本书以轨道交通行业为背景，从人工智能在轨道交通中的应用、机器分类、图像检测、语音识别、文本分析、OCR识别以及项目实战应用案例等方面，由浅入深，全面、系统地介绍了人工智能技术服务及各种应用。在编写上以项目教学为主线，以任务驱动为核心，以培养技术应用型人才为目标，将基本技能培养和主流技术结合，使学生通过学习，能够掌握人工智能技术应用基本技能以及AWS云计算在人工智能方面的综合应用。本书每一章都有项目开发案例，使得理论知识与实践操作有机结合，同时把近年来人工智能发展的新技术、高职高专全国

本书是为高等院校计算机科学与技术、软件工程、人工智能、大数据技术、信息管理等相关专业的“人机交互技术”或“人机界面设计”等课程编写的以实验和实践为主线开展教学的主教材。
全书通过一系列在网络环境下学习和实践的实验练习，把人机交互技术的概念、理论知识与技术融入实践中，加深读者对该课程的认识和理解。内容包括人机交互与用户体验，人机交互相关学科，人机交互界面，概念化交互，社会化交互，情感化交互，发现需求，交互设计过程，设计指南与原则，原型构建与敏捷设计，直接操纵与界面设计，命令、菜单与表格，用户

本书主要讲解了机器学习算法的基础知识，以及业界常用算法的应用。其中，项目1 介绍了机器学习的定义、类型、环境搭建以及开发步骤；项目2 介绍了如何进行数据预处理，包含如何对获取的原始数据进行处理、数据集的划分、数据的归一化，以及如何使用主成分分析来提取数据的主要特征等内容；其他8个项目主要介绍了目前主流的机器学习算法。每个项目均介绍了要讲解的算法的原理、步骤、特点，再通过具体的案例对算法的原理知识展开详细的讲解，并将算法应用于实际的场景中，加深读者对算法的理解。
　　本书可作为高等院校大数据

本书是中国移动物联网作系统OneOS开发系列丛书之一，侧重于内核实现原理和内核应用。全书包含21章，详细介绍OneOS内核的相关知识，包括OneOS框架以及其OneOS核心技术——构建工程、任务管理和任务调度、系统配置、时间管理、队列、信号量、定时器、事件以及内存管理等。所有源码都配有详细的注释，且经过严格的审核测试，同时，本书配有大量的图例，对于想要深入学习RTOS类系统原理的人来说是一个不错的选择。

本书从计算思维的角度出发，以人工智能相关问题为引导，在解决实际案例问题的过程中植入知识点，为各专业的学生在今后设计、构造和应用各种计算系统，求解本学科的问题奠定基础。全书内容包括计算与计算思维、程序设计与算法、人工智能与智能计算、网络与大数据这四大部分。
本书适用于高等院校一年级新生的计算机导论等信息技术类基础课程，可作为高等院校计算机基础课程的教材，也可作为计算与人工智能概论课程的教材，还可作为计算机基础培训的教材和自学参考书。

本书系统地介绍了人工智能的基本原理、方法和应用技术，比较全面地反映了人工智能领域当前的研究进展和发展方向。全书共8章，具体内容包括人工智能的基本概念和发展概况、脑与认知、机器感知、知识表示与推理、计算智能、模式识别与机器学习、人工智能系统的硬件基础、人工智能系统的应用。为了便于读者理解，在介绍关键技术的同时，列举了一些应用实例，每章后附有思考题与习题。本书内容由浅入深、循序渐进、条理清晰，让读者在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能问题的求解能力。
本书可以作为高等

本书是有关智能信息处理与量子智能计算方法及其应用的著作，系统介绍了智能信息处理与量子智能计算方面的基础理论及各种新技术、新方法，并从4G及5G移动通信、认知无线电、语音信号处理等角度进行了实例剖析。全书分为两篇共12章。第一篇“智能信息处理及其应用”侧重介绍智能信息处理领域的基本原理与关键技术；第二篇“量子智能信息处理”侧重介绍基于量子计算的智能信息处理技术。本书还提供了电子课件，读者可登录华信教育资源网（www.hxedu.com.cn）免费下载使用。 本书被列为“十三五”江苏省高等学校

本书以Python为基础，使用Sklearn平台，逐步带领读者熟悉并掌握机器学习的经典算法。全书共12章，主要内容包括人工智能概述、Python科学计算、数据清洗与特征预处理、数据划分与特征提取、特征降维与特征选择、模型评估与选择、KNN算法、决策树、线性模型、朴素贝叶斯算法、支持向量机和k均值聚类算法，附录介绍了课程教学大纲和Sklearn数据集。
本书内容精练，文字简洁，结构合理，案例经典且实用，综合性强，面向机器学习入门读者，侧重提高。
本书适合作为高等院校相关专业机器学习入门

本书致力于推动人工智能的普及教育，使用通俗易懂的语言深入浅出地介绍了人工智能相关知识，包括机器学习和深度学□□基本内容，并结合图像信息处理和自然语言处理两个典型应用展开阐述，使读者能快速掌握人工智能的基本概念、基本知识体系和框架，为进一步学习打下良好基础。本书共分6章：前4章主要介绍基础入门知识，包括绪论、基本分类、回归与聚类和神经网络与深度学习；第5章和第6章结合人工智能目前□热门的两个技术应用领域图像信息处理和自然语言处理展开论述。本书强调实用性和可读性，并在章节中增加了课程思政的案例和内容

本教程通过阐述直观而严谨的机器学习方法，为学生学习和掌握研究和构建数据驱动产品所需的基本知识和实用工具。内容优先解析几何直觉和算法思维，为学生提供新颖和易于学习的方式；书中也强调机器学习结合实际应用，包括计算机视觉、自然语言处理、经济学、神经科学、推荐系统、物理学和生物学案例分析；作者精心设计300多幅彩色插图，让读者能够直观地掌握技术概念，另配100多个深入的编程练习（Python），为读者提供了对关键机器学习算法的真正理解。本书还在网上提供了一整套在线教辅资源，包括示例代码、数据集、交互式讲