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。

本书为1+X职业技能等级证书( 人机对话智能系统开发) 中级配套教材。本书共8个单元, 21个任务, 包括自然语言处理技术初探、语料数据加工处理、序列标注--词法分析、语音交互界面VUI设计、人机对话系统中的自然语言处理、基于腾讯云小微的人机对话系统实战、基于模块的人机对话系统实战及人机对话系统测评实战。书中案例基于腾讯云小微等企业、行业场景, 适配岗位需求, 注重对学生动手能力和实际问题解决能力的培养。采用逆向课程设计、通过任务驱动讲解技能点和知识点, 使用“任务描述→任务目标→任务

本书主要内容包括交互设计基础概述，需求的研究和获取方法，交互设计工作方法，视觉、听觉平台上的交互设计方法，以及设计质量控制方法。编者利用十几年设计工作中积累的设计实践经验，将从需求获取开始，一直到测试完成并交付的整个设计工作流程和细节以实际案例的方式一一进行细致的讲述。本书适合作为高等职业院校交互设计/计算机技术类相关专业的教材，和高校理论教材形成充分互补；也可供交互设计人员、产品设计人员、项目经理、用户研究工程师、可用性测试工程师、视觉设计师进行阅读和参考。为方便教学，本书附带电子课件等教学资

信息技术的快速发展为用户提供了丰富多样的体验，手机客户商的各类APP、网站、可穿戴设备的界面等对交互设计提出了更高的要求。以计算机为主的现代技术飞速发展，为用户提供了丰富多样的体验，人机交互设计的研究得到了广泛的关注。本书从人机交互的基本概念入手，以用户为中心的设计理念为指导，以交互设计流程（确定项目主题、开展用户研究、确定用户需求、根据用户需求进行功能梳理和信息架构、原型设计与测试优化）为依据来组织内容，详细介绍了需求分析、架构设计、原型设计和测试优化过程等方面的知识。本书关注以人为本的用户需

本书采用项目式学习法，通过简单、有趣、实用性强的小案例，让读者能够轻松体验和学习深奥的人工智能技术。同时，每个项目通过无代码的人工智能学习网站、拖拽式积木编程、少量代码的Python编程等多种方式实现，读者可以根据自身水平选择合适的方式进行学习体验。
本书共分7章，序章总述人工智能，第1~6章分别从图像处理、文本处理、机器翻译、语音识别、机器学习和自动驾驶等几个领域向读者普及人工智能知识。
在学习本书前，读者应初步掌握Python语言的基础语法、第三方库安装等基础知识。
本书可以

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