工智能AI是計算機科學與技術(shù)的一個重要分支與應(yīng)用，目前人工智能主要的研究與開發(fā)方向有模擬、延伸與擴展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，涉及的技術(shù)與應(yīng)用包括：大數(shù)據(jù)基礎(chǔ)、知識表示、專家系統(tǒng)、機器學習、深度學習、機器人與智能制造、圖像識別、語音識別和自然語言處理等方向。 本書是為高等院校相關(guān)專業(yè)“人工智能導論”課程全

《圖解機器學習—算法原理與Python語言實現(xiàn)》從應(yīng)用場景出發(fā)，利用大量圖解和流程圖相結(jié)合的方式講解機器學習的基本知識及其常用經(jīng)典算法的應(yīng)用，全書沒有大篇幅的理論介紹和復雜的數(shù)學公式推導，也沒有生澀難懂的專業(yè)術(shù)語，而是通過淺顯易懂的圖示、直觀的流程圖以及與生活息息相關(guān)的實例應(yīng)用讓讀者輕松學習和掌握機器學習知識，從

《人工智能概論》采用“理實一體化”的方式，利用人工智能領(lǐng)域現(xiàn)今非常流行的編程語言Python編寫程序，以案例形式引出人工智能領(lǐng)域中常遇到的問題，讓讀者在學習人工智能理論的同時，通過動手實訓對人工智能有更深刻的認識。全書共9章，內(nèi)容包括人工智能的前世今生、智能感知、機器學習、神經(jīng)網(wǎng)絡(luò)和深度學習、人臉識別與視覺圖像、自然語

本書的設(shè)計和編寫理念是培養(yǎng)高職學生的人工智能素養(yǎng)、計算思維能力和人工智能應(yīng)用能力，內(nèi)容選取既適合高職學生的特點，同時突出人工智能的通識性、典型性、實用性和可操作性。書中選取多個反映人工智能典型問題的案例，采用項目化思想重構(gòu)所有案例，每個案例由循序漸進的遞進式任務(wù)組成，支持課堂分層次教學實施。全書共分8章，主要內(nèi)容包括人

本書主要介紹人工智能的起源與發(fā)展、發(fā)展人工智能的國家戰(zhàn)略意義、人工智能專業(yè)的培養(yǎng)目標與課程體系，以及人工智能技術(shù)在生活、生產(chǎn)、交通、電力、建筑、醫(yī)療、電競、金融、物流、國防等領(lǐng)域應(yīng)用的新進展。本書的編寫深入淺出、突出應(yīng)用、圖文并茂、通俗易懂，通過人工智能在各個領(lǐng)域應(yīng)用的具體案例，介紹了人工智能的內(nèi)在實現(xiàn)機理和應(yīng)用現(xiàn)狀，

通過這本實用的教程，你將學會如何構(gòu)建一個機器學習模型驅(qū)動的應(yīng)用示例，將最初的想法轉(zhuǎn)化成可部署的產(chǎn)品。數(shù)據(jù)科學家、軟件工程師和產(chǎn)品經(jīng)理——無論經(jīng)驗豐富的的專家，還是剛剛?cè)腴T的新手——都可以循序漸進地學習構(gòu)建真實機器學習應(yīng)用涉及的工具、最佳實踐，完成相關(guān)的技術(shù)挑戰(zhàn)。學習設(shè)計、構(gòu)建和部署機器學習（ML）應(yīng)用所需的技能。通過這

本書把窄帶物聯(lián)網(wǎng)（NB-IoT）的應(yīng)用知識體系歸納為終端、信息郵局、人機交互系統(tǒng)3個有機組成部分。針對終端，給出通用嵌入式計算機的概念，并將其軟件分為BIOS與User兩部分；針對信息郵局，將其抽象為固定IP地址與端口，并由此設(shè)計了云偵聽程序模板；針對人機交互系統(tǒng)，設(shè)計了Web網(wǎng)頁、微信小程序、手機App及PC客戶端等

本書以NB-IoT實訓套件為載體，采用項目化教學方式，講解了NB-IoT的相關(guān)知識及其在物聯(lián)網(wǎng)中的重要作用。本書主要分為理論、項目和實戰(zhàn)演練三部分。理論部分講解了NB-IoT物聯(lián)網(wǎng)架構(gòu)，并對架構(gòu)中的每個節(jié)點做技術(shù)解析；項目部分由淺入深，從NB-IoT通信、OceanConnect平臺操作系統(tǒng)到LiteOS的基礎(chǔ)實戰(zhàn)開發(fā)

本書系“科學起跑線”叢書之一，是一本面向中小學生的人工智能科普讀物。本書針對青少年的心智特點，兼顧趣味性和系統(tǒng)性，用淺顯易懂的語言，結(jié)合大量實例和圖片，介紹了人工智能的定義、起源、關(guān)鍵技術(shù)及應(yīng)用場景，并對其未來的發(fā)展前景進行了展望，旨在引導青少年對人工智能這一新興領(lǐng)域產(chǎn)生興趣并初步入門。為了提升青少年讀者的科學素養(yǎng)、動

隨著數(shù)字音樂內(nèi)容的迅速增長以及人們對音樂鑒賞需求的日益提升，音樂信息的分類檢索及個性化推薦受到廣大網(wǎng)民和有關(guān)從業(yè)人員越來越廣泛的關(guān)注,并成為研究及應(yīng)用的新熱點。本書系統(tǒng)地闡述了機器學習中的常用分類與推薦方法,介紹了網(wǎng)絡(luò)音樂自動分類與推薦的理論基礎(chǔ)，重點探討了ＳＶＭ和ＫＮＮ分類算法的改進，以及協(xié)同過濾推薦算法和基于馬爾可