本书将围绕人工智能职业标准展开，秉持“以学生为中心—职业标准融入—思政教育融入”的编写理念，通过项目案例激发学生的学习兴趣。本书结合人工智能学科的已有成果及编者的教学实践，以全面、基础、典型、新颖为原则，系统地介绍人工智能的技术基础，包括机器学习、计算机视觉、智能语音、自然语言处理、AIGC等热点及前沿问题。本书以“概述+案例”的模式编写，使教材内容泛而不空，使读者了解和学习人工智能的基础知识和初步技能，建立利用科学方法解决问题的创新思维，以适应教学需求。本书概念清晰，结构合理，叙述简明易懂，适

"本书详细介绍人工智能的核心概念、理论、方法、技术和应用。全书共7章，首先定义智能和人工智能，探讨人工智能的历史、实现方式、研究内容和趋势； 然后解释与Python编程相关的概念，聚焦机器学习和人工神经网络原理，又分别从计算机视觉和自然语言处理的角度介绍前沿理论、方法和技术； 最后讲述人工智能的伦理与法律概念。每章都附有相应的习题以供练习。

本书适合作为高校非计算机专业人工智能通识课教材，也可作为人工智能和Python编程爱好者的参考书。
"

本书聚焦于知识表示与推理，围绕经典知识表示、知识图谱、知识体系构建和知识融合、实体识别和扩展、实体消歧、关系抽取、事件抽取、知识存储和检索、经典知识推理、确定性推理与不确定性推理、数值推理、知识问答与对话等展开介绍。每章对多个相关研究方向的发展进程进行系统的、多维度的梳理，注重介绍传统知识工程的思想和理论，以及机器学习和深度学习在知识表示与推理各个环节中应用的技术和方法，从而使读者能够了解知识表示与推理的发展脉络，激发研究兴趣，思考核心问题，领悟发展方向。本书既可作为高等院校人工智能、数据科学与

本教材围绕人工智能的核心概念、主要技术脉络、核心关键算法、典型应用场景等设立对应章节，阐述了人工智能的基本概念和历史沿革，论述了人工智能理论和技术体系的基本框架，介绍了人工智能主要分支领域的基本知识，并体现了人工智能技术的最新进展，以及人工智能伦理的思考。全书共10章，内容包括人工智能与智能社会、知识与知识表示、推理技术、搜索算法、专家系统、机器学习、神经网络、人工智能应用研究、智能机器人、人工智能伦理与未来展望。本教材通俗易懂，理例结合，可作为高等院校非计算机大类专业师生教材，也可作为人工智能

本书清晰而深入地介绍了智能运维技术的基础及其应用。全书共7章：第1章介绍智能运维技术的基本概念和发展历程；第2章介绍数字信号处理的基本方法及数据处理方法；故障特征提取作为机械故障诊断和状态监测的关键，相关内容将在第3章介绍；第4章、第5章分别介绍基于浅层学习和基于深度学习的智能故障诊断及剩余寿命预测方法；第6章介绍智能维护决策工具和技术；第7章给出若干智能运维技术的应用案例。智能运维技术可以为工程机械、风力发电、轨道交通、石油化工等领域的机械装备智能运维提供解决方案，为机械设备的可靠性和安全性提

本书系统地介绍人工智能相关技术，项目1介绍人工智能的基本概念和相关的前沿技术，项目2至项目4介绍人工智能与大数据、物联网、云计算等前沿技术结合的具体案例，项目5至项目7介绍人工智能与数字媒体、现代通信技术、项目管理等信息技术结合的应用案例，项目8至项目14介绍人工智能在人脸识别、语音识别、无人驾驶、区块链、虚拟现实、信息安全、机器人等领域的应用。本书以基础理论为载体，以真实案例为导向，力求提高读者对人工智能的兴趣，达到培养读者逻辑思维能力、实践能力、自主学习能力和团队合作能力的目的。

本书主要内容分5大部分，共13章，较全面地介绍了目前人工智能的主流概念、理论、方法、技术及应用等内容。第一部分人工智能概念基础(第1-3章)，介绍了人工智能与哲学、脑科学有关的概念和知识基础，包括绪论、人工智能哲学基础和脑科学基础。绪论部分介绍了智能的定义以及人工智能的定义、历史、实现方法、研究内容、发展趋势；第二章哲学思想介绍与人工智能有关的哲学思想以及技术的思想起源，使学生可以深入理解人工智能隐含的哲学理念。第三章脑科学介绍大脑与神经系统基础以及脑的认知机理。第二部分人工智能方法与

       本书从人工智能时代大学生应具备的基础素养出发，紧密围绕任务案例阐述生成式人工智能(AIGC)如何辅助学习、工作、生活、专业等方面，主要内容包括探索人工智能新篇章、AI时代的核心竞争力、AIGC与文本生成、AIGC与数据处理、AIGC与图像生成、AIGC与语音生成、AIGC与视频生成AIGC 与智能体和AIGC的伦理与责任。
       本书既可以作为高等职业院校、应用型本科院校、中等职业

"本书循序渐进地介绍了深度学习的基础知识与常用方法，全面细致地提供了深度学习操作的原理和在深度学习框架下的实践步骤。本书共分为三部分，理论基础、实验和案例。第一部分理论基础，包括第1~7章，主要介绍深度学习的基础知识、深度学习在不同领域的应用、不同深度学习框架的对比以及机器学习、神经网络等内容； 第二部分实验，包括第8~9章，主要讲解常用深度学习框架的基础以及计算机视觉、自然语言处理、强化学习和可视化技术领域的一些实验讲解。第三部分案例包括第10~17章，通过8个案例介绍深度学习在图像分类、目标

本书内容涵盖了监督学习、无监督学习和半监督学习的代表性算法，对算法的原理与思想、推导与证明、实现与应用中涉及的知识点进行了清晰透彻的阐述。全书由12章组成，主要内容包括机器学习基本理论、K-近邻、贝叶斯、线性模型、支持向量机、决策树、集成学习、聚类算法、降维算法、半监督学习、人工神经网络等知识。章节依照算法类别及算法间逻辑关系进行编排，内容结构上条理清晰、由浅入深，并完整的对算法的编码实现进行了讲解，从编程角度展示算法细节，使读者可以更加深入透彻的理解算法原理、加深对算法的记忆，并能够