本书系统介绍了人工智能的基本原理、方法和技术，并反映国内外研究和应用的最新进展。全书共11章。第1章主要介绍人工智能从业人员的职业道德及行业准则和人工智能视角下的企业文化和职业素养。第2章主要介绍人工智能技术的定义、经典问题、发展史和产品应用等。第3章主要介绍人工智能与大数据、数据采集与预处理、数据可视化。第4章介绍了机器学习的学习类型、分类、常见任务及其应用。第5、6章对神经网络和深度学习做了引导性综述，包括图片识别、BP神经网络的数据分类、卷积神经网络、循环神经网络。第7章介绍了计算机视觉技

本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化，以及深度学习实验项目。本书内容由浅入深、语言通俗易懂，从基本原理到案例应用、从基础算法到对复杂模型的剖析，让读者在循序渐进的学习中理解Keras。 本书可作为高等院校计

本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可以巩固所学的内容。
本书可以作为高校数据科学或人工智能相关专业的教材，也可作为深度学

本书为“智能算法通识”课程的配套实验用书。“智能算法通识”课程主要面向理工类非计算机专业，和传统程序设计课程相比，主要注重提高算法和问题求解能力，课程从培养学生的算法技能出发，让学生通过对若干适用于大多数专业的通用算法的编程实际练习，在实验中锻炼寻找算法库、使用算法库解决自己专业应用问题的能力。
本书涵盖了“智能算法通识”课程的所有基本题目类型。实验项目从问题角度划分有逻辑推理题、数学问题算法（如多项式插值、非线性方程求解、线性方程组求解等）、文字处理题、数据结构题（如线性表、栈、队列、二

机器学习是一种实现人工智能的方法，也是人工智能领域中最能体现智能、发展最快的一个分支。本书作为该领域算法实现与应用的入门教材，主要介绍了一些经典而常用的机器学习方法及其编程技术，包括朴素贝叶斯、决策树、k-NN、聚类、线性回归、支持向量机（SVM）、神经网络等。全书以Python语言作为编程语言，基于工作过程系统化的体例设计，采用理论知识结合项目案例的形式，以图例解析的方式深入浅出又直观地剖析学习模型的计算机理，加深学生的体会和理解，避免了烦琐的数学模型推导；在项目实施过程中，以任务驱动的方式一

本书根据教育部高等学校大学计算机课程教学指导委员会对计算机基础教学的基本要求编写，探索将 “线上”+“线下”混合式教学的最新教学改革思想融入教材的方法，使学生逐步掌握利用计算思维、计算 工具分析和解决问题的方法。本书以 Microsoft Of?ce 2016 和 Python 为主要教学平台，适应日新月异的计算 机技术发展。全书共 7 章，内容包括计算机概述、计算机系统、Windows 10 操作系统、办公软件应用、网络与信息安全、 Python 程序设计基础、人工智能基础。本书主要作为线上教

本书主要讲解了常见的人工智能应用。其中，项目 1介绍了人工智能常见的应用场景、相关软件的安装及如何将TensorFlow模型部署到安卓端；其他 9个项目主要介绍了常见人工智能应用场景的实现，每个项目均介绍了当前项目的原理、开发环境，再对当前项目分步骤介绍如何实现，以便于读者的理解。 本书可作为高等院校人工智能技术应用、大数据技术等相关专业的实训教材，也可供对人工智能应用感兴趣的读者自学。

本书按照人工智能模型训练开发流程介绍了人工智能模型训练开发技术，包括PaddlePaddle的简介及基础知识、线性回归、卷积神经网络、循环神经网络、自然语言处理、推荐算法、计算机视觉、迁移学习、图像分类、图像识别等，并通过实际的操作案例详细、直观地讲解了人工智能算法和模型的实现过程，可帮助开发人员快速完成人工智能等相关开发任务。

本书共11章，包括计算机基础知识、人工智能概述、人工智能基础算法与应用、Python基础入门、Python编程基础、Python数据结构、Python图形处理、Python与爬虫、Python人工智能应用案例、国产麒麟(桌面)操作系统、国产办公软件WPS Office等内容。