本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超参数调优，并结合主流机器学习技术框架Scikit-learn，展开了信用违约分类预测、社交媒体评论分类预测、共享单车用量需求回归预测、信用卡客户忠诚度回归预测的项目实战。

本书兼顾机器学习基础、经典方法和深度学习方法,对组成机器学习的基础知识和基本算法进行了比 较细致的介绍,对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学 习等算法都给出了深入的分析并讨论了无监督学习的基本方法,对深度学习和强化学习进行了全面的叙 述,比较深入地讨论了反向传播算法、多层感知机、CNN、RNN 和 LSTM 等深度神经网络的核心知识和结 构;对于强化学习,不仅介绍了经典表格方法,还讨论了深度强化学习。 本书是面向大学理工科和管理类各专业的宽口径、

2017年，国务院印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，机器学习作为人工智能技术的内核，走入我国广大中小学生的课堂是科技发展的必然选择。《BR》　　本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框架和经常被使用的技巧。本书介绍了这些技巧是如何被巧妙地封装成一种通用方法，并在适当的时候被反复使用。从框架到思路，再到解决问题的技巧，以及技巧的封装和重用，这些都是塑造良

本教材可以作为人工智能学科相关的机器学习技术的入门教材, 目的不在于覆盖机器学习技术的所有知识点, 而是介绍机器学习的常用算法及其应用, 使读者了解机器学习的基本构成及不同场景下使用何种机器学习算法。为了增强实践效果, 本教材引入了多个基础技术案例及综合实践案例, 以帮助读者了解机器学习涉及的基本知识和技能。

深度学习是人工智能与机器学习领域的重要研究分支，经过短短十几年的发展，已经在计算机视觉与图像处理、自然语言处理等领域取得令人瞩目的成就。本书作为深度学习方面的专门书籍，融合了机器学习、人工神经网络和深度学习的相关概念，并且从信号处理视角呈现了深度学习背后的几何学原理，以便从统一的角度去深化理解深度学习的主要模型和算法，从而更好地用于指导理论分析和实践开发。全书分为三个部分，共14章。第1～4章为第一部分，主要介绍机器学习基础知识，包括向量空间、矩阵代数、凸优化等数学预备知识，以及支持向量机、核回

本书主要从技术原理和技术应用两方面讲述人工智能技术。全书共12章，内容涵盖人工智能概述、人工智能软硬件、人工智能与数据、计算机视觉、语音识别、自然语言理解、知识推理、经典机器学习、深度学习与强化学习、自动驾驶、智能问答及人工智能伦理等。
本书不仅可作为高等院校智能科学与技术、计算机科学、电子科学与技术、控制科学与工程等专业的低年级本科生或专科生的教材，同时也可作为人文社科类各专业本科生的通识课程教材，还可为对人工智能技术及其应用感兴趣的工程技术人员提供参考。

本书介绍了软件测试的基本概念、原理、基本方法及测试过程等内容，包括软件测试技术概述、静态测试、黑盒测试、白盒测试、集成测试、系统测试、测试报告管理、智能软件测试以及单元测试框架Junit、压力测试工具Jmeter的使用方法，同时还介绍了软件测试与质量保证等内容。
本书为软件测试的基础教材，旨在让学生能够熟练地对实际软件进行有效测试，为后续核心课程的学习积累知识，培养学生专业技能，满足软件开发、软件测试、软件质量保障等技能要求。
本书适合作为高等院校计算机相关专业学生的教材，也可作为软

本教材遵循案例教学模式进行课程教学设计，围绕人工智能应用案例展开，强调学科教学设计、主要研究内容、核心研究领域及前沿理论和技术等，内容涉及图像、视频、语音、文本和机器人。本教材覆盖人工智能（师范）专业入门必须掌握的知识，强调基础性和前沿性并重，理论和实验相统一，着力于师范生的课程设计能力、案例分析能力和动手实践能力的培养，使学生掌握人工智能的教学设计、课程教学案例和机器人实践等方面的内容。本教材可作为高校人工智能（师范）、智能科学与技术、计算机科学与技术及相关专业的教学设计课程的教材，也可作为其

本书着重介绍人工智能的基本概老，力求團清人工智能相关学科理论与实际应用之间的关联。从智能引入人工智能的概老、发展。主要流源和未来发展的趋势:在数据、算力和算法的核心驱动下，引入计算智能。感知智能、语富智能、行为智能和混合智能的概念。原理、方法与进展，并从不同的学科角度介细人工智能的应用与趋势:最后介部人工智能面临的问题和当代大学生如何面对人工智能的挑战和机遇。本书不仅可以作为经济学、法学、文学、理学、工学、农学、医学、历史、管理、艺术、教育学等学科各本科专业的通识教材，也可作为了解 人工智

本书围绕应用环境中实际问题的求解过程来阐述和讲解程序设计思想方法和相关技术知识, 向学生展示如何设计和选择合适的数据结构来表示实际问题中的处理对象, 如何把一个实际问题转化成一个程序可计算的逻辑模型, 以及如何考虑程序运行的效率来满足问题求解对时间的要求等。