本書主要作為本科院校和高職高專院校的機械類及近機械類專業(yè)的控制工程基礎(chǔ)課程實驗教材，也可供相關(guān)領(lǐng)域的工程技術(shù)人員參考。本書中、英部分均分為Ⅰ、Ⅱ兩篇。第Ⅰ篇基于質(zhì)量-彈簧-阻尼機械振動實驗系統(tǒng)，共包含4個實驗，分別為實驗系統(tǒng)參數(shù)辨識、實驗系統(tǒng)數(shù)學建模與仿真、PID控制及開放實驗——雙自由度系統(tǒng)自由振動模態(tài)分析。第Ⅱ篇基

伴隨著人工智能帶來的一系列革命性影響，一系列跟治理相關(guān)的問題正在初步顯現(xiàn)，這也成為目前人類社會中需要面對的一些困難問題，而區(qū)塊鏈恰恰可以提供一種新的思維方式，對人工智能革命可能會帶來的隱私、安全、公平等問題可能會提供一些突破性的思路。在這本書中，筆者更多地運用自己的政治學專業(yè)知識，嘗試討論人工智能相關(guān)的一系列治理問題，

進入21世紀，隨著大數(shù)據(jù)、高性能計算等信息技術(shù)的發(fā)展變革，以及機器人系統(tǒng)加速向產(chǎn)業(yè)化邁進，推動了以深度學習為代表的第三次人工智能（ArtificialIntelligence，AI）熱潮，使得人類社會開始從信息化時代邁入智能化時代。人工智能理論、技術(shù)與應(yīng)用發(fā)展迅速，正在深刻的影響和改變著人們的生產(chǎn)和生活。從手機中的語音

本書分為9章，包括緒論、知識表示與推理、圖搜索技術(shù)和問題求解、智能優(yōu)化算法、機器學習、人工神經(jīng)網(wǎng)絡(luò)與深度學習、專家系統(tǒng)、模式識別與機器視覺、強化學習與生成對抗網(wǎng)絡(luò)。本書力求在講解人工智能基礎(chǔ)的前提下，同時對應(yīng)用型的人工智能前沿知識理論和科技成果進行展現(xiàn)，結(jié)構(gòu)組織合理，內(nèi)容理論與實踐相結(jié)合，對讀者的層次和理解進行了充分考

Kubeflow是基于K8S的機器學習工具包，是為數(shù)據(jù)科學家和數(shù)據(jù)工程師構(gòu)建生產(chǎn)級別的機器學習實現(xiàn)而設(shè)計的。本書采用循序漸進的方式，從Kubeflow的安裝、使用和設(shè)計開篇，隨后從模型訓練的整個周期展開，涵蓋了數(shù)據(jù)探索、特征準備、模型訓練/調(diào)優(yōu)、模型服務(wù)、模型測試、模型監(jiān)測和模型版本管理等各個環(huán)節(jié)，既有相關(guān)的理論知識也

阿里云IoTHaaS（HardwareasaService）物聯(lián)網(wǎng)設(shè)備云端一體低代碼開發(fā)框架集合阿里云、達摩院、平頭哥相關(guān)技術(shù)，基于數(shù)億臺物聯(lián)網(wǎng)設(shè)備接入經(jīng)驗，提供積木式硬件開發(fā)能力，實現(xiàn)低代碼快速開發(fā)，幫助中小開發(fā)者聚焦業(yè)務(wù)，實現(xiàn)設(shè)備安全上云，加速設(shè)備創(chuàng)新迭代。本書主要對HaaS開發(fā)框架中的技術(shù)進行詳細的介紹，主要包括

本書介紹統(tǒng)計計算與智能分析基礎(chǔ)理論以及基于Python的模型算法實現(xiàn)。全書由13章組成，主要內(nèi)容有：隨機數(shù)生成技術(shù)；數(shù)據(jù)探索性分析；特征提取與選擇方法；期望算法；Markov鏈蒙特卡羅方法；重采樣技術(shù)；重要采樣技術(shù)；序貫重要性采樣；非參數(shù)概率密度估計；非參數(shù)回歸分析；樹模型理論；概率圖模型；模型性能評價技術(shù)。

本教程通過闡述直觀而嚴謹?shù)臋C器學習方法，為學生學習和掌握研究和構(gòu)建數(shù)據(jù)驅(qū)動產(chǎn)品所需的基本知識和實用工具。內(nèi)容優(yōu)先解析幾何直覺和算法思維，為學生提供新穎和易于學習的方式；書中也強調(diào)機器學習結(jié)合實際應(yīng)用，包括計算機視覺、自然語言處理、經(jīng)濟學、神經(jīng)科學、推薦系統(tǒng)、物理學和生物學案例分析；作者精心設(shè)計300多幅彩色插圖，讓讀者

本書對所有重要的機器學習方法和新近研究趨勢進行了深入探索，新版重寫了關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學習的章節(jié)，并擴展了關(guān)于貝葉斯學習的內(nèi)容。書中首先討論基礎(chǔ)知識，包括均方、zui小二乘和zui大似然方法，以及嶺回歸、貝葉斯決策理論分類、邏輯回歸和決策樹。然后介紹較新的技術(shù)，包括稀疏建模方法、再生核希爾伯特空間和支持向量機中的學習、

本書致力于推動人工智能的普及教育，使用通俗易懂的語言深入淺出地介紹了人工智能相關(guān)知識，包括機器學習和深度學□□基本內(nèi)容，并結(jié)合圖像信息處理和自然語言處理兩個典型應(yīng)用展開闡述，使讀者能快速掌握人工智能的基本概念、基本知識體系和框架，為進一步學習打下良好基礎(chǔ)。本書共分6章：前4章主要介紹基礎(chǔ)入門知識，包括緒論、基本分類、回