《Python机器学习技术与应用（普通高等教育人工智能专业系列教材）》以机器学习初学者为教学对象，通过讲解机器学习的常用方法及实际应用，培养读者机器学习应用技能及计算思维能力。全书共12章，主要内容包括机器学习概述、Python语言基础、网络爬虫、数据预处理与特征工程、多元回归分析、分类方法、支持向量机、朴素贝叶斯方法

神经网络与深度学习是人工智能研究的重要领域，是机器学习的重要组成部分。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科学。本书紧紧围绕神经网络和深度学习的基础知识体系进行系统的梳理，力求从基础理论、经典模型和前沿应用展开论述，便于读者能够较为全面地掌握深度学习的相关知识。全书共16章。第1章是绪论，简要介绍人工智

本书从人工智能、机器学习和深度学习三者的关系开始，以深度学习在计算机视觉、自然语言处理和推荐系统的应用实践为主线，逐步剖析模型原理和代码实现。书中的内容深入浅出，通过原理与代码结合、产业实践和作业结合的方式，帮助读者更好地掌握深度学习的理论知识和深度学习开源框架的使用方法。为了让更多的读者从中受益，快速应对复杂多变的A

本书为人工智能相关数据采集、处理和分析的入门教材，以任务驱动为主线，按照数据采集系统的开发流程详细介绍了数据采集、数据处理、数据分析等方面的开发技术，包含Python数据操作、NumPy和Pandas数据处理与分析、Requests网页访问、XPath和re内容解析、Scrapy网页数据采集、Matplotlib可视化

本书内容共分为10章，从学科基础、技术基础、重点方向与领域、行业应用、伦理法律5方面系统、整体介绍人工智能的定义、方法、体系、应用及其内涵。第1章介绍人工智能定义及新知识体系。第2章介绍人工智能孕育史、机械论、计算历史、控制论、联结主义起源、计算机器的历史，以及当代人工智能历史。第3章介绍与人工智能有关的哲学概念、分支

机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书涵盖了机器学习和深度学习的基础知识，主要包括机器学习的概述、统计学基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、文本分析、分布式机器学习算法等经典的机器学习基础知识，还包括卷积神经网络、循环神经网络、生成对抗网络、目标检测、自编码器等深度学习的内容。此外，

●本书首先介绍AI与AI安全的发展起源、世界主要经济体的AI发展战略规划，给出AI安全技术发展脉络和框架，并从AI安全实战出发，重点围绕对抗样本、数据投毒、模型后门等攻击技术进行案例剖析和技术讲解；然后对预训练模型中的风险和防御、AI数据隐私窃取攻击技术、AI应用失控的风险和防御进行详细分析，并佐以实战案例和数据；最后

《运筹优化常用模型、算法及案例实战》主要讲述运筹优化领域常用的数学模型、精确算法以及相应的代码实现。首先简要介绍基本理论，然后用丰富的配套案例讲解多个经典的精确算法框架，最后结合常用的优化求解器（CPLEX和Gurobi）说明如何用Python和Java语言实现书中提到的所有精确算法。全书共分3部分。第I部分（第1~4

本书着重介绍人工智能基础知识，构建人工智能通识体系，覆盖人工智能典型应用领域。在基本知识体系的基础上，对人工智能的算法进行定性介绍，同时辅以丰富的人工智能行业典型应用案例。本书分为两篇，包含10章。基础知识篇围绕人工智能基础知识体系，主要介绍了人工智能概念与发展，人工智能生态及体系框架，以及人工智能感知技术，如计算机视

深度学习和自然计算是人工智能领域中的热点研究方向。通过研究分析、模拟人脑的认知机理以及自然系统的智能行为和机制，构造相应的学习模型与优化算法，利用先进的计算工具实现高效的计算智能方法，并用于解决实际工程问题是人工智能研究的重要途径。本书共分11章，主要介绍人工智能、神经网络基础、卷积神经网络、循环神经网络、生成对抗网络