本书以提高创新能力为核心，强调理论与实践的有机结合，突出案例分析和实践锻炼，采用通俗的语言和生动的应用案例，带领读者探索人工智能的世界；通过介绍人工智能基础理论、技术体系、内在实现机理和应用现状，并立足于人工智能具体应用领域，力求全面展示与反映人工智能技术的概念、理论框架、新进展和未来发展趋势。本书适用于高职院校人工智能通识课程，亦可作为人工智能的普及读物供广大读者自学或参考。

本书首先阐述了物联网的基本概念、关键技术和应用案例等物联网的基本理论知识，然后循序渐进地介绍物联网开发的典型实战任务，通过逐级递进式任务介绍法达到理论与实践相结合的目的，使读者清晰地了解物联网系统开发的整体流程。本书针对每个实战任务提供微课视频和源代码。本书可作为高等院校通信工程、电子信息工程、人工智能、机械电子、计算机和网络工程等专业的教学用书，也可作为嵌入式系统开发等实践类课程的参考书。

人工智能是一门新的交叉学科，近年来涌现出了许多新的算法模型和框架。本书面向人工智能算法的实践与应用，参考了*级会议和国内外竞赛平台的内容，将所涉及的分类、检测、识别、预测等多项实验任务进行归类和优化整理。书中对每个实验的背景与内容都进行了详细阐述，对实验的要求与评估方法进行了深入讨论，对实验数据及来源进行了详尽描述，并给出了参考文献，以便于有兴趣的读者进一步研究和探索。

本书可为高等院校计算机科学、电子科学与技术、信息科学、人工智能等专业方向的研究人员提供参考，也可作为相关专

本书是以作者多年来从事人工智能研究的经验为基础，并广泛参考了国内外最新研究资料编写而成的。本书从人工智能的本源问题出发，着重介绍了人工智能各领域的概念体系、方法体系、经典算法与新的流行算法以及当前人工智能的研究热点——机器学习和机器视觉。
本书可供高等院校人工智能相关专业本科生、研究生作为教材或参考书使用，也可供相关科研及工程技术人员阅读。

人工智能是研究理解和模拟人类智能、智能行为及其规律的一门学科。本书系统地阐述了人工智能的基本理论、基本技术、研究方法和应用领域等内容,比较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,包括智能优化算法及应用研究。本书共6章,主要内容包括:人工智能的定义、起源、分类与发展,人工智能的知识表示方法,确定性推理的主要方法,非经典推理的主要方法,机器学习的各种基本方法,智能算法原理和应用,着重阐述当前领先的群智能算法及应用。本书适合作为高等院校相关专业本科生和研究生的人工智能课程教材

深度学习是人工智能与机器学习领域的重要研究分支，深度卷积神经网络是其核心内容之一。本书作为一本深度卷积神经网络方面的入门与提高书籍，目的是使读者通过学习了解和掌握卷积神经网络的理论基础与应用方法。全书共10章，分为三个部分：第1～3章为第一部分，主要介绍卷积神经网络基本理论；第4～5章为第二部分，概述卷积神经网络相关工具和框架；第三部分为第6～10章，介绍了数据集、数据处理及网络训练知识，最后给出了卷积神经网络的三个典型应用实例。本书可作为高等学校人工智能、计算机科学与技术、信息工程、自动化等专

本书讨论了机器学习的基本问题和基本算法。从方便学习的目的出发，本书主要以聚类任务、回归任务、分类任务、标注任务、概率模型、神经网络模型、深度学习模型七个主题对相关内容进行组织。前四个主题以机器学习的四个主要任务为核心讨论相关算法及基础知识。概率类模型和神经网络类模型可以完成聚类、回归、分类和标注等多类任务，但它们各有自成体系的基础知识，因此各设一个主题进行集中讨论，可能更方便读者理解。深度学习模型属于神经网络模型，但它具有明显的特征和广泛的应用，是机器学习领域的后起之秀

　　随着人工智能时代的到来，它对机器学习发展的影响日益剧增。从基于符号主义的机器学习发展到基于数据统计的机器学习，反映了机器学习从纯粹的理论研究和模型研究发展到以解决现实生活中实际问题为目的的应用研究，这是科学研究的一种进步。目前市面上有机器学习的纯理论书籍，也有具体操作实践的书籍，然而理论与实践相结合的书籍却少之又少。《机器学习从入门到精通/高等学校人工智能教育丛书》从理论入门到实际操练，全面而详细地介绍了机器学习的各个分支以及其实现，实现了机器学习从理论到实践的完美结合。
　　《机器学

本书是智能计算平台应用开发中级教材，主要介绍了智能计算平台搭建、平台管理、数据管理、应用开发等相关知识。全书共分9章，内容包括智能计算平台应用开发概述、人工智能与平台搭建、平台管理、数据采集、数据存储、数据处理、数据备份与恢复、机器学习基础算法建模和人工智能模型开发测试。