《Python機器學習技術與應用（普通高等教育人工智能專業(yè)系列教材）》以機器學習初學者為教學對象，通過講解機器學習的常用方法及實際應用，培養(yǎng)讀者機器學習應用技能及計算思維能力。全書共12章，主要內容包括機器學習概述、Python語言基礎、網(wǎng)絡爬蟲、數(shù)據(jù)預處理與特征工程、多元回歸分析、分類方法、支持向量機、樸素貝葉斯方法

神經(jīng)網(wǎng)絡與深度學習是人工智能研究的重要領域，是機器學習的重要組成部分。人工智能是研究理解和模擬人類智能、智能行為及其規(guī)律的科學。本書緊緊圍繞神經(jīng)網(wǎng)絡和深度學習的基礎知識體系進行系統(tǒng)的梳理，力求從基礎理論、經(jīng)典模型和前沿應用展開論述，便于讀者能夠較為全面地掌握深度學習的相關知識。全書共16章。第1章是緒論，簡要介紹人工智

人工智能正快速進入人類社會，在給社會帶來重大利好的同時，也引起了很多問題，比如就業(yè)問題、倫理問題等。為更好地引導人工智能的發(fā)展，規(guī)避人工智能可能帶來的社會問題，從哲學的高度對人工智能進行反思因而十分有必要�；�于人工智能的發(fā)展現(xiàn)狀以及未來可能的發(fā)展方向，我們試圖從以下幾個方面討論人工智能所涉及的問題：一、什么是人工智能？

《自動控制原理實驗與課程設計指導書（普通高等教育十四五系列教材，產(chǎn)教融合系列教材）》共分三大部分，第一部分介紹了自動控制原理實踐操作所用到的實驗平臺和仿真軟件；第二部分介紹了自動控制原理課程實驗，分為模擬電路實驗和軟件實驗兩大部分，包括典型環(huán)節(jié)的性能分析、典型系統(tǒng)動態(tài)性能和穩(wěn)定性分析、典型環(huán)節(jié)（或系統(tǒng)）的頻率特性測量、

《PyTorch深度學習之目標檢測》首先從人工智能產(chǎn)業(yè)的發(fā)展史和機器眼中的圖像世界開始講述，逐步引導讀者進入機器學習的圖像處理當中；然后講解深度學習中實現(xiàn)目標檢測的主要算法，和以PyTorch框架為基礎構建的神經(jīng)網(wǎng)絡；最后的實戰(zhàn)部分詳細講解了如何使用目標檢測算法實現(xiàn)具體項目。全書共10章，涵蓋內容包括：人工智能的歷史和

本書從應用型本科高校的教學需求出發(fā)，以經(jīng)典控制理論為主，較為系統(tǒng)地介紹了自動控制的基本理論及其應用，并引入控制領域廣泛使用的MATLAB軟件進行仿真實驗與輔助設計與分析。全書共6章，包括緒論、線性系統(tǒng)的數(shù)學模型、控制系統(tǒng)時域分析法、控制系統(tǒng)根軌跡分析法、控制系統(tǒng)頻域分析法、控制系統(tǒng)的校正。每章都在開篇明確了教學目標并配

本書從人工智能、機器學習和深度學習三者的關系開始，以深度學習在計算機視覺、自然語言處理和推薦系統(tǒng)的應用實踐為主線，逐步剖析模型原理和代碼實現(xiàn)。書中的內容深入淺出，通過原理與代碼結合、產(chǎn)業(yè)實踐和作業(yè)結合的方式，幫助讀者更好地掌握深度學習的理論知識和深度學習開源框架的使用方法。為了讓更多的讀者從中受益，快速應對復雜多變的A

本書基于《人工智能訓練師國家職業(yè)技能標準（2021年版）》，對“人工智能訓練師”這一新興職業(yè)給予了清晰的描述。全書從人工智能的相關技術入手，介紹了人工智能領域的發(fā)展歷程和相關知識，重點講述了人工智能訓練師的職業(yè)技能鑒定要求和各等級從業(yè)人員工作要求，講述了人工智能訓練師相關的工作內容及流程方法，包括數(shù)據(jù)采集和處理、數(shù)據(jù)標

本書介紹無線傳感器網(wǎng)絡和物聯(lián)網(wǎng)的技術原理與具體應用，涉及無線傳感器網(wǎng)絡的實現(xiàn)原理、相關技術，及其在工業(yè)上的應用和開發(fā)過程。全書共8章，主要包括：無線傳感器網(wǎng)絡概述，網(wǎng)絡協(xié)議棧，IEEE802.15.4標準、IEEE802.15.6標準和ZigBee協(xié)議，以定位技術、同步技術、安全技術、數(shù)據(jù)融合技術、網(wǎng)絡管理技術等為支撐

本書為人工智能相關數(shù)據(jù)采集、處理和分析的入門教材，以任務驅動為主線，按照數(shù)據(jù)采集系統(tǒng)的開發(fā)流程詳細介紹了數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析等方面的開發(fā)技術，包含Python數(shù)據(jù)操作、NumPy和Pandas數(shù)據(jù)處理與分析、Requests網(wǎng)頁訪問、XPath和re內容解析、Scrapy網(wǎng)頁數(shù)據(jù)采集、Matplotlib可視化