机器学习是人工智能的重要分支。本书立足实用且易于上手实践的原则，系统地介绍机器学习领域的经典算法，以及这些算法的Python实现和典型应用。本书分4部分: 第1部分介绍监督学习，包括线性模型、决策树分类、贝叶斯分类器、集成学习和支持向量机；第2部分介绍无监督学习，包括关联规则、聚类分析和数据降维；第3部分介绍深度学习，包括神经网络、深度学习和生成对抗网络；第4部分介绍强化学习。本书所介绍的经典机器学习算法及其应用案例均给出了相关实验数据和Python代码实现，每章末尾还给出了习题和实验题，便于读

本书基于PyTorch框架介绍深度学习的有关理论和应用,以Python为实现语言。全书共分10章，内容包括深度学习的概念和发展过程、感知器、全连接神经网络、卷积神经网络、若干经典CNN预训练模型及其迁移方法、深度卷积神经网络应用案例、循环神经网络、基于预训练模型的自然语言处理、面向模型解释的深度神经网络可视化方法、多模态学习与多模态数据分类等。
本书兼顾理论与应用、原理与方法，集系统性、实用性、便捷性于一体，易于入门，实例丰富，所有代码全部经过调试和运行。此外，每一章后面都配有适量的习题，

我国物联网产业发展势头强劲，技术发展日新月异。大数据、人工智能和边缘计算等技术在物联网平台上的深度融合，推动了智能物联网的快速发展，接入层是智能物联网层次结构中的重要层次。本书力图体现物联网接入技术在物联网中的重要作用。
图文并茂，易读易懂。本书给出大量示意图，尽量采用通俗易懂的语言，帮助读者更好地理解内容。
内容全面，案例生动。本书对物联网中常用接入技术的研究背景、形成与发展过程、基本概念、技术特点、具体实现和应用领域等做了详细介绍，涵盖面广，辅以大量我国IT企业有关物联网

本书以能够搭建自定义神经网络为直接目的，以Python为软件平台，全面介绍了大众化的深度学习框架——TensorFlow的主要功能、使用方法及其在神经网络搭建中的具体应用。全书内容简洁、通俗易懂、紧密联系工程实际，具有良好的可操作性。本书既可作为职业技术学校人工智能相关专业的教材，也可供其他学习Python的初学者使用。

全面准确梳理人工智能逻辑体系
　　深入浅出阐述人工智能模型算法
　　领域案例剖析人工智能典型场景
　　丰富实例提升人工智能教学成效
　　理论和实践的紧密结合是人工智能领域的显著特点。为了降低初学者的学习门槛，引导初学者了解人工智能的基本概念，以实际应用促进感性认知，作者编写了《人工智能基础：模型与算法》。
　　《人工智能基础：模型与算法》旨在打造一本体系完整、算法突出和教学资源丰富的人工智能教材，可帮助读者掌握人工智能知识的脉络体系，从算法和模型