本书以培养学生人工智能素养、人工智能思维和人工智能基本应用能力为编写理念，面向高职高专院校各专业学生，使用通俗易懂的语言，深入浅出地介绍人工智能的基本概念、基本知识和相关应用。全书共分7章，主要内容包括人工智能概述、人工智能生态、人工智能软/硬件平台、机器学习、人工神经网络与深度学习、计算机视觉和自然语言处理。本书着重介绍人工智能通识性知识和实用性技能，既可作为高职高专院校、中等职业学校学生学习人工智能的通识课教材，也可作为计算机类、电子信息类相关专业人工智能课程的入门教材。此外，本书还可供广大

本书是“人工智能技术应用核心课程系列教材”之一，通过对人工智能基础概念、技术分类、技术应用、开发平台、应用场景和开发运行环境等的系统介绍，结合样板程序、经典案例的上机实践与代码分析，使初学者快速地对人工智能的技术全貌建立起系统的认识，并且掌握典型应用开发环境与平台的安装、配置及应用编程基础技术。本书非常适合对人工智能、机器学习、深度学习、大模型与AIGC感兴趣的读者；需要掌握人工智能通识知识的政府、企事业人员和高校学生；需要先行快速了解人工智能技术全貌、为后续深入学习奠定基础的在校大学生；期望快

本书共6个项目，分别是：项目1，使用OpenCV实现人脸检测；项目2，使用计算机视觉算法实现图像识别；项目3，利用串口实现边缘硬件控制；项目4，使用人脸检测算法的家用设备控制；项目5，使用计算机视觉技术的稻麦成熟度监测系统；项目6，使用语音识别实现智慧家居控制。

大致内容：第一章，从阿尔法零的卓越性能出发，深入解读其背后着实不易的成长历程，揭示其数学模型。第二章，从确定性和随机动态规划问题入手，介绍决策问题的数学模型。第三章，从抽象视角回顾纷繁复杂的强化学习算法，揭示值函数近似与滚动改进的重要作用。第四章，从经典的线性二次型**控制问题入手，分析从阿尔法零的成功中学到的经验。第五章，分别从鲁棒、自适应、模型预测控制等问题入手，分析值函数近似与滚动改进对算法性能的提升潜力。第六章，从离散优化的视角审视阿尔法零的成功经验。第七章，总结全书。适合作为本领域研究

本书从软件工程的角度出发，将软件工程和人机交互进行有机融合，全面系统地介绍人机交互领域涉及的核心概念和重要思想，着重介绍如何从软件工程的视角理解并进行人机交互系统的需求获取、系统设计、原型设计和评估迭代，以及主流的交互原型开发工具的使用，同时还介绍人机交互的前沿热点技术，如多模态交互、虚拟现实、智能交互等内容。

全书共分为11章。第1~3章为人机交互基础知识，着重介绍人机交互领域的核心概念、重要思想和基本过程； 第4~10章为人机交互系统设计开发方法和技术，着重讨论用户研究、需求获

本书共分为6章，第1章介绍了PyTorch的安装和基本操作；第2、3章介绍了深度学习的基础知识、简单的线性模型以及计算图知识；第4、5章在前文的基础上进一步扩展，介绍了各种神经网络模型；第6章介绍了PyTorch的高级特性。

"机器学习和深度学习是人工智能领域开展科学研究的核心前沿理论，本书以“理论算法”为基础核心，以“实践案例”为创新驱动，帮助读者在了解机器学习和深度学习发展前沿的基础上，掌握基本核心知识，深刻理解应用案例，加深实践开发要素理解，夯实人工智能领域核心理论算法。全书共12章内容。第1章“绪论”，第2章“线性模型”，第3章“决策树”，第4章“贝叶斯分类器”，第5章“支持向量机”，第6章“聚类”，第7章“神经网络”，第8章“卷积神经网络”，第9章“循环神经网络”，第10章“生成对抗网络”，第11

本书是一本零基础的Illustrator软件的实战教材，旨在介绍如何使用Illustrator软件在平面设计领域的使用方法与技巧。本书首先介绍Illustrator软件在平面领域中的主要应用范围和领域，然后逐步由浅入深的介绍如何使用软件完成图形的设计与编辑、路径的绘制与编辑、图形样式的创建与编辑、文本与图表的创建与编辑、图层与蒙版的应用、效果类应用方法、混合与封套的应用方法等。 书籍中所涉及的案例都是平面设计领域中最为常见与普及度比较广泛的案例，让读者在熟悉和掌握Illustrator软件的同时

本书以项目为载体，依序对机器学习、深度学习和计算机视觉进行实践探究，帮助读者认识三者的关系，聚焦深度学习技术应用的重点领域计算机视觉，从调用云服务接口和开发模型两个方面做深层次探究。本书以企业用人需求为导向，以岗位技能和综合素质为核心，通过理论教学与实践教学相结合的方式，旨在培养具有深度学习技术应用意识，能够根据不同行业的不同需求，进行深度学习应用开发的高水平技术技能型人才。 全书共 3 篇：入门篇（项目1～项目3）为走进深度学习，分别对机器学习、深度学习和计算机视觉展开学习；基础篇（项目4～项

深度学习是人工智能的重要分支，在多个应用领域取得了突破性成果。本书作为深度学习的入门教材，基本涵盖了深度学习的各个方面。全书共8章，第1章概要介绍了深度学习的基本概念、典型算法及应用；第2~5章是本书的核心内容，详细介绍了卷积神经网络、循环神经网络、Transformer和生成对抗网络的基本原理、典型算法以及主要应用；第6章介绍了一些典型的深度生成模型以及近期比较流行的扩散模型；第7章介绍了深度学习中常用的正则化与优化方法；第8章介绍了TensorFlow、PyTorch和飞桨三个常用的深度学习