《集成学习入门与实战：原理、算法与应用》通过6章内容全面地解读了集成学习的基础知识、集成学习技术、集成学习库和实践应用。其中集成学习技术包括采样、Bagging、投票集成、Boosting、AdaBoost、梯度提升、XGBoost、Stacking、随机森林、决策树等，从混合训练数据到混合模型，再到混合组合，逻辑严谨

《人工智能全书：一本书读懂AI基础知识、商业应用与技术发展》系统地讲解了AI基础知识、商业应用与技术发展，可以帮助读者快速了解人工智能，掌握行业动态与技术。全书图文并茂，浅显易懂，其中基础篇介绍了AI的基础知识，商业篇预测了AI在各行各业的应用与发展，技术篇则讲解了AI的各种专业技术知识。《人工智能全书：一本书读懂AI

本书首先介绍深度学习方面的数学知识与Python基础知识，线性模型中的线性回归模型和logistic模型；然后讲述正向传播算法、反向传播算法及深度神经网络的完整训练流程，输出层的激活函数和隐藏层的常见激活函数，深度学习的过拟合和欠拟合，应对过拟合的方法，以及使用TensorFlow2建立深度神经网络模型的步骤；接着介绍

本书分两部分对时滞递归神经网络的理论与应用进行了介绍：第一部分对随机时滞递归神经网络的稳定性进行了分析，第二部分则对递归神经网络在优化算法及智能控制等方面的应用进行了介绍。

本教材从简明实用的角度出发，着重介绍了基于MALAB/SIMULINK软件的经典控制理论知识和技能。本书分为控制理论基本概念、JMATILAB基础、控制系统数学建模、线性系统时域、频域、根轨迹分析、PID控制方法和控制系统应用及实验等七部分，注重理论教学、仿真和实践的连贯性。在课程教学的基础上，介绍实际运用控制理论解诀

本书分为基础理论篇与应用实践篇。基础理论篇主要阐述机器学习基本概念与技术体系，从应用角度分析各技术环节，并借助专利分析方法与文献分析方法，总结机器学习在不同领域的发展趋势和研究热点。应用实践篇主要结合实际工作中机器学习的运用情况，从技术支撑角度阐述机器学习在各行业领域的应用现状；对科技管理、医疗健康、税务大数据、缺陷检

本书根据教学大纲和学时安排,选取了经典控制理论和现代控制理论方法的基础部分,编写了本教材。内容包括:自动控制原理概念;自动控制原理的数学模型时域分析方法;根轨迹法;频率域方法;控制系统的校正设计;非线性系统理论;采样系统理论;现代控制理论基础;李雅普诺夫稳定性分析。

本书探究多学科理论与方法集成模型，将人机工程学(Ergonomics，E)理论、QFD方法、TRIZ理论、模糊综合评价方法进行有效结合，发挥理论与方法的集成与互补优势，从而实现人机产品创新设计与评价的科学性与准确性，指导设计过程的准确实施。

本书以高校和企业合作的人工智能大数据标注基地的实际运作经验为基础,将自己在AI大数据标注工厂中所领悟到的管理方法和所使用的技术平台进行详细阐述,并结合实际案例进行讲解,在兼顾初学者的同时,更偏重于如何以数据标注工厂的层面从管理方法和技术手段上提高AI大数据标注生产能力的探讨。

本书分为计算机语言、数学、AI基本概念、基本程序4部分，共14章，包括MATLAB、Linux、Python、简单随机过程基础知识、随机矩阵理论简述、深度学习基本概念等内容。