本书从人工智能的起源与基本概念入手，逐步深入到AI的核心技术、应用领域以及未来发展趋势，旨在帮助读者建立起对人工智能领域的整体认识，并激发其进一步学习和探索的兴趣。本书共10章，主要内容包括绪论、大数据与人工智能、机器学习、神经网络与深度学习、强化学习、计算机视觉及应用、自然语言处理及应用、生成式人工智能、知识图谱、人

本书还介绍了人工智能的数理基础、技术链、产业链的发展情况、社会治理与安全等方面的内容，使学生建立科学系统的人工智能认知和工程化概念。本书定位通识教育，以“导认识、导兴趣、导重点、导原理”为指针，创新教学内容，使学生认识人工智能的能力属性、工具属性和实用属性；通过最新进展和典型应用的介绍培养学生的学习兴趣，使学生建立正确

本书内容包括深度学习的基本原理和常用算法、深度学习框架PyTorch的环境搭建及基础编程方法、使用PyTorch实现手势识别、CNN图像分类、数据处理、国际航空乘客预测等项目，以及张量的应用、手写数字体识别、面部表情识别等拓展案例。本书每个单元都配备知识点微课，“任务实施”结合实践应用有序排列学习任务，符合人才成长的特

本书主要讲述人工智能的基础知识与基础理论，并通过大量的人工智能应用帮助读者快速了解人工智能相关技术。本书共11章，分别为人工智能概述、人工智能基础知识、机器学习、深度学习、计算机视觉、自然语言处理、大语言模型与AIGC、知识图谱、人工智能技术应用场景、智能机器人和人工智能的挑战与未来。本书内容丰富，讲解细致，注重前沿技

本书系统地介绍了人工智能基础与应用的相关知识，包括认识人工智能、人工智能与算法、人工智能的支撑技术、人工智能的主要分支、人工智能与行业、人工智能与生活、认识生成式人工智能AIGC，以及AIGC的应用等内容。本书内容丰富、结构新颖、条理清晰，按照项目任务的形式全面介绍人工智能的内容，每个项目由多个任务组成，每个任务先进行

本书介绍了机器学习的概念、算法和原理，全书主要分为两部分，第一部分是机器学习所涉及的数学基础、基础理论和机器学习基础；第二部分是常见的机器学习讲解和实现，主要涉及常见的生成式模型和判别式模型。

本书介绍人工智能的基础知识和实践方法，包括人工智能概述、机器学习概述、KNN分类算法、Kmeans聚类算法、回归算法、决策树算法、深度学习、计算机视觉、自然语言处理和人工智能前沿技术等内容，并设计大量应用案例对算法进行解析。

本书是面向高等院校计算机相关专业的机器学习教材。全书以机器学习应用程序的开发流程为主线，详细介绍数据预处理和多种算法模型的概念与原理；以Python和Spark为落地工具，使读者在实践中掌握项目代码编写、调试和分析的技能。本书最后两章是两个实战项目，举例讲解机器学习的工程应用。本书内容丰富、结构清晰、语言流畅、案例充实

教材内容括人工智能概述；视觉、语音、自然语言处理等方面的通用技术；机器学习与深度学习；人工智能典型应用场景；人工智能与职业发展；生成式人工智能的技术与应用；人工智能法律与伦理。在内容的选取上，突出人工智能主流技术、热点问题和典型案例，覆盖了目前市场上常见的人工智能技术及应用。教材除了涵盖人工智能概念及发展史、机器学习与

Agent（智能体）是大模型落地的重要方向，是AI技术的下一个风口。为了让更多非技术出身的人能够通俗地理解Agent，并零门槛利用Agent开发平台设计自己的Agent，我们撰写了本书。本书分为入门篇、工具篇、实战篇。入门篇介绍了Agent的概念、发展、与Prompt和Copilot的区别，Agent对个人和企业的价值