本书通过深入浅出的方式，系统介绍了人工智能的基本概念、发展历程、主要流派和关键技术，使读者能够快速了解人工智能的全貌，为后续深入学习打下基础。全书共十二章，内容涵盖人工智能的基本理论和核心技术，以及人工智能在各领域的应用。具体包括概述、表示与理解、机器学习、深度学习、计算机视觉、自然语言处理、大语言模型、知识图谱、智能语音、无人驾驶与无人机、智能穿戴和人工智能安全与伦理。
本书是人工智能学科的“零基础”入门级教材，可以作为高等院校人工智能专业、计算机科学与技术专业、大数据专业、软件工程专业

本书以“构建人工智能系统认知框架，培养技术与人文融合素养”为目标，从“理论溯源、案例驱动、批判性思考”三个维度，系统梳理了人工智能的核心理论、关键技术、多元应用及伦理安全规范。全书兼顾科学性、实践性与时代性，强调学科交叉，突出案例驱动，关注前沿动态。本书内容组织结构完整、知识点前后衔接自然、讲授内容深入浅出、列举案例通俗易懂。 本书可作为本科学生的人工智能通识教育教材，亦可作为人工智能及相关专业本科生、跨学科学习者和从事人工智能教育人员的参考用书。

本书系统地介绍了人工智能的基础概念、发展历程和应用技术，并深入探讨了AIGC（生成式人工智能）的实际应用。全书通过丰富的图解和实际案例，深入浅出地讲解了人工智能的核心概念和技术，包括云计算、大数据、机器学习、深度学习及生成对抗网络（GAN）。书中特别关注AIGC的应用，涵盖了文本生成、图像生成及视频编辑等前沿领域。每章提供大量实践案例，帮助读者在实际操作中巩固知识。 本书适合作为高等职业院校人工智能导论公共课或通识课的配套教材，同时适用于对人工智能感兴趣的初学者以及希望在企业管理中应用人工智能的

本书是一本关于生成式人工智能技术的通识性教材，围绕技术探索、伦理治理与行业实践三大维度构建了多层次的知识体系。全书分为理论基础、核心技术与产业应用三大模块，深入解析了大模型生成机制、多模态协同、RAG技术及人工智能伦理等核心领域。通过医疗诊断、工业质检等典型场景案例，结合可复现的Jupyter Notebook代码，实现了从技术原理到工程实践的学习闭环。本书以“技术深度+实践广度”为特色，拆解了提示工程、跨媒体生成等关键技术流程，从VAE模型开发到LangChain智能体部署，完整覆盖了生成式人

人工智能通识教育是高等教育领域亟待探索的重要课题。 本书围绕人工智能通识教育实践主题展开，从大语言模型入门，沿着数据、计算、智能工具到智能模型的路径，逐步引导学生进入人工智能的世界。本书聚焦于计算机视觉和自然语言处理两大应用方向，帮助学生理解深度学习模型，并通过调用大模型API的方式将智能模型融入实际程序。 全书共9章，各章内容包含知识讲解和详细实验方案两部分，并根据需要设计了拓展练习。本书重视课程思政建设，以DeepSeek为例介绍大语言模型，图像处理与分析采用百度AI开放平台和腾讯AI开放平

深度学习目标检测识别技术是人工智能专业当前研究热点，在民用和国防领域都有着重大需求，也是一个巨大的技术难题，在资源受限平台下，目标感知不确定性大、效率低、功耗大。本书旨在通过对智能网络目标识别技术主要原理和方法的介绍，并且结合作者自己多年来智能感知方面的研究成果，对于其他书籍未涉及到的一些前沿研究进行了补充阐述。本书共八章，第一章和第二章介绍了智能目标的发展历史，简介了机器学习的基本概念，归纳了基于统计模式识别问题和基于深度学习目标识别，深入研究了主流深度学习算法的发展过程和技术细节，这部分作为

本书是一本集理论性、实践性和前瞻性于一体，面向大学一年级学生的通识性教材。本书通过丰富的案例分析和讨论，旨在帮助学习者在有限时间内掌握人工智能的基础知识、核心技术和应用方法，鼓励学习者思考人工智能技术的未来发展趋势和潜在挑战，培养其创新思维能力和应用实践能力，并为未来的学习和研究奠定坚实的基础。本书是国家精品课程“计算机基础”的主教材，也是教育部大学计算机课程改革项目成果之一。全书共6章，系统地介绍了人工智能的基本概念、核心技术及其在主要领域的广泛应用，内容包括数字化概述、认识计算机、计算机网络

全书匠心独运地设计了 8 个项目，充分遵循读者知识积累和能力提升的规律，由浅入深、循序渐进地展开内容，妥善兼顾了读者对新旧知识和技能的衔接需求。通过项目导读、项目重难点、问题导学、任务情境、任务分析、任务目标、任务实施、任务小结、实践创新、项目测试等多个特色板块，引导读者系统学习生成式 AI 的发展与局限、提示词构建和应用技巧、助力研究与写作、数据分析、设计应用、电商应用、DeepSeek本地部署、工作原理与编程应用等知识与技能，有助于读者将所学知识融会贯通，实现举一反三，培养创新意识，提升实践

本书采用理论与实训案例相结合的形式，深入浅出地介绍了大模型的基础知识。本书共分为8章，内容涵 盖大模型的基础知识、传统语言模型基础知识、神经网络基础知识、大模型的主要技术、大模型的微调与部署、 大模型的应用，以及面对的挑战和未来发展等。

本书不仅适合作为高等院校人工智能、计算机科学与技术或相关专业学习大模型的入门教材，也适合从事相关工作的人工智能爱好者和工程师学习阅读。

本书是机器学习的入门书，深入浅出地讲解机器学习的基础理论与应用，不仅注重给理论添加浅显易懂的解释和详述，而且探讨何种创新思维或科学思维可以产生或引导出某个理论，让学习者在学习理论过程中自然地培养创新思维与科学思维。本书知识点包括回归分析、k-近邻算法、决策树、贝叶斯分类器、支持向量机、模型性能评估、集成学习、降维方法、聚类、EM 算法与高斯混合模型、神经网络与深度学习等。本书每章都设计手工计算的应用例题，以演示理论解题和计算过程，帮助学习者理解和掌握理论。每章配有编程实践的实例，不仅示范解题的P