本教材较为全面地介绍人工智能技术服务、人工智能开放平台应用与实践等内容。全书共12个项目，包括人工智能的技术与应用设计、产业与应用开发，智能数据服务平台入门使用、数据采集、数据清洗、图像标注，深度学习模型定制平台入门使用、模型训练、模型部署，深度学习开发平台视觉任务应用、文本任务应用、声音任务应用等。本教材以企业用人需求为导向、以岗位技能和综合素质培养为核心，通过理论与实战相结合的方式组织内容，努力培养能够根据深度学习项目需求，利用深度学习开发平台完成深度学习应用开发等的人才。

本书兼顾统计知识的基础性和系统性，系统介绍深度学习基础知识和建模技术。本书共包括7章，第1章介绍机器学习、人工智能和深度学习发展历程及相关概念；第2章介绍深度学习的理论知识，如张量、梯度、损失函数、激活函数、反向传播等；第3章介绍基础神经网络在二分类数据、多分类数据和连续数据上的实例构建；第4章介绍神经网络模型的泛化策略；第5章介绍卷积神经网络的模型结构及其在图像分类问题中的应用；第6章介绍循环神经网络的模型结构及其在序列数据中的应用；第7章介绍文本数据建模的全过程，并结合前几章介绍的模型结构和

本书紧跟新一代信息技术和人工智能主流技术的发展，选用Python这一人工智能领域的重要语言，培养学生的人工智能应用能力，以项目、任务为导向，将思政元素和相关知识的讲解贯穿在任务的实施过程中，对标1 X计算机视觉应用开发职业技能等级证书，使学生掌握人工智能在计算机视觉方面的具体应用，坚持与高等职业教育教学思想、岗位需求相结合的原则，通过具体的实施步骤完成预定的工作任务。本书的主要内容包括揭开人工智能的神秘面纱、初识物联网、探索大数据、走进云计算、解密区块链、学习Python基础、认识图像识别、认识

本书共12个单元，每个单元分为Section A和Section B两部分。两个部分围绕同一主题，以不同的体裁形式呈现，并提供了参考译文。本书涵盖了人工智能领域广泛的基础研究主题，比如机器学习、神经网络、计算机视觉、自然语言处理，展示了人工智能在多领域的具体应用，比如推荐系统、人脸识别、聊天机器人、自动驾驶、智能机器人，并对人工智能的硬件基础及发展趋势进行了阐述。几乎全部素材均为过去三年内发布，时效性强。

本书从硬件、软件、算法和通信四个方面来讲述一个智能系统完整的开发内容, 主要包括: 智能系统相关背景、智能系统芯片、编译系统、操作系统、操作系统软件框架、应用软件开发、机器学习、深度学习推框架和智能系统应用开发。从而让读者能够全面的学习一个智能系统所涉及的各方面知识点, 从而便于从宏观方面理解智能系统。本书适合于刚开始学习计算机体系和智能体系的初级学习者, 便于对相关的知识点有个了解, 从而方便后期对各个相关知识点展开更加细节的学习。

本书基于嵌入式人工智能开发板EAIDK-310和嵌入式虹膜门禁系统EAIDK-310-P20实验平台, 使用Qt和PyQt作为界面设计和运行框架, 通过在嵌入式Linux系统中使用Python和C++语言编写程序代码, 实现视频采集、物体分类、人脸识别、虹膜图像预处理、虹膜图像特征提取与匹配、虹膜图像采集与定位显示、虹膜识别门禁系统、智能音箱等实践案例。本书重实践、重应用、重开发、重创新, 以人工智能主流应用场景落地为导向、以强化学生应用能力的培养为目标, 详细阐述解决实际问题的前沿技

本书从人工智能的基本定义出发, 由浅入深地阐述了人工智能的理论、策略、研究方法和应用领域, 以梳理知识脉络和要点的方式, 详细介绍了知识表示、逻辑推理及方法、非确定性推理及方法、搜索策略、机器学习、深度学习、大数据等方面的内容。作为导论书籍, 本书概念论述清楚, 内容丰富, 通俗易懂, 在较为全面介绍人工智能的基础上对一些传统内容进行了取舍。为满足读者进一步学习的需要, 除第1章之外, 每章最后一个小节都配有案例分析。本书的最后一章整理了10余个入门实验, 便于读者在所学知识的基础上懂

本书主要内容包括机器学习中的相关数学基础 (线性代数、概率统计与信息论、最优化方法和张量分析); 样本数据中的预处理; 机器学习主流算法; 基于MATLAB机器学习算法的实现和机器学习综合应用、机器学习和深度学习的工程应用。本书特色是深入浅出, 自成体系, 注重基础理论的描述, 具有系统性、完整性、可阅读性、应用性和前瞻性。

在这个智能为王数据是金的时代，越来越多的数据，包括物联网设备采集的客观世界数据，被用来指导人类的实践活动。机器学习是处理与分析这些数据的一类常用方法。本书力求从原理的角度，从无到有，讲清楚机器学习中的一些常见方法，并从实践的角度，循序渐进，引领读者独立编程实现这些机器学习方法，从而帮助读者迅速掌握机器学习方法，为读者进一步学习理解深度学习方法奠定坚实的原理与实践基础。 本书适合计算机科学与技术、人工智能、物联网工程、数据科学与大数据、通信工程、电子信息、机器人、自动化、智能制造等相关专业高

本书讲述机器学习的基本理论与应用，使用OpenCV、Python与MATLAB实现涉及的各种机器学习算法。通过理论学习和实践应用，读者能够理解并掌握机器学习的原理和应用，拉近理论与实践的距离。全书共分15章，主要内容包括：机器学习理论简介、机器学习理论与应用数学基础、机器学习编程基础、基于OpenCV和Python的机器学习、极大似然估计、高斯混合模型的极大似然估计、非参数估计、软测量、学习模型、半监督学习、聚类分析、异常值检测、随机配置网络、强化学习、机器人轨迹跟踪学习控制。本书系统地讲解了机