本书主要面向大专（高职）一年级学生，帮助学生了解人工智能的基础知识，熟悉人工智能技术和产业的发展现状与市场需求，培养学生的人工智能应用能力，主要内容包括人工智能概述、知识表示和知识图谱、机器学习、人工神经网络与深度学习、智能识别、自然语言处理、专家系统、智能体与智能机器人、Python语言、人工智能案例设计与实现。本书面向高等职业院校所有专业的学生，使学生了解人工智能的研究和应用，帮助学生了解人工智能对现代生活的改变和影响，熟悉人工智能对工业、医疗、安防、社交、机器人、无人驾驶、家居、生活服务等方面的应用渗透；帮助学生了解人工智能的发展过程与基本知识，熟悉人工智能产业的发展现状与市场需求，培养人工智能的应用能力。因此本书适合作为高职院校所有专业的通识教材，用于开拓学生的科技视野，培养人工智能的应用能力。

本书是一本人工智能应用技术方面的入门教材，介绍了网络、设备、制造、安全、大数据、多媒体等应用领域在智能化方面的发展。本书从人工智能应用的角度，全面系统地阐述了计算机网络、移动互联网、物联网、出版印刷、互联网安全、云计算与大数据、图像处理、生物特征识别、多媒体交互等在智能化方面的应用和实践，主要内容包括人工智能导论；三种智能网络（智能计算机网络、移动互联网、智能物联网）；三类智能设备（智能媒体设备、智能制造设备、智能移动终端）；三种AI（Artificial Intelligence）的交互应用（互联网安全、云计算与大数据、智能多模态），并将之逐步融入人工智能且运用到传统工科专业中。每章节后面都附有结合实践应用的“项目实训”，体现了理论教学和实践实训的有机统一。 本书内容深入浅出、观点清晰、章节内容详实、案例丰富，采用“项目实训” 的实践主导方式，以培养应用型技能人才为目标，有针对性的提升知识点的实用性和可操作性，理论介绍以广度和适用为目标，强化职业技能训练，是人工智能通识课程的理想入门教材。 本书既可作为高职高专及应用型本科的人工智能基础入门教材，也可作为广大人工智能爱好者的入门级参考书，还可作为理、工、管、文、艺等相关专业的人工智能爱好者的参考书籍。

《人工智能的另一面：AI时代的社会挑战与解决方案》作者从人工智能可能带来的社会、经济、人口就业等社会问题进行了深刻的思考与论述，内容丰富，可读性较强，阅后令人思考。智能机器人能否取代人类一直在科技界存在很大争议。但无论如何，人工智能技术本身不断发生着变革，总体朝着安全、易用、智能的方向发展，在某些领域已经显现了巨大的经济、社会潜能。人工智能对人类既有社会秩序和经济发展的影响越来越深远。

人脸识别是当今的热门应用领域和研发方向，在安防、金融、公共服务等领域具有十分广泛的应用。本书全面、系统地介绍“刷脸”背后的技术，包括人脸检测、人脸识别、人脸关键点定位、人脸检索相关的算法和实现技术。另外，本书还囊括了前沿的、基于深度学习的人脸识别技术（2014―2020年）。本书讲解的算法具有前沿性和实用性。通过本书学习，学习人员能够在3～5个月内系统地了解、掌握人脸检测、人脸识别、人脸关键点定位、人脸检索的算法原理与实战技术。本书内容新颖、技术前沿、层次清晰，适合高校教师、研究生、工程师和人脸识别爱好者使用。

本书为一本Python初级入门教程，主要为初学者介绍了当前人工智能发展中使用最为广泛的计算机编程语言———Python语言的基础知识。 本书分Python语言基础篇和Python语言应用篇，介绍了Python语言的编写规范和Python的发展历史，同时还介绍了有关人工智能领域相关功能库的安装和使用方法，并提供了一些配套的实战练习。 本书与《人工智能基础与进阶》共同形成一套适合人工智能初学者的教材，同时也适合广大对人工智能相关领域感兴趣的读者。

本书全面系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、非参数贝叶斯模型、聚类分析、图模型、支持向量机、矩阵分解、深度学习及强化学习。本书旨在使读者了解机器学习的发展，理解和掌握它的基本原理、方法与主要应用。本书内容丰富，着重机器学习理论的推导与证明，并通过实例进行方法的分析与比较。同时，本书强调机器学习的系统性、完整性和时效性，可读性强。

本书是智能计算平台应用开发初级教材，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8章，内容包括智能计算平台应用开发概述、硬件设备、系统与软件、系统管理、数据采集、数据存储、基础应用软件开发测试、人工智能示教编程。

这是一本关于AI原理和编程的友好且必需的指导书，没有数学或数据科学背景的程序员也可以轻松掌握。主要内容：开始你AI模型的创建；无需数学、数据科学或机器学习背景；手把手指导、分析；5个完整项目展示如何创建智能软件。

《认知计算攻略使用Cognitive Services和TensorFlow》通过完整且真实的代码示例解决Al和机器学习问题。该书使用了一种从提出问题到给出解决方案的方式，以便通过提供诸如认知服务API、机器学习平台和库的工具组合来让日常开发人员都可以接触到深度学习和机器学习。《认知计算攻略使用Cognitive Services和TensorFlow》提供了同时期技术体系的概览，涵盖了机器学习和深度学习的业务用例。通过讲解诸如数字化助理、计算机视觉、文本分析、语音和机器人流程自动化的主题，提供一套全面的工其集以便让读者可以快速且容易地应用到自己的项目中。该书重点介绍的是Microsoft Cognitive Services的能力应用，讲解使用包括TensorFlow和CNTK在内的多种不同环境来实现的方案，以便让读者能够更宽泛地审视深度学习生态系统。

在《Python深度学习异常检测 使用Keras和PyTorch》这本通俗易懂的入门级指南的引导下，了解如何将深度学习应用于各种异常检测任务！《Python深度学习异常检测 使用Keras和PyTorch》浓墨重彩地描述如何利用Python中的Keras和PyTorch框架，将各种深度学习模型应用于半监督和无监督异常检测任务。《Python深度学习异常检测 使用Keras和PyTorch》开篇讨论异常检测的含义、用途和重要性。在介绍用Python的scikit-learn进行异常检测的统计和传统机器学习方法后，《Python深度学习异常检测 使用Keras和PyTorch》引入深度学习方法，详述如何在Keras和PyTorch中构建和训练深度学习模型，重点分析各类自动编码器、RBM、RNN、LSTM和TCN等深度学习模型在异常检测领域的应用。除了讲解基于时间序列的异常检测的基础知识外，《Python深度学习异常检测 使用Keras和PyTorch》还探索无监督和半监督异常检测的相关内容。学习《Python深度学习异常检测 使用Keras和PyTorch》后，你将全面了解异常检测的基本任务，掌握各种处理异常检测的方法（从传统方法到深度学习方法等）；还将了解scikit-learn的相关内容，能在Keras和PyTorch中创建深度学习模型。《Python深度学习异常检测 使用Keras和PyTorch》主要内容：了解异常检测的含义及其重要性熟悉利用scikit-learn进行异常检测的统计和传统机器学习方法借助Keras和PyTorch了解Python深度学习的基本知识掌握度量模型性能的基本数据科学概念：AUC、精确率和召回率等将深度学习应用于半监督和无监督异常检测