本书围绕人工智能的人才需求与岗位能力进行内容设计，将深度学习技术与实际应用相结合，旨在帮助读者全面了解深度学习的基本原理、常用模型和优化算法，并深入探讨在目标检测、图像识别、自然语言处理、风格迁移等领域的应用案例。本书共6个项目、15个任务，主要内容包括使用TensorFlow实现服装图像分类、使用TensorFlow实现文本分类、使用迁移学习实现肺部X光检测、基于Flask的模型应用与部署——猫狗识别、神经网络的语言处理——五言古诗生成、使用VGG19迁移学习实现图像风格迁移。

"本书是计算机领域本科教育教学改革试点工作计划（“101计划”）系列教材之一。本书按照“厚算法基础、养伦理意识、匠工具平台、促赋能应用”的培养目标，以表达与推理、搜索与优化、建模与学习和伦理与安全为核心，按照如下内容进行组织：第1章绪论、第2章知识表达与推理、第3章搜索探寻与问题求解、第4章机器学习、第5章神经网络与深度学习、第6章强化学习、第7章人工智能博弈、第8章人工智能伦理与安全、第9章人工智能架构与系统、第10章人工智能应用。本书可作为高等学校人工智能专业及信息技术相关专业人工

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

阅读本书需要具备一定的Python语言编程基础知识。编者充分调研了行业、企业对人才技术技能的需求，将教学过程和企业深度学习模型的训练与部署、人工智能应用开发等生产过程衔接，与企业一线工程人员共同研究学生需要掌握的职业理论知识和技能，同时参照人工智能深度学习工程应用职业技能等级证书要求，将证书和岗位需求充分融入本书。本书可作为高等院校人工智能相关专业的教材，也可作为有关专业技术人员的培训教材，还可作为广大深度学习技术爱好者及从事包含深度学习相关业务的智能制造、智能零售、智慧安防、智慧交通、智慧农业

本书首先介绍机器学习的矩阵代数基础, 包括线性代数基础、范数理论与投影映射、矩阵分解及应用、梯度矩阵; 然后介绍机器学习的概率与优化基础, 包含概率统计与信息论基础、凸函数、优化理论、迭代算法; 最后介绍几个经典的机器学习模型. 阅读本书需要微积分、线性代数和概率论与数理统计的基础知识.

本书是为适应人才培养的新需求,为自动化、电气工程及其自动化,以及其他相关专业本科生编写的教材。本书以加强基础、突出解决工程问题的思维方法,同时又以避繁就简、深入浅出为原则,系统地介绍了自动控制的基本原理、典型方法及应用实例。本书主要内容包括控制系统在时间域、复数域和频率域的数学模型,线性系统的时域分析法、根轨迹分析法、频域分析法,线性系统的经典校正方法以及非线性系统的描述函数与相平面分析方法。本书部分章节有机地融合了MATLAB的应用,便于读者利用MATLAB软件对控制系统进行计算和仿真分析,以

机 械 工 业 出 版 社本书依据高等院校本科自动控制理论课程的教学要求,从注重理论基础与基本概念,拓宽专业面的目的出发,结合自动化专业及其他相近专业的教学特点和教学要求,比较全面地阐述了经典控制理论的基本内容。全书共分八章,包括经典控制理论的线性定常系统理论(自动控制理论的基本概念与数学模型、时域分析法、根轨迹法和频率法等),非线性控制理论基础和采样控制系统理论等。
本书编写中注重突出重点,淡化繁冗的理论推导,力求以简洁明了的表达方式,准确、全面地讲述自动控制的基本原理和概念。书中注重理