《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》从应用出发，系统介绍人工智能的基本理论、方法和技术，以及传统行业AI化改造的解决方案。全书共8章，内容涵盖人工智能概述、Python基础、机器学习、计算机视觉、语言识别、自然语言处理、知识图谱和人工智能行业解决方案。
《人工智能概论——基础理论、编程语言及应用技术（微课视频版）》理论和实践相结合，每章使用思维导图梳理知识点，并配有案例及实现，内容重点突出、结构清晰； 同时还在附录中提供了人工智能平台环境搭建的操作手册，便

本书以TensorFlow 2深度学习的常用技术与真实案例相结合的方式, 深入浅出介绍TensorFlow 2深度学习的重要内容。全书共7章, 内容包括深度学习入门、TensorFlow 2快速入门、深度神经网络原理及实现、基于CNN的门牌号识别、基于LSTM的语音识别、基于CycleGAN的图像风格转换等技术, 以及如何使用TipDM数据挖掘建模平台实现语音识别案例。全部章节都包含了实训和课后习题, 通过练习和操作实践, 帮助读者巩固所学的内容。

本书是自动控制领域的经典著作，以自动控制系统的分析和设计为主线，在回顾自动控制系统动态响应和反馈控制的基本特性基础上，重点介绍了自动控制系统的3种主流设计方法：根轨迹设计方法、频率响应设计方法和状态空间设计方法。此外，还阐述了非线性系统的分析与设计，给出了汽车发动机、无人机、半导体晶圆制造等应用的控制系统设计实例。全书在阐述自动控制原理和设计方法的过程中，适时地穿插了MATLAB仿真源代码和仿真实验结果。

本书将MATLAB编程与知识点学习相结合，在课堂练习中设置了各类编程验证环节，在四个核心知识点——传递函数、控制系统时域分析、控制系统频域分析和控制系统稳定性分析中均设置了针对性的研究性课题。

《人工智能与信息技术教程》作为高等职业院校学生人工智能和信息技术通识课程的教材，是按照高等职业教育各专业领域高素质技术技能人才培养目标的要求编写的。本教材采用项目导向、任务驱动方式组织内容，全书共包含6个知识板块：人工智能信息获取、人工智能技术的应用、Word 2010文档制作与处理、Excel 2010表格处理与分析、PowerPoint 2010文稿制作、计算机基础与网络。本书所有内容注重学生技术技能的培养，体现了高职高专教学特色。
本教材既可作为高等职业院校、高等专科学校计算

　　《智能之门：神经网络与深度学习入门（基于Python的实现）》是作者在总结多年的实际工程应用经验的基础上编著而成的，是一本面向本科生的神经网络与深度学习的入门教材。通过阅读该书，读者可以掌握神经网络与深度学习的基本理论，并通过大量的代码练习，在做中学，提高将理论知识运用于实际工程的能力。
　　该书内容丰富，以“提出问题-解决方案-原理分析-可视化理解”的方式向读者介绍了深度学习的入门知识，并总结了“9步学习法”，分为基本概念、线性回归、线性分类、非线性回归、非线性分类、模型的推理与应用

本书全面系统地讲解了深度学习相关的知识。全书共8章，内容包括深度学习简介及TensorFlow安装，神经网络基础、神经网络的TensorFlow实现、卷积神经网络基础、经典卷积神经网络（上）、经典卷积神经网络（下）、深度学习用于文本序列和深度学习实验项目等内容。 本书以知识体系为基础，以课堂案例为载体，采取理论与实践相结合的教学模式，通过知识讲解和上机实验，使学生不仅掌握深度学习的理论基础，而且能够实现基本的代码。

数字化技术是智能制造的核心，基于VR/AR的可视化技术则是智能制造的先进载体。本书主要内容包括：介绍基于VR/AR的数字化制造的基础理论与技术支撑体系；然后给出关键支撑技术和使能技术；从智能制造的设计、制造、服务的全生命周期角度，展开航天航空、海工、汽车、纺织、物流等行业领域的VR/AR的智能制造应用新方法；后介绍国内外主流的工具集，开发工具和实施方法。本书为智能制造与机器人理论及技术研究丛书之一，可作为智能制造领域从事VR/AR技术、智能设计技术的参考书。

本书采用技术分析与场景描述相结合的模式，围绕物联网体系结构、关键技术和安全防控等方面进行系统的介绍。本书主要包括物联网概述、物联网基础知识、物联网数据服务、场景角度的IoT安全、技术角度的IoT安全、物联网流量安全、区块链与物联网安全七部分内容。

　　《人工智能导论（第5版）》是一本基础性强、可读性好、适合讲授的人工智能教材。作者希望读者通过学习该书，能够掌握人工智能的基本知识，并能了解人工智能研究的一些前沿内容，为进一步学习人工智能理论与应用奠定基础。
　　全书共11章。第1章绪论；第2章知识表示与知识图谱；第3章确定性推理方法；第4章不确定性推理方法；第5章搜索求解策略；第6章智能计算及其应用；第7章专家系统与机器学习；第8章人工神经网络及其应用（新增卷积神经网络、胶囊网络、生成对抗网络）；第9章智能体与多智能体系统；第10