本教材聚焦学术前沿，围绕人工智能的两大核心要素，即数据和模型，对人工智能领域安全问题以及相关攻防算法展开系统全面、详细深入的介绍。本教材可以帮助学生充分了解人工智能数据与模型所面临的安全风险，学习基础的攻防理论，掌握关键的攻防技巧。

本书系统地阐述了人工智能算法的基本原理、实现技术及其应用，基本涵盖了其重要理论和方法，包括了最近发展起来的并被实践证明的新技术、新理论，如机器学习、模式识别、图像处理、神经网络、深度学习、群智能方法等。本书注重结合实际，通过实际问题介绍各种理论和方法，着重介绍各种智能算法的MATLAB实现，具有较强的指导性和实用性。

本书可作为计算机、信息处理、自动化和电信等IT相关专业的高年级本科生和研究生学习人工智能的教材，也可作为从事计算机科学研究、开发和应用的教学和科研人员

本教材系统地论述了人工智能的经典理论及人工智能主要研究领域的基础知识与应用场景，目标是用通俗易懂的方法帮助读者构建完整的人工智能知识体系，为后续的深入学习打下基础。
本教材通过讲解人工智能在诸多领域的经典应用案例，帮助读者更好地了解人工智能技术的发展和日常生活的关切度，以及未来人工智能的发展趋势及面临的挑战。
本教材内容采用Python作为讲授计算思维和人工智能的载体，与课程相结合，形成一个融理论教学、科学训练、创新实践为一体的人工智能课程体系和协同培养机制，使所培养的人才在基础

本教材编写理念先进、重在应用，主要内容包括初探人工智能、认知人工智能的基础支撑、认知人工智能的应用技术、探索人工智能的行业应用四个项目。本教材通过文字、视频、动态图和实训平台等多种形式，立体、多角度地呈现内容，构成一个教与学的互动系统，让学习资源交互、联动起来。读者可打开艾智讯网站www.aitrais.com，完成登录并激活，浏览课程多媒体互动资源或进行实训项目操作。
本教材可作为职业院校计算机公共课、信息技术公共基础课程的教学用书，也可供对人工智能感兴趣的读者阅读。

本书包含六大部分：第一部分主要介绍深度学习Python语言的基础知识，讲述Python基本语法（输入、输出、数据类型、流程控制、函数、文件和目录）、数组计算（NumPy库）、绘图库（Matplotlib库）等；第二部分主要介绍Keras编程基础，以及?Keras?中提供的大量的深度学习API；第三部分主要介绍数据处理方法，包括对类别的数据处理方法和对特征的数据处理方法，以及对缺失数据处理方法等；第四部分主要介绍各种深度模型原理及应用Keras搭建各种深度学习模型的方法，如卷积神经网络、循环神经网

本书首先介绍了人工智能的基本概念与应用现状；其次阐述了经典机器学习理论与实践的相关内容，包含基础知识、人工智能的开发工具以及一系列机器学习分类、聚类和回归等算法；最后介绍了深度学习的相关理论，包括深度学习的基本概念、卷积神经网络、循环神经网络以及部分强化学习的经典方法。本书在介绍人工智能相关理论知识的同时，还介绍了部分其涉及的数学原理以及编程实例。

全书共6章，依次对人工智能的基础知识、发展现状、研究热点、技术支撑等方面进行简明通俗的阐述。本书包含大量人工智能应用案例，涉及安防、金融、医疗、农业、交通、教育、零售、娱乐、物联网等领域，并结合人工智能发展背景及应用场景，介绍人工智能给各行业带来的重大变革，分析人工智能在各行业的发展现状，为广大读者了解人工智能、学习人工智能、运用人工智能提供了切实可靠的参考。

物联网工程是计算机、控制、通信等学科交叉的跨学科专业。本书主要从物联网中所需要的控制技术、计算机控制的基础知识、过程控制的理论技术和方法以及基于各种实际控制系统应用背景的工程分析与设计等方面，带领读者深入浅出地体会物联网控制技术的过程。本书语言简明，注重应用，理论与实际相结合，遵循“理论-扩展-应用”的过程，章节中对应地方都有公式、定理辅佐，有利于学习。
本书可作为高等院校物联网工程专业“物联网控制技术”课程的教材，也可作为计算机、电子信息、机械类专业本科生学习自动控制技术的参

本书遵循理念与方法、经典与前沿、技术与应用相融合渗透的原则，在理念、结构、内容和资源上都极具特色和创新。按照人工智能新知识体系，本书内容分为五大部分13 章。 将传统或经典人工智能理论、方法与技术以及新一代人工智能技术和方法相结合，形成基础概念（1-3章）+基础技术（4-5章）+重点研究内容与方向（机器智能）（6-12章）+行业应用与伦理基础（12、13章）的新知识体系模式。 本书提供了配套学习资源，可通过人邮教育社区（www.ryjiaoyu.com）下载本书配套的电子资源，包括教学大纲、教案

本书主要介绍主流的人工智能理论、算法以及Python实现方法，目的是使学生学会人工智能理论及推导过程，并且掌握调用Python人工智能库和自定义编码的方法。全书共分10章，分别为人工智能与Python概述、Python基础、线性回归及其Python实现、逻辑斯蒂分类及其Python实现、最大熵模型及其Python实现、K-近邻分类与K-均值聚类及其Python实现、朴素贝叶斯分类及其Python实现、决策树及其Python实现、神经网络及其Python实现、图像识别领域的应用案例。 本书可作为计