别、自然语言处理中的语音识别与智能聊天机器人具体项目，还介绍并实践了AI开放平台的接入与使用，最后在综合实训案例解析中完成了对所学知识的整合。

本书着重叙述人工智能技术的基础知识、工作原理和发展概况，并通过对各种人工智能算法的介绍，讲解人工智能技术在工程领域中的各种实际应用。本书共分为9章，主要内容包括人工智能概述、人工智能算法基础知识、遗传算法、粒子群算法、蚁群算法、人工鱼群算法、神经网络算法、模糊系统、专家系统等。本书不仅涵盖基本的理论知识，还通过相应的实际案例将算法应用于工程实践，并对未来人工智能技术的发展进行了展望。

本书内容深入浅出、通俗易懂，具有较强的实践性和先进性，可作为普通高等学校人工智能

本书较为系统地介绍了人工智能的发展历史、经典算法和前沿技术，并对算法背后的思维方式进行了哲学思辨。内容既包括经典算法（如k近邻、贝叶斯、决策树和神经网络等），又涵盖前沿技术（如深度学习、自然语言处理等）。本书所有算法均配备对应的实战项目（包括Excel版本和/或Python版本），以帮助读者在实践中理解原理。
本书适合高等学校理工科或人文学科的“人工智能”通识课教学使用，也适合作为对人工智能有入门需求的研究生、工程师和研究人员的学习资料。