人工智能是一门新的交叉学科，近年来涌现出了许多新的算法模型和框架。本书面向人工智能算法的实践与应用，参考了*级会议和国内外竞赛平台的内容，将所涉及的分类、检测、识别、预测等多项实验任务进行归类和优化整理。书中对每个实验的背景与内容都进行了详细阐述，对实验的要求与评估方法进行了深入讨论，对实验数据及来源进行了详尽描述，并

本书作为“自动控制原理”课程实践性教学的教材，较全面地涵盖了经典控制理论知识的重点和难点。本书所编排的实验章节内容与“自动控制原理”教材的课程内容相对应，共5章，分别为自动控制的基础理论、线性系统时域分析、线性系统频域分析、线性系统的校正与设计、非线性系统分析及线性系统的状态反馈，并按照自动控制原理知识体系精心设计了2

本书首先阐述了物联网的基本概念、关键技术和应用案例等物联网的基本理论知识，然后循序渐进地介绍物联网开发的典型实战任务，通过逐级递进式任务介绍法达到理论与实践相结合的目的，使读者清晰地了解物联网系统开发的整体流程。本书针对每个实战任务提供微课视频和源代码。本书可作为高等院校通信工程、电子信息工程、人工智能、机械电子、计算

本书以交互设计的理论方法为主线，建立正确的认识论和方法论，通过六个步骤，从三个角度介绍交互设计的流程和思维方法。六个步骤主要包括市场调研与设计研究、用户研究与任务分析、商业模型与概念设计、信息架构与设计实现、设计评估与用户测试、系统开发与运营跟踪。本书通过真实、完整的案例，与读者分享作者的实践心得，帮助读者加深对交互设

内容简介书中以案例形式详细介绍了PyTorch的各种实战应用。具体内容包括PyTorch与TensorFlow的对比和PyTorch的发展现状，张量Tensor和自动微分Autograd及其具体应用，PyTorch构建神经网络，基于PyTorch构建复杂应用，PyTorch高级技巧与实战应用，网络剪枝应用。

??学习成功机器学习项目的最佳实践。??使用Azure完成自动机器学习。??理解分类和回归，以及模型可解释性和透明性等概念。??了解如何在其他环境中使用AutomatedML，如AzureDatabricks、ML.NET和SQLServer。??探索推动机器学习大众化的工具。

·学习如何在生产环境部署深度学习模型。·研究多家领先公司的PyTorch用例。·学习如何对图像应用迁移学习。·使用Wikipedia上训练的一个模型应用前沿的NLP技术。·使用PyTorch的torchaudio库用一个基于卷积的模型完成音频分类。&

本书为“十二五”普通高等教育本科国家规划教材。全书共三篇，主要包括理论方法要点与例题习题、大学考试试题和研究生入学试题。第D一篇给出了典型题目及其详解以及足够多的针对性练习题目；第二篇提供了大学课程考试的模拟试卷和按考核要点细分的分类试题，并按照按课程开设的不同学时，分为高水平、中水平和初水平三类；第三篇是研究生入学试

本书围绕TensorFlow2的概念和功能展开介绍，旨在以“即时执行”视角帮助读者快速入门TensorFlow。本书共分5篇：基础篇首先介绍了TensorFlow的安装配置和基本概念，然后以深度学习中常用的卷积神经网络、循环神经网络等网络结构为例，介绍了使用TensorFlow建立和训练模型的方式，最后介绍了Tenso

本书主要针本书主要针对大学低年级学生，讲解人工智能基础知识，帮助初入校大学生了解人工智能的概念，掌握人工智能应用技术，进而独立创作完成人工智能相关作品。本书包含了人工智能导引、人工智能基础知识、灯光的智能控制、交通灯的智能识别、文字的智能处理、图像的智能辨识、语音的智能辨识、人机的智能交互、无人驾驶、智能3D打印等方面