《多�？捎眯浴穼�交互系統(tǒng)的可用性進(jìn)行了清晰的、深入的介紹，明確了可用性的思想和方法貫穿到系統(tǒng)開發(fā)的始末的重要性和必要性。然后分析了主流HCI概念、模型和方法，指出多�？捎眯云鋵嵤莻鹘y(tǒng)HCI在各個層面上的泛化的結(jié)果，包括從內(nèi)容、方法到框架和理論。在此基礎(chǔ)上，《多�？捎眯浴方�立了多模可用性的概念、方法和數(shù)據(jù)處理的開發(fā)周期理

這本書由淺入深地對人工智能（AI）進(jìn)行了介紹，語言通俗易懂、邏輯清晰，即使沒有IT相關(guān)專業(yè)知識的讀者也能完全讀懂。全書分為7章，探討的主題分別是：AI世界的全貌、AI在各個領(lǐng)域的應(yīng)用、AI倫理及開發(fā)指導(dǎo)方針、AI發(fā)展現(xiàn)狀、無所不答的自動聊天AI、AI專家的見解、AI熱潮的謊言和真相。讀完這本書，零基礎(chǔ)的讀者能夠?qū)θ斯ぶ?/p>

《用戶體驗與系統(tǒng)創(chuàng)新設(shè)計》集用戶體驗設(shè)計研究之大成，旨在系統(tǒng)性地介紹用戶體驗設(shè)計這門跨學(xué)科新興技術(shù)的全貌，拓展創(chuàng)新思維、啟迪體驗設(shè)計智慧。全書分為基礎(chǔ)篇、原理篇、應(yīng)用篇、實戰(zhàn)篇和發(fā)展篇(共15章)，另有緒論(即第0章)和附錄。其中，基礎(chǔ)篇(包括第1～4章)介紹了人類感覺的要素、產(chǎn)品因素、環(huán)境因素和人類行為等與交互體驗息

《計算未來人工智能及其社會角色》致力于用通俗易懂的語言，深入淺出地向讀者介紹什么是人工智能，人工智能在各個領(lǐng)域的應(yīng)用，以及人工智能將給未來生活、工作帶來的巨大變革。與此同時，本書提醒人們關(guān)注人工智能可能帶來的問題和挑戰(zhàn)，這些挑戰(zhàn)不僅包括程序員寫代碼時需要將倫理、法律的因素考慮進(jìn)來，還包括如何防范不法分子利用人工智能危害

Google的TensorFlow是機器學(xué)習(xí)世界的游戲規(guī)則改變者。《TensorFlow1.x機器學(xué)習(xí)（影印版英文版）》將教你如何發(fā)揮Python和TensorFlow1.x的威力更容易地入門機器學(xué)習(xí)。首先，你將了解基礎(chǔ)的安裝過程并瀏覽TensorFlow1.x的各種能力。然后是訓(xùn)練和運行分類器，以及介紹庫中的特性，包

中小學(xué)steam人工智能-人工智能的無限挑戰(zhàn)

本書為普通高等教育“十一五”國家規(guī)劃教材，內(nèi)容以解決電力工程實際問題中常用的經(jīng)典控制理論為主，也吸收了現(xiàn)代控制理論中的某些基本概念和基本方法，包括控制系統(tǒng)數(shù)學(xué)模型的建立，技術(shù)性能要求，各種性能分析，系統(tǒng)綜合，離散控制系統(tǒng)及現(xiàn)代控制系統(tǒng)的必需知識等。為了與生產(chǎn)實踐密切結(jié)合，書中列舉了一些電力系統(tǒng)中的應(yīng)用實例。

本書是中國科協(xié)新一代信息技術(shù)系列叢書之一。本書內(nèi)容包括知識表示、知識獲取、知識應(yīng)用三部分。其中，知識表示主要介紹概念表示、知識表示、知識圖譜；知識獲取主要介紹搜索技術(shù)、群智能算法、機器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)；知識應(yīng)用涉及計算機視覺、自然語言處理、語音處理、專家系統(tǒng)、規(guī)劃、多智能體系統(tǒng)與智能機器人六部分。力求將人工

本書系統(tǒng)全面地介紹了經(jīng)典控制理論和現(xiàn)代控制理論中線性系統(tǒng)的狀態(tài)空間分析方法。全書共分9章:第1章~第6章為線性連續(xù)系統(tǒng),講述建立系統(tǒng)數(shù)學(xué)模型、分析系統(tǒng)性能的方法以及系統(tǒng)校正與設(shè)計等內(nèi)容;第7章為線性離散系統(tǒng)的分析與校正;第8章為非線性控制系統(tǒng);第9章為線性系統(tǒng)的狀態(tài)空間分析。本書增加了利用MATLAB進(jìn)行輔助分析與設(shè)計

從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中預(yù)測分析發(fā)現(xiàn)隱藏的模式，可用于商業(yè)智能決策。 禮薩·卡里姆著的《TensorFlow預(yù)測分析(影印版)(英文版)》將通過在三個主要部分中運用TensorFlow，幫助你構(gòu)建、調(diào)優(yōu)和部署預(yù)測模型。**部分包括預(yù)測建模所需的線性代數(shù)、統(tǒng)計學(xué)和概率論知識。 第二部分包括運用監(jiān)督(分類和回歸)和無監(jiān)