本教材内容包括人工智能概述、人工智能通用技术、机器学习与深度学习、人工智能典型应用场景与职业发展、人工智能法律与伦理、人工智能与职业发展。在内容的选取上，突出人工智能主流技术和典型案例，覆盖了目前市场上最常见的人工智能技术及应用。作者仔细研究了国内第一批人工智能创新应用平台的开放接口，归纳相应创新应用平台的共性内容，选取与图像、语音、自然语言处理等相关的人工智能通用技能，并针对这些通用技能安排了相应的实训。本书精心设计了适用于高职层次学生的人工智能体验式实训，借助人工智能开放平台上的API（应用

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。

本书是人工智能、计算机、自动控制等相关专业的专业英语教材，选材广泛，内容涵盖人工智能的基本概念、发展历史、主要技术、人工智能的现在与未来，以及人工智能给人类带来的影响和人工智能的应用领域等。本书具体内容包括：第 1章人工智能的基本概念。第 2章人工智能的发展历史。第 3章到第 5章人工智能的主要技术，包括机器学习、深度学习和自然语言处理等。第 6章和第 7章人工智能的应用领域，包括人工智能在农业、教育、安防、金融、医疗、交通、家庭等领域的应用情况。书中每章所选用文章均来自国外网站，本书作者对文章

本书是“1+X”传感网应用开发职业技能等级证书培训辅助教材。本书从窄带物联网（NB-IoT）技术应用层面出发，根据当前高职教育改革要求，采用项目教学方式进行编写，内容包括初次见面、STM32微控制器的应用、轻量级操作系统LiteOS的应用、NB-IoT通信测试、第三方连接管理平台、共享单车车锁设计、共享单车应用设计。本书注重学生技能训练，通过7个项目开展教学，每个教学环节包括教学导航、知识要点、实践环节、项目小结、思考题与习题，将理论知识贯穿于项目教学中，项目内容由易到难、由小到大、程序完整、知

本书向读者介绍当代人工智能技术的入门知识,特别是以深度学习为代表的机器学习方法。本书主要内容包括人工智能在模拟人类视觉、听觉、语言、行为、思维五个方面的最新进展,覆盖了当前人工智能应用最广泛的几个领域,包括人脸识别、语音识别、声纹识别、自然语言理解、机器人设计等。
本书介绍的很多算法都需要动手实践才能有更好的理解。读者可以下载本书的实验套件 (ht
p://iok.storg),边学边做,才能真正领略人工智能的神奇与瑰丽。
abocl.唯其如此,
本书是一本科普著作,没有

书采用图形化的方法讲解人工智能和机器学习的知识与技术，并且借用图形化软件KNIME采用拖、拉、拽等“傻瓜式”的操作完成从简单到复杂的机器学习项目。全书分为三个部分，分别是人工智能技术入门、传统机器学习和深度学习。本书具有图说图解、自上而下、够用即止、实战掌握的特点，适合于作为人工智能入门者、人工智能技术应用者及高职高专院校理工科、本科院校非理工科专业学生的教材。

    本书以项目为导向，通过工程预览使学生对项目有一个大体的了解，通过任务分析让学生了解项目的具体要求，使学生具有分析项目解决问题的能力，通过任务实施让学生了解项目实施的过程，通过工程配套开发使学生能够具体的开发一个简单的系统工程，并通过部署的硬件实现软硬件的结合，从而完成项目。本书从易到难有9个项目，通过这9个项目学生可以掌握网联网基本硬件的部署和针对硬件的编程，非常适合有编程基础的学生学习。本书适合中职学生和五年制高职的学习，前置课程为《面向对象程序设计》。本书有每章都有配套的课

本书是普通高等教育十一五*规划教材，全面地阐述自动控制的理论及应用。全书共分8章和2个附录，主要内容包括：线性系统的数学模型、时域响应分析、根轨迹法、频域特性分析、控制系统的设计与校正、非线性系统分析、采样控制系统，以及在MATLAB/Simulink支持下对控制系统进行计算机辅助分析与设计。全书内容取材新颖，阐述深入浅出。为便于自学，各章均附有典型题详解、精选习题和考研试题。 本书可作为高等院校自动化等专业的本科生教材，也可供相关专业的研究生或从事自动化技术工作的人员参考。

《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学

      该书系统地论述了人工神经网络的主要理论、设计基础及应用实例，旨在使读者理解和熟悉神经网络的基本原理和主要应用，掌握它的结构和设计应用方法，为深入研究和应用开发打下基础。为了便于读者理解，书中尽量避免烦琐的数学推导，加强了应用举例，并在内容的选择和编排上注意到读者初次接触新概念的易接受性和思维的逻辑性，也注意引入目前神经网络研究领域的前沿知识如深度网络等。为便于读者能将理论转化为应用，在主要章节的后都给出了MATLAB的应用例子，并对程序和结果进行了详细的讲解。