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

本书利用精美的插图和有趣的类比，对深度学习的主流技术和背后的原理进行了深入浅出的讲解，解释了什么是深度学习，深度学习流行的原因，以及深度学习与其他机器学习方法的关系。阅读本书，读者可以掌握卷积神经网络、循环神经网络、生成式对抗网络和深度强化学习等热门技术，学习TensorFlow、Keras和PyTorch等热门工具的使用，同时能够更深刻地理解计算机视觉、自然语言处理和游戏等领域的人工智能应用。本书还提供了简单明了的示例和代码，能够帮助读者动手实践。 本书适合人工智能、机器学习、深度学习等领域的

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。

近年来，演化计算作为计算智能中传统的优化技术，已经广泛应用于求解各种数据挖掘问题，形成了一种基于遗传的机器学习新范式学习分类器。一方面，在真实场景中采集的原始数据不可避免地包含着冗余乃至噪声属性的信息，这些不相关的特征将对学习分类器算法的学习性能与计算效率造成负面影响。另一方面，学习分类

本书基于ACCESS 2016，通过大量实例对数据库设计、数据库实现、数据操作及应用等各方面进行了全面深入的阐述，书中所用实例具有典型意义，前后连贯、简明生动、易于理解，其中许多示例是作者精心设计的。全书内容完整，文字深入浅出，理论知识通俗易懂。本书有配套的实验与学习指导教程，便于高校师生教与学。本书非常适合作为非计算机专业的Access数据库教材和学生自学使用，也可作为读者学习关系数据理论和使用Access和Excel的参考书。

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

本书系统性介绍动态规划，特别是近似动态规划，包括折扣问题的理论与计算方法、随机最短路问题、无折扣问题、平均费用问题、折扣与无折扣问题的近似动态规划等。

《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。

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