本书将人工智能的理论、实践和创新型相结合，实现了先进性与新颖性并举，内容涵盖了图像、语音、文本和□□等人工智能技术广泛应用的多个领域，涉及识别、分类、检测、预测、跟踪和三维重建等多类试验任务。内容与理论教学相呼应，注重趣味性，极具实操性。

书特色主要有：

1、注重实例的一本教材

尽可能简化繁琐的数学推导和定理证明，将重点放在解决问题的原理和思路上，并介绍一些经典有趣的实例。

2、适合不同专业层次的教材选择

结合教学、科研及应用需求，注重概念清晰、既有深度又有广度、理论性较强的教材，着力于内容的体系化，适合不同层次专业选用。

3、注重能力评价的考核方式

注重能力评价的考核方式，有关内容既是对相关知识的学习和掌握，更重要的是对学生独立思考、创新意识和解

深度学习是人工智能的前沿技术。本书深入浅出地介绍了深度学习的相关理论和TensorFlow实践，全书共8章。第1章给出了深度学习的基本概况。第2章详细介绍了神经网络相关知识，内容包括M-P神经元模型、感知机、多层神经网络。第3章介绍了被广泛认可的深度学习框架TensorFlow 2的安装流程与新特性。第4章详细介绍了TensorFlow 2的相关语法。第5章介绍了BP算法和常见的优化方法。第6章介绍了Keras模块的使用。第7章和第8章详细讲解了卷积神经网络和循环神经网络，并给出了相关的实战项目

《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》从应用出发，系统介绍人工智能的基本理论、方法和技术，以及传统行业AI化改造的解决方案。全书共8章，内容涵盖人工智能概述、Python基础、机器学习、计算机视觉、语言识别、自然语言处理、知识图谱和人工智能行业解决方案。
《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》理论和实践相结合，每章使用思维导图梳理知识点，并配有案例及实现，内容重点突出、结构清晰； 同时还在附录中提供了人工智能平台环境搭建的操作手册，便

《机器学习实用教程》将根据高等院校所开设的《机器学习》教学实践的要求，结合重庆工商大学教学实践情况，重点讲授重要的机器学习理论以及相关算法的实现。

机器学习是一门多领域交叉学科，涉及概率论、统计学、矩阵论、神经网络、计算机等多门学科。其目标是模拟人类的学习活动，从数据中获取知识和技能，重新组织已有的知识结构，从而不断改善系统性能。本书共9项目。项目1介绍机器学习基础，概要介绍机器学习的发展简史和一般步骤，以及本书涉及的方法和算法；项目2项目7讨论k近邻算法、线性回归、决策树、贝叶斯分类、支持向量机、集成学习等监督学习方法；项目8介绍聚类的基本知识，阐述无监督学习方法；项目9讨论深度神经网络，主要论述卷积神经网络和循环神经网络两种模型。本书由

深度学习是人工智能与机器学习领域的重要研究分支，深度卷积神经网络是其核心内容之一。本书作为一本深度卷积神经网络方面的入门与提高书籍，目的是使读者通过学习了解和掌握卷积神经网络的理论基础与应用方法。全书共10章，分为三个部分：第1～3章为第一部分，主要介绍卷积神经网络基本理论；第4～5章为第二部分，概述卷积神经网络相关工具和框架；第三部分为第6～10章，介绍了数据集、数据处理及网络训练知识，最后给出了卷积神经网络的三个典型应用实例。本书可作为高等学校人工智能、计算机科学与技术、信息工程、自动化等专

本书主要介绍人工智能的发展历史、技术和应用，内容主要包括知识图谱、搜索技术、智能优化算法、机器学习、人工神经网络、深度学习、人工智能应用（人脸识别、语音识别、自然语言处理、机器人等）、人工智能工具、人工智能伦理等。本书的特色是通过案例为主线，提出关键问题，以解决问题为导向，介绍人工智能领域的相关概念、理论、技术和应用，采用启发式和讨论式的写作风格，让学生更具有代入感、参与感和获得感。主要面向本专科大一新生。

本书是依据教育部**颁布的《高等职业学校专业教学标准》中对本课程的教学要求编写而成的。
本书主要内容包括：走近人工智能、初识Python、让机器认识你、机器怎么学习、让机器听你指挥、走进人工智能等。本书试图突破人工智能算法难以理解的难点，通过具象化的小项目实现做中学、做中教，强调人工智能技术的应用。
为方便教学，本书配套有演示文稿、场景拍摄、录屏演示、源代码等丰富的立体化教学资源，其中，部分资源以二维码形式在书中呈现，其他资源可以通过配套的数字课程网站获取。
本书可

本书主要内容包括人工智能概述、知识表示和知识图谱、机器学习、人工神经网络与深度学习、智能识别、自然语言处理、专家系统、智能体与智能机器人、Python语言、人工智能案例设计与实现。