本书共分11章，分别介绍了人工智能导引、Python基础、机器学习初步、自然语言处理、语音识别、计算机视觉、神经网络、增强学习与深度学习、人工智能与区块链、人工智能相关算法、人工智能的载体——机器人。本书包含丰富的Python项目实践，并配有500分钟教学视频。

本书按照新版物联网工程专业规范对“物联网信息安全”课程的要求，基于物联网的应用视角，深入浅出地阐述了物联网信息安全体系、物联网信息安全基础、物联网感知安全、物联网接入安全、物联网系统安全、物联网隐私安全、区块链及其应用等内容。本书可作为高校物联网工程、网络空间安全等专业的教材，也可作为从事物联网安全的技术人员的入门读物。

本书根据人工智能技术服务专业人才培养的需求，以智能机器人为载体，以揭开人工智能的神秘面纱为主线进行编写，设置了5个学习情境。学习情境1主要介绍人工智能的发展和应用，引起学习者的兴趣；学习情境2主要从智能机器如何进行知识存储的角度来理解人工智能；学习情境3主要从智能机器如何使用知识进行探索世界和求解问题的角度来进一步理解人工智能；学习情境4主要从智能机器如何进行自主学习知识、增长智慧的角度来理解人工智能；学习情境5主要从人工智能的自然辩证法视角理解人工智能的本质，从社会学角度给智能机器添加伦理与法

本书是教育部职教团队公共领域课题研究课题资助项目：人工智能和信息技术引
领的职业院校教学改革融合研究与实践（GG2020070001）的研究成果之一。本书的编写思路
是提高学生的人工智能思维和人工智能素养，内容选取上力求突出人工智能的通识性和实用
性，便于教学。
全书主要分为三部分内容。首先概述了人工智能的基础知识，包括基本概念、发展简史、
应用现状；然后阐述了人工智能的核心知识，包括计算机视觉、机器学习、生物特征识别等
关键技术和机器人、计算机图形学、 多媒

本书是人工智能专业英语教材，涉及人工智能基础、强人工智能与弱人工智能、人工智能应用领域、常用搜索算法、软件与Python编程语言、知识系统与知识库、专家系统和推理引擎、机器学习与深度学习、决策树、人工神经网络和模糊神经网络、监督学习与无监督学习、人工智能安全、大数据与人工智能、云计算与人工智能、普适计算、人工智能与智慧城市等多个方面。
本书力求在体例上有创新，适合教学。每个单元均包含以下部分： 课文——选材广泛、风格多样、切合实际的两篇专业文章； 单词——给出课文中出现的新词，读者由此可以

本书是面向人工智能专业英语课程的教材，全书共分为10个单元，分别为人工智能介绍、知识表示和推理、不确定性推理、人工智能的搜索方法、机器学习、人工神经网络、深度学习、强化学习、计算机视觉和自然语言处理。本书信息量大，知识性强，注重英语的听、说、读、写、译能力的全面培养和实际应用。各单元内容均分为阅读与翻译、写作、听与说三大部分； 采用场景式教学和体验式学习相结合的方式，融合了角色扮演、多人会话和小组讨论等行之有效的训练方法。
本书适合国内各类高校智能科学与技术、计算机科学与技术、软件工程等相

本教材共七个单元，围绕人工智能的产生和发展展开介绍，涵盖人工智能的背景和作用、
定义和功能、特征、分类、应用和发展、未来的前景等方面内容。本教材单元结构设计合理，
每个单元由阅读文章、阅读技巧、演讲技巧和文化沙龙四个板块构成，通过第一手的阅读材料
来助力学生的专业学习；课后练习形式多样，针对说、读、写、译各项技能展开训练，旨在帮
助学生掌握扎实的语言技能。
本教材既可作为高校人工智能相关专业学生的选修课教材，也可供广大科技人员和科技英
语爱好者阅读参考。

本书是人工智能入门和普及基础知识的读物。作者从事人工智能教学多年，先后撰写了十余本人工智能教材和习题解答及相关著作，本书在此基础上，精炼和加工，使其通俗化、形象化，并加入人工智能的研究**进展和热门研究课题，如AlphaGo下棋的搜索原理、卷积神经网络、深度学习、大数据和云计算以及当前流行的人工智能开源工具等，全面地反映了国内外人工智能研究领域的**进展和发展方向，并深入浅出进行讲解，是了解人工智能的基础知识的实用工具书。

本书主要介绍物联网平台及其应用开发。全书共6章。第1章从基础技术和应用领域等方面对物联网进行了简单介绍；第2章讲述了国内外物联网平台现状；第3章详细讲述了本书自主研发的微物联共享开放平台；第4～6章讲述了微物联平台的系统搭建，并且通过完整的示例程序讲述了如何利用平台进行项目实战和案例应用。

本书具有较强的逻辑性，重点突出，条理清晰，由浅入深，从理论到实践，有助于读者全面学习物联网平台，具有较强的实践特色。

本书可作为高等学校计算机、软件及相关专业高年级学生或研究

本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如Batch Normalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解以及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握。