本书内容重点介绍了人工智能系统管理与维护的全生命周期流程和典型工作任务，包括初识人工智能系统、人工智能系统基础运行环境搭建、人工智能系统开发环境搭建、人工智能系统模型数据处理、人工智能系统模型训练、人工智能系统模型评估与优化、人工智能系统整体测评、人工智能系统部署以及综合实战。
本书将人工智能伦理道德与人工智能技术深度融合，强化工程伦理教育；并紧密对接华为“1+X”智能计算平台应用开发职业技能等级证书要求，实现书证融通。
本书配有电子课件、素材及源代码、习题、习题答案、拓展案例等立体

本书以嵌入式系统开发特点为主线，融入物联网应用，面向物联网、计算机科学与技术、电工电子、智能科学与技术等相关专业，从硬件平台、嵌入式操作系统、物联网平台、程序开发设计等多种角度，介绍嵌入式系统开发的关键要素和具体实现方法。为使读者能够快速进入开发阶段，在本书的实践篇提供了10个由浅入深的项目开发案例。案例开发的嵌入式系统平台主要以Infineon科技公司的PSoC6双核微处理器结合物联网接入模块为载体，辅以物联网安全解决方案；程序设计采用C语言，基于RTOS编写多任务程序代码。这些案例可以为读者

"本教材以案例与实践为重心，按照如下逻辑进行知识点的组织：第1章介绍人工智能发展历程和百度飞桨框架；第2章和第3章围绕机器学习展开，介绍了监督学习和无监督学习的各种经典算法及其应用案例；第4章围绕深度学习展开，介绍了前馈神经网络、卷积神经网络、循环神经网络和生成对抗网络学习四个核心知识点，及深度学习在计算机视觉、自然语言处理两大领域的应用和实践；第5章围绕强化学习的理论、方法和应用进行了介绍。本书可面向高等院校（尤其是应用型本科）教学，教师可根据课程计划和专业特色选择授课内容（32~5

"本书以人工智能技术在产业应用中涉及的专业知识和技能为主线，系统阐述了人工智能领域的基本概念、发展简史、产业结构、核心技术、关键流程、开发工具以及主流应用等相关知识。全书共9章，内容包括人工智能概述、人工智能产业、Python程序设计基础、机器学习、深度学习、知识图谱、TensorFlow深度学习框架、计算机视觉以及自然语言处理。       本书围绕职业本科教育人工智能工程技术专业人才培养目标，结合“人工智能技术基础”课程定位以及学生认知特点，将理论知识和实践技能充分融合，使学生能够

本书旨在帮助读者深入理解嵌入式系统的体系结构、软硬件工作原理，嵌入式系统设计和软件开发所需的基础知识和思维方法，以及嵌入式系统互联(即物联网)的基础知识和编程应用。在内容组织方面，本书分为四大部分，分别为导论(第 1 章)、嵌入式系统的基本原理(第 2～3 章)、嵌入式系统设计(第 4～6 章)、嵌入式系统互联(第 7～8 章)。本书将课内理论讲解结合课内验证和课外实践，不仅理论知识覆盖较全，而且重视实践验证和应用，提供大量动手实践和验证的环节，理论知识的应用场景始终以自制开源板的应用为线索。

本书具体内容包括: 第1章人工智能的基本概念。第2章人工智能的发展历史。第3章到第5章人工智能的主要技术, 包括机器学习、深度学习和自然语言处理等。第6章和第7章人工智能的应用领域, 包括人工智能在农业、教育、安防、金融、医疗、交通、家庭等领域的应用情况。

本书是人工智能、计算机、自动控制等相关专业的专业英语教材，选材广泛，内容涵盖人工智能的基本概念、发展历史、主要技术、人工智能的现在与未来，以及人工智能给人类带来的影响和人工智能的应用领域等。书中每章所选用文章均来自国外网站，本书作者对文章中出现的新词和专业术语进行了注释，每篇文章都配有相应的习题和拓展阅读，有利于读者巩固学习效果。
本书可作为高等院校人工智能、计算机、自动控制等专业的英文课程教材，同时也可作为各类计算机从业人员或者有志于投身人工智能领域的相关人员的自学书籍

　《控制工程基础》详细讲述了控制理论的基本原理和在工农业自动控制系统中的应用。全书共分10章，第1章和第3～8章为经典控制理论部分，主要介绍自动控制系统的基本概念，控制系统的传递函数，控制系统误差与时域分析，控制系统频域特性分析，控制系统稳定性分析、性能校正、PID校正及参数整定等。第2章为控制系统数学基础，主要介绍复变函数和拉普拉斯变换。第9章为控制系统MATLAB仿真，第10章为控制系统实例分析。
　　《控制工程基础》详细分析了工农业典型实例，力求与工程实际相结合，可作为普通

本书系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。
全书共分为10章，第1、2章介绍了神经网络的发展历史、基本特征与功能、应用领域及基础知识，第3~10章展开介绍了单层感知器、基于误差反传的多层感知器、径向基函数神经网络、竞争学习神经网络、组合学习神经网络、反馈神经网络、支持向量机、深度神经网络等内容。为了方便梳理知识点，每章都附

强化学习是机器学习的重要组成部分。本书采用理论与实践相结合的写法，从强化学习的基本概念开始，详细介绍了强化学习的算法理论和实践操作，配有Python代码实现，完整呈现强化学习算法的实践细节。通过这本书你将会：
（1）理解强化学习最关键方面的问题。
（2）探索马尔可夫决策过程及动态规划的过程。
（3）深入理解强化学习的各种方法，包括MC方法，TD方法，深度学习Q方法，SARSA方法等。
（4）通过大量的现实例子及Python实现程序，不断地实践，成为强