本教材内容包括人工智能概述、人工智能通用技术、机器学习与深度学习、人工智能典型应用场景与职业发展、人工智能法律与伦理、人工智能与职业发展。在内容的选取上，突出人工智能主流技术和典型案例，覆盖了目前市场上最常见的人工智能技术及应用。作者仔细研究了国内第一批人工智能创新应用平台的开放接口，归纳相应创新应用平台的共性内容，选

主要内容 ●构建呼叫-回应技能 ●设计语音用户界面 ●使用对话语境 ●使用多模式 ●提示和更佳实践

本书共11章，主要内容包括深度学习简介、Python基础、神经网络基础、卷积神经网络、经典卷积网络结构、迁移学习、循环神经网络、强化学习、深度强化学习、基于策略的算法更新与趋势等，通过具体案例，将Python语言、深度学习思想、强化学习思想和实际工程完美地结合起来。本书由浅入深，从易到难，各章节既相对独立又前后关联，其

PyTorch深度学习实战

OpenCV深度学习应用与性能优化实践

向深度学习勇敢迈出下一步吧，这种机器学习方法正在改变我们周围的世界。通过这本实用的参考书，你将学会使用Facebook的开源PyTorch框架快速了解深度学习的关键思想，掌握创建一个神经网络所需的最新技能。伊恩?波特（IanPointer）首先会为你展示如何在云计算环境中设置PyTorch，然后介绍如何创建神经网络，以

在你的iOS,macOS,tvOS和watchOS的Swift应用中创建和实现基于人工智能和机器学习的功能。有了这本实用的指导书，各种背景德程序员都将找到一个Swift一站式人工智能和机器学习解决方案。你将学习如何通过强大的人工智能软件来实现识别图像、进行预测、生成内容、提出建议等功能。

《机器学习中的基本算法》共八章.第1章和第2章简要介绍了机器学习的基本概念、研究内容、算法体系，以及相关的优化理论与优化算法.第3章和第4章详细介绍了几类作为分类器和回归器的支持向量机算法，包括算法出发点、建模思想、理论推导和算法在数据分类、识别、拟合、预测等方面的应用.第5章和第6章着重介绍了两类常用的数据预处理方法

《机器学习与人工智能》涵盖了与人工智能相关的机器学习核心方法，包括深度卷积神经网络、循环神经网络、生成对抗网络、蒙特卡罗树搜索、强化学习。《机器学习与人工智能》也包括一些应用非常广泛的机器学习方法，例如，支持向量机、决策树和随机森林、隐马尔可夫模型、聚类与自组织映射。《机器学习与人工智能》还包含一些重要的大数据分析方法

本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话，结合回归和分类的具体问题，逐步讲解了机器学习中实用的数学基础知识。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python编程讲解了数学公式的应用，进而加深读者对相关数学知识的理解。