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

本书主要介绍人工智能芯片设计相关的知识，包括作为人工智能芯片设计基础的数字集成电路电路设计知识和数字集成电路系统设计知识，进而分析人工智能芯片设计面临的挑战，由此引出本书的重点：人工智能芯片的数据流设计和架构设计，包括了块浮点数设计、卷积神经网络数据量化算法、稀疏化算法、加速器系统控制策略、卷积层加速器设计、全连接层加速器设计等前沿技术。本书在帮助读者获得对人工智能芯片设计全面理解的基础上，使读者也能更好地把握人工智能芯片设计的重点和方向，为读者在此领域进一步研究和开发打下坚实的基础。 本

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

本书使用浅显易懂的语言，系统介绍了数据标注的概念、分类，重点是通过各个项目来阐述文本数据、图像数据、语音数据等几类数据标注的工具、步骤、规范和质检。通过理论与项目实战相结合，帮助读者由浅入深地学习和实践，从而真正掌握数据标注的理论、技术和实施。本书既可以作为大数据人才培训的基础教材，也适用于初学者的入门教材，以及为大数据初级、中级标注员岗位提供理论知识和技能的行业培训教材。

本书收集了国际国内使用AIGC的范例，以及结合“如何运用AIGC进行学习活动”、“如何问大语言模型一个好问题？”、“使用AIGC的原则”和“对使用AIGC的检核与提醒”，来探索AI在工作和生活中的无限潜力。全文共分为三章，分别是第一章：学习篇(徜徉之境——追寻学习的浪漫之旅)、第二章：生活篇(创意悠游——日常生活的多彩探险之旅)、第三章：社会实践篇，最后对全文进行总结回顾与未来研究方向探讨，以期为高校尤其是高职学生的学习和工作提供辅助，并为更广泛的AI技术应用和知识传播提供指引。

本书以团体标准《青少年编程能力等级第5 部分：人工智能编程》（T/CERACU/AFCEC 100.5
2022）（以下简称：人工智能编程能力等级标准）为依据，旨在引导青少年走进人工智能编程的世界，开
启人工智能编程学习之门。本书共设4 个单元，内容覆盖人工智能编程能力等级标准二级，共10 个知识点。
第1 单元为人工智能的基础知识（共3 节），主要介绍人类智能与人工智能的区别。第2 单元为人工智能
编程（共2 节），主要介绍人工智能图形化编程中的人

本书由中科院计算所、软件所的专家学者倾心写就，以“图像风格迁移”应用为例，全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新，第1章回顾人工智能、智能计算系统的发展历程，第2、3章在介绍深度学习算法知识的基础上增加了大模型算法的相关知识，第4章介绍深度学习编程框架PyTorch的发展历程、基本概念、编程模型和使用方法，第5章介绍编程框架的工作原理，第6章回顾深度学习所用的处理器结构从通用逐步走向专用的过程，第7章介绍深度学习处理器的体系结构应当如何应对大模型处理中的计算、

本书以鲲鹏智能计算为主线，共12章，分别为绪论、计算机与服务器、鲲鹏通用计算平台、鲲鹏openEuler操作系统、鲲鹏openGauss数据库、鲲鹏openLooKeng数据虚拟化引擎、鲲鹏云计算技术、鲲鹏应用迁移与开发、鲲鹏通用计算平台基础管理、openEuler操作系统及虚拟化应用实践、基于鲲鹏通用计算平台的Web实践，以及基于鲲鹏智能计算平台的深度学习案例实践。

本书内容简洁、技术实用，旨在帮助读者了解并熟悉鲲鹏智能计算的相关技术及应用。本书适合IT相关行业的专