本书全面介绍神经网络、机器学习和深度学习的基本概念、模型和方法，同时也涉及了深度学习中许多最新进展，附录中还提供了相关数学分支的简要介绍，旨在让读者知其然还要知其所以然。

目标是培养学生对智能计算完整软硬件技术栈（包括基础智能算法、智能计算编程框架、智能计算编程语言、智能芯片体系结构等）融会贯通的理解，成为智能计算系统（子系统）的设计者和开发者。

《人工智能导论》是为高等院校相关专业“人工智能导论”课程设计编写，具有丰富应用特色的主教材。针对高校学生的发展需求，《人工智能导论》分引言、基础知识、基于知识的系统和高级专题四部分，可依照学习进度与需求，做适当选择。内容包括：引言，包括绪论（基本概念）、人工智能+领域应用；基础知识，包括大数据思维、搜索算法、知识表示；基于知识的系统，包括专家系统、机器学习、深度学习；高级专题，包括机器人技术、智能图像处理、自然语言处理、自动规划。
《人工智能导论》较为系统、全面地介绍了人工智能的相关概念、

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精品教材中的一本，以信息物理系 统、模糊逻辑系统、自主无人系统、群体智能、多 Agent 系统、人机协同系统、工业智能控制系统、机 器人系统等为案例，完整呈现了人工智能综合应用体系架构。本书首先介绍了智能系统的发展、相关概 念、主要特征和类型、智能系统的发展前景，然后围绕智能系统信息处理流程详细阐述智能感知、智能 计算、执行系统等理论知识，最后重点讲解了信息物理系统、模糊逻辑系统等八大系统的典型应用体系 架构。本书将免费提供配套 PPT、实

本书内容包含人工智能新技术、大数据、机器学习、深度学习、知识图谱、AI图像技术、自然语言处理、智慧物联、数字工厂、智能机器人、智慧城市。本书案例丰富、结构清晰、通俗易懂，是一本比较全面、系统地介绍人工智能基础技术的书籍。
本书可作为应用型本科、高职院校的人工智能应用技术通识课教材，也可作为人工智能爱好者、从业者的辅助读物。

本书首先从深度学习的原理出发，介绍如何把深度学习的理论转换为PyTorch代码，然后介绍如何在计算机上运行这些代码。作为一本面向初中级读者的技术类图书，本书在前面所述内容的基础上，还介绍了学术界前沿的一系列实例，以及PyTorch的源代码结构，以期读者能够融会贯通深度学习框架的设计和应用的思想。

本书介绍了机器学习的基本算法、历史发展、应用前景及相关问题。内容包括：机器学习所涉及的必要的数学知识，机器学习的基本模式和任务，神经网络的基本理论及算法结构，分类与聚类学习算法，数据维度归约的基本方法，图理论及方法以及当前比较流行的机器学习理论和算法。本书在加深学生对经典机器学习方法理解的基础上适当扩展其视野，以培养和提高其解决实际问题的能力。
本书可作为高等学校人工智能相关专业的教材，也适合该领域的工程技术人员参考使用。

本书紧密追踪物联网*新技术发展与典型应用，结合互联网、云计算、大数据等技术，从基础知识、关键技术到典型应用，全方位阐述物联网的现状、关键技术及部分典型应用。全书共13章。第1章阐述物联网的发展背景、定义、特征及发展趋势；第2章至第4章从物联网感知层出发，分别介绍物联网识别技术（RFID）、物联网传感技术以及物联网智能视觉技术；第5章从物联网传输层出发，主要介绍支撑信息传输的关键通信技术；第6章从应用层出发，详细介绍大数据、云计算、物联网定位等应用技术；第7章介绍物联网安全技术；第8章至第1

本书主要阐述人工智能的基本原理、方法和应用技术。全书共13章，除第1章讨论人工智能基本概念、第13章讨论人工智能的争论与展望外，其余11章按照“基本智能+典型应用+计算智能”三个模块编排内容。第一个模块为人工智能经典的三大技术，分别为知识表示技术、搜索技术和推理技术，主要包括知识表示、确定性推理、搜索策略、不确定性推理；第二个模块为人工智能的典型应用领域，包括机器学习、支持向量机和专家系统；第三个模块为计算智能与群智能，包括神经计算、进化计算、模糊计算和群智能。本书力求科学性、模块化、实用性。内

随着计算机技术迅猛地发展，人工智能与机器学习已经渗透到我们日常生活的各个领域。为此，中国人民大学专门为全校财经和人文专业的学生开设了“人工智能与机器学习”课程，本书的所有作者都参与了该门课程的教学实践，相互配合，总结教学经验，共同打磨而成《人工智能与机器学习》一书。书中通过丰富现实案例的详细讲解，引导学生了解各种机器学习模型的基本原理与实践用法。避开了大量的数学模型和复杂编程知识，让学生熟悉当下流行的一些机器学习和数据处理工具的使用，来解决现实领域遇到的各种数据分析和预测问题。