本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超参数调优，并结合主流机器学习技术框架Scikit-learn，展开了信用违约分类预测、社交媒体评论分类预测、共享单车用量需求回归预测、信用卡客户忠诚度回归预测的项目实战。

本书分为两部分：控制理论基础知识和控制理论基础实验。

控制理论基础知识部分主要介绍自动控制概述、控制系统的数学模型、控制系统的时域分析法、控制系统的频域分析法和控制系统的校正等内容。另外，每章均配有例题和习题，便于读者自学和练习。

控制理论基础实验部分主要介绍典型二阶系统阶跃响应实验、控制系统性能分析实验、控制系统数字仿真实验和控制系统校正设计实验等。

本书内容通俗易懂，理论和实践配合紧密，实用性强，可作为高等学校电子信息类专业的教材或教学参考书，

本书兼顾机器学习基础、经典方法和深度学习方法,对组成机器学习的基础知识和基本算法进行了比 较细致的介绍,对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学 习等算法都给出了深入的分析并讨论了无监督学习的基本方法,对深度学习和强化学习进行了全面的叙 述,比较深入地讨论了反向传播算法、多层感知机、CNN、RNN 和 LSTM 等深度神经网络的核心知识和结 构;对于强化学习,不仅介绍了经典表格方法,还讨论了深度强化学习。 本书是面向大学理工科和管理类各专业的宽口径、

2017年，国务院印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，机器学习作为人工智能技术的内核，走入我国广大中小学生的课堂是科技发展的必然选择。《BR》　　本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框架和经常被使用的技巧。本书介绍了这些技巧是如何被巧妙地封装成一种通用方法，并在适当的时候被反复使用。从框架到思路，再到解决问题的技巧，以及技巧的封装和重用，这些都是塑造良

《自动控制原理（第2版）》主要内容包括控制系统的数学模型，线性系统的时域分析法、根轨迹法、频域分析法、综合与校正，非线性系统的分析，线性离散系统的分析。本书着重于基本概念、基本理论和基本分析方法，并附加学习资源，扫描书中的二维码可随时完成基本测试题练习并查看参考答案。本书在国家智慧教育公共服务平台有配套在线课程，可供读者学习。
《自动控制原理（第2版）》可以作为高等院校自动化、电气工程及其自动化、测控技术与仪器、电子信息工程、通信工程、生物医学工程、机械设计制造及其自动化、能源与动力工程、

本教材可以作为人工智能学科相关的机器学习技术的入门教材, 目的不在于覆盖机器学习技术的所有知识点, 而是介绍机器学习的常用算法及其应用, 使读者了解机器学习的基本构成及不同场景下使用何种机器学习算法。为了增强实践效果, 本教材引入了多个基础技术案例及综合实践案例, 以帮助读者了解机器学习涉及的基本知识和技能。

本书主要讲述计算机博弈及其实现的过程。第1章介绍计算机博弈的一些基本情况。第2章介绍极大极小算法, 并以井字棋为例实现。第3章介绍Alpha-Beta算法, 并以亚马逊棋为例实现。第4章介绍期望极大极小算法, 并以爱恩斯坦棋为例实现。第5章介绍UCT算法, 并以海克斯棋为例实现。第6章介绍强化学习在计算机博弈游戏中的应用, 并以不围棋为例实现。第7章介绍西洋跳棋的算法, 重点介绍可下位置的生成算法。第8章介绍非完备信息博弈游戏的实现方法, 并以军棋为例实现。

本书主要包括8个项目, 分别为搭建TensorFlow开发环境, 手写数字识别: TensorFlow初探, 波士顿房价预测: 前馈神经网络, 服装图像识别: Keras搭建与训练模型, 图像识别: 卷积神经网络, AI诗人: 循环神经网络, 预测汽车油耗效率: TensorFlow.js应用开发和庆娣花卉识别: TensorFlow Lite。

深度学习是人工智能与机器学习领域的重要研究分支，经过短短十几年的发展，已经在计算机视觉与图像处理、自然语言处理等领域取得令人瞩目的成就。本书作为深度学习方面的专门书籍，融合了机器学习、人工神经网络和深度学习的相关概念，并且从信号处理视角呈现了深度学习背后的几何学原理，以便从统一的角度去深化理解深度学习的主要模型和算法，从而更好地用于指导理论分析和实践开发。全书分为三个部分，共14章。第1～4章为第一部分，主要介绍机器学习基础知识，包括向量空间、矩阵代数、凸优化等数学预备知识，以及支持向量机、核回

本书深入浅出地介绍了人工智能的相关内容，旨在帮助读者快速了解人工智能的基础知识、最新应用和未来发展。

全书分为5篇，共12章。第1篇为基础知识篇，主要包括人工智能概述、AI行业发展的驱动力和机器学习的基础概念及应用；第2篇为感知表达篇，主要包括智能感知和自然语言理解的主要技术及应用；第3篇为专业智能篇，主要包括音乐人工智能、智能体育工程和智能绘画的发展及相关智能系统；第4篇为智慧生活篇，主要包括智能医疗、智能家居和智能城市的发展及相关智能系统；第5篇为未来展望篇，主要讲述AI