本书分为两部分：控制理论基础知识和控制理论基础实验。

控制理论基础知识部分主要介绍自动控制概述、控制系统的数学模型、控制系统的时域分析法、控制系统的频域分析法和控制系统的校正等内容。另外，每章均配有例题和习题，便于读者自学和练习。

控制理论基础实验部分主要介绍典型二阶系统阶跃响应实验、控制系统性能分析实验、控制系统数字仿真实验和控制系统校正设计实验等。

本书内容通俗易懂，理论和实践配合紧密，实用性强，可作为高等学校电子信息类专业的教材或教学参考书，

本书本着培养高职学生的人工智能基本素养、人工智能思维和人工智能应用实践能力的目
标，内容选取符合高职学生的特点，强调人工智能的通识性、典型性和实用性，具有可操作性。
本书选取了涵盖人工智能领域的多个典型案例，采用项目化模式构建教学案例，突出实践。
每个案例由循序渐进的递进式任务组成，支持课堂分层次教学实施。全书共分7 章，主要内
容包括人工智能概述、Python 基础、图像识别与网络安全、自然语言处理与舆情分析、生物特
征识别与智慧校园、大数据与日常生活、机器学习与

本书以掌握Python语言基础为前提，由浅入深、全面系统地讲解了机器学习的相关知识及技能，内容注重实用性和可操作性，在介绍机器学习理论知识的基础上，结合具体的实战实例，给出了详细的代码及实现步骤。全书共9个项目，分别介绍了数据分析基础、机器学习项目实战流程、探索性数据分析与特征工程、常见机器学习算法及框架、交叉验证与超参数调优，并结合主流机器学习技术框架Scikit-learn，展开了信用违约分类预测、社交媒体评论分类预测、共享单车用量需求回归预测、信用卡客户忠诚度回归预测的项目实战。

本书兼顾机器学习基础、经典方法和深度学习方法,对组成机器学习的基础知识和基本算法进行了比 较细致的介绍,对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学 习等算法都给出了深入的分析并讨论了无监督学习的基本方法,对深度学习和强化学习进行了全面的叙 述,比较深入地讨论了反向传播算法、多层感知机、CNN、RNN 和 LSTM 等深度神经网络的核心知识和结 构;对于强化学习,不仅介绍了经典表格方法,还讨论了深度强化学习。 本书是面向大学理工科和管理类各专业的宽口径、

2017年，国务院印发《新一代人工智能发展规划》，要求中小学开设人工智能相关课程，并提倡以计算思维为指导，将信息技术课程从技术导向转换为科学导向。因此，机器学习作为人工智能技术的内核，走入我国广大中小学生的课堂是科技发展的必然选择。《BR》　　本书共11章，系统地介绍机器学习模型中常见的白盒和黑盒模型，以及这些模型统一的框架和经常被使用的技巧。本书介绍了这些技巧是如何被巧妙地封装成一种通用方法，并在适当的时候被反复使用。从框架到思路，再到解决问题的技巧，以及技巧的封装和重用，这些都是塑造良

本教材可以作为人工智能学科相关的机器学习技术的入门教材, 目的不在于覆盖机器学习技术的所有知识点, 而是介绍机器学习的常用算法及其应用, 使读者了解机器学习的基本构成及不同场景下使用何种机器学习算法。为了增强实践效果, 本教材引入了多个基础技术案例及综合实践案例, 以帮助读者了解机器学习涉及的基本知识和技能。

深度学习是人工智能与机器学习领域的重要研究分支，经过短短十几年的发展，已经在计算机视觉与图像处理、自然语言处理等领域取得令人瞩目的成就。本书作为深度学习方面的专门书籍，融合了机器学习、人工神经网络和深度学习的相关概念，并且从信号处理视角呈现了深度学习背后的几何学原理，以便从统一的角度去深化理解深度学习的主要模型和算法，从而更好地用于指导理论分析和实践开发。全书分为三个部分，共14章。第1～4章为第一部分，主要介绍机器学习基础知识，包括向量空间、矩阵代数、凸优化等数学预备知识，以及支持向量机、核回