本书遵循职业教育教材编写规律和职业院校学生学习规律，配套齐全

本书在系统介绍了机器学习的基础上详细讲解了神经网络和深度神经网络的结构原理、模型训练与优化方法，重点针对典型工作任务，详细讲解了卷积神经网络(CNN)和循环神经网络(RNN)的基本结构和主要操作。
全书共分为七个模块。模块一主要介绍了人工智能与机器学习；模块二主要介绍了人工智能的开发工具及开发环境；模块三介绍了机器学习相关的数学基础知识；模块四对典型的机器学习算法进行了介绍；模块五对神经网络的结构和基本原理进行了剖析；模块六对卷积神经网络(CNN)的结构和模型训练优化进行了详细的分析说明，并应用TensorFlow实现图像分类；模块七对循环神经网络(RNN)的结构和模型训练优化进行了详细的分析说明，并应用TensorFlow实现文本分类。各模块均设置了实训项目和知识技能拓展内容，并融入了课程思政元素和部分职业技能等级证书内容。
本书主要面向高等职业院校人工智能技术应用及相关专业的学生，也可作为从事深度学习的工程技术人员的参考书。
为方便教学，本书配备电子课件等教学资源。凡选用本书作为授课教材的教师均可登录机械工业出版社教育服务网注册后免费下载。

前言
模块一 人工智能概述
单元一 人工智能
单元二 人工智能与机器学习
实训一 手机里的人工智能
知识技能拓展：AlphaGo
模块二 人工智能开发环境安装与使用
单元一 Anaconda环境搭建
单元二 Python机器学习常用模块库的使用
单元三 TensorFlow2.3的安装
实训二 Python基本模块库的使用
知识技能拓展：JupyterNotebook的使用
模块三 机器学习数学基础
单元一 机器学习中数据的表示与运算
单元二 机器学习中的很优化问题
单元三 数据降维
实训三 主成分分析的实现
知识技能拓展：机器学习中的概率与数理统计
模块四 机器学习算法
单元一 机器学习概述
单元二 监督学习算法
单元三 无监督学习算法
单元四 机器学习算法的正则化
实训四 KNN的实现与应用——改进约会网站的配对效果
知识技能拓展：迁移学习
模块五 神经网络
单元一 从生物神经网络到人工神经网络
单元二 神经网络的训练
单元三 深层神经网络
实训五 MNIST手写数字识别
知识技能拓展：TensorFlow模型优化算法
模块六 卷积神经网络及
TensorFlow实战
单元一 CNN结构
单元二 图像分类
单元三 CNN模型训练及测试
实训六 基于CNN的图像分类
知识技能拓展：计算机视觉及其应用
模块七 循环神经网络及TensorFlow实战
单元一 RNN概述
单元二 文本分类
单元三 RNN模型训练及测试
实训七 电影评论分类实战
知识技能拓展：自然语言处理及其应用
参考文献