机器学习是以概率论、统计学、信息论、**化理论、计算理论等为基础的计算机应用理论学科，也是人工智能、数据挖掘等领域的基础学科。《机器学习方法》全面系统地介绍了机器学习的主要方法，共分三篇。第一篇介绍监督学习的主要方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与**熵模型、支持向量机、Boosting、E

《Scikit-Learn机器学习核心技术与实践》循序渐进地讲解了使用Scikit-Learn开发机器学习程序的核心知识，并通过具体实例的实现过程演练了使用Scikit-Learn的方法和流程。全书共10章，包括人工智能与Scikit-Learn简介，加载数据集，监督学习，无监督学习，模型选择和评估，数据集转换，实现大

主要内容●探索深度学习的**似然原理和统计学基础●发现能输出各种可能结果的概率模型●学习使用标准化流来建模和生成复杂分布●使用贝叶斯神经网络获取模型中的不确定性

本书主要讲解了机器学习算法的基础知识，以及业界常用算法的应用。其中，项目1介绍了机器学习的定义、类型、环境搭建以及开发步骤；项目2介绍了如何进行数据预处理，包含如何对获取的原始数据进行处理、数据集的划分、数据的归一化，以及如何使用主成分分析来提取数据的主要特征等内容；其他8个项目主要介绍了目前主流的机器学习算法。每个项

《TensorFlowLite移动设备深度学习从入门到实践》循序渐进地讲解了使用TensorFlowLite开发移动设备深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlowLite的方法和流程。全书共12章，分别讲解了人工智能和机器学习基础、搭建开发环境、第一个TensorFlowLite程序

本书是为高等院校计算机科学与技术、软件工程、人工智能、大数据技术、信息管理等相关专业的“人机交互技术”或“人机界面设计”等课程编写的以实验和实践为主线开展教学的主教材。全书通过一系列在网络环境下学习和实践的实验练习，把人机交互技术的概念、理论知识与技术融入实践中，加深读者对该课程的认识和理解。内容包括人机交互与用户体验

《PyTorch开发入门：深度学习模型的构建与程序实现》以PyTorch为主要内容，介绍了其安装和实际应用，共7章。其中，第1章介绍了PyTorch的包结构；第2章介绍了线性模型，并通过PyTorch的实际使用来实现线性回归模型和逻辑回归模型；第3章介绍了神经网络，实际使用PyTorch创建一个多层感知器（Percep

TensorFlowLite移动端深度学习循序渐进地讲解了在移动设备中使用TensorFlowLite开发机器学习和深度学习程序的核心知识，并通过具体实例演练了各知识点的使用方法和流程。全书共9章，分别讲解了人工智能开发基础、编写个TensorFlowLite程序、创建模型、转换模型、推断、优化处理、微控制器、物体检测

本书的出发点是嵌入式系统的实际应用，因此涉及面比较广，为了控制篇幅，很多内容点到为止，但可以起到抛砖引玉的作用。本书首先对嵌入式系统做了定义，然后围绕该定义展开。全书分为三篇，第壹篇侧重于基础应用知识；第二篇是基于第壹篇的高阶应用知识，主要针对嵌入式操作系统；第三篇相对独立，对目前非常流行的低功耗蓝牙原理和应用做了介绍

本书以轨道交通行业为背景，从人工智能在轨道交通中的应用、机器分类、图像检测、语音识别、文本分析、OCR识别以及项目实战应用案例等方面，由浅入深，全面、系统地介绍了人工智能技术服务及各种应用。在编写上以项目教学为主线，以任务驱动为核心，以培养技术应用型人才为目标，将基本技能培养和主流技术结合，使学生通过学习，能够掌握人工