本书在不涉及大量数学模型与复杂算法实现的前提下，从机器学习概述开始，由“泰坦尼克号数据分析与预处理”“良/恶性乳腺癌肿瘤预测”“波士顿房价预测”“手写体数字聚类”“人脸特征降维”“在线旅行社酒店价格异常检测”6个案例分别引入数据分析、分类、回归、聚类、特征降维和异常检测的应用开发实战技术及其少量理论，能够帮助读者以最快的速度掌握使用Scikit-learn库进行机器学习开发的实战技能。书末是学习机器学习时可能用到的附录。本书适合对机器学习感兴趣的初学者、需要快速入门机器学习的高职相关专业学生，以

本书较完整地介绍了深度学习的基本概念、方法和技术。全书共10章，重点介绍了深度学习的基础知识、深度学习的基本算法、深度学习中的正则化以及几个典型的深度神经网络（如深度卷积神经网络、深度循环神经网络、深度生成式对抗网络、自编码器、深度信念网络、胶囊网络等）。
本书内容丰富、叙述详细、实用性强，适合具有一定数学基础的高年级本科生或相关专业的研究生使用，也可供不具有深度学习背景但对深度学习感兴趣的相关人员参考。

人工智能是电子信息技术领域发展为迅速的新兴交叉学科。本书作为人工智能学科的入门基础，
由浅入深、化繁为简，全方位阐述人工智能相关理论背景、关键技术及部分典型应用。本书共12 章：
第1 章阐述人工智能的定义、发展史，并展望其发展趋势；第2 ～ 4 章是人工智能学科的理论基础，分
别介绍知识的表示与理解方法、感知与连接以及判断与控制方法；第5 ～ 10 章从人工智能的应用领域
出发，主要阐述网络空间安全、计算机视觉、语音、机器人、自然语言处理、无人驾驶

本书参考物联网应用技术人才培养的方案内容，针对物联网应用技术专业人才培养所需要的技术（职业）领域所总结的典型工作任务来组织全书的内容体系。根据要完成每个典型工作任务的工作过程中所需的知识或技能来设计每个章节的内容。本书共分为8章，内容涵盖了物联网的特征及体系结构、物联网底层感知技术、通信技术、嵌入式开发技术、云计算及大数据处理技术、物联网安全技术等，对当前新的典型物联网应用进行了分析。

全书围绕物联网体系结构的感知、传输、处理、应用四个层次，结合当前物联网的典型应

本书主要讲述人工智能的基础知识与基础理论，并通过大量的人工智能应用帮助读者快速了解人工智能相关技术。本书共10章，分别为人工智能概述、人工智能基础知识、机器学习、深度学习、计算机视觉、自然语言处理、知识图谱、人工智能技术应用场景、智能机器人和人工智能的挑战与未来。本书内容丰富，讲解细致，注重技术发展变化。 本书既可作为高校大数据专业、云计算专业、人工智能技术专业、信息管理专业、计算机网络专业的教材，又可作为人工智能与大数据爱好者的参考书。

本书以scikit-learn和Keras框架作为实战平台，讲解了传统机器学习的主流技术和最新深度学习的研究成果。其中，"第一篇 传统机器学习”包括第1～10章，介绍了机器学习概念、监督学习算法（回归分析、Logistic回归、k近邻、决策树、朴素贝叶斯、支持向量机）、无监督学习算法（神经网络、聚类、降维）；"第二篇 深度学习”包括第11～15章，介绍了深度学习的概念、卷积神经网络、循环神经网络、生成对抗网络和强化学习等。 本书的编写旨在体现"做中学”理念，读者在学习初期不必过多纠缠于算法理

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