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

" 本书是一本面向AI 初学者的实用指南。本书系统介绍了DeepSeek 等主流AI 工具的功能与应用，涵盖从入门配置到进阶技巧的全流程操作。内容分为九章，包括DeepSeek 快速入门、解决学习问题（从小学到大学）、教师教学增效、家长辅导与情感引导、高考志愿与职业规划、职场效率提升、创作与展示、健康管理与智能旅行、增收与就业（AI 赋能新机会）。本书结合大量实例，如智能备课、论文辅助创作、职业测评、PPT 生成等，并拓展AI 工具在文生图及图像处理、视频生成与剪辑、数字人制作、智能体开发、知

"本书全面介绍人工智能的基本理论、技术及应用。全书共12章，主要内容包括人工智能概论、知识表示与知识图谱、模糊推理、搜索策略、遗传算法、群智能算法、人工神经网络、深度学习、大语言模型、AI智能体、专家系统、自然语言理解、计算机视觉和智能机器人，附录给出了实用性很强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本思路，拓宽科学视野，培养创新精神。
本书的适用对象广泛，可作为高等学校各专业本科生“人工智能”

"本书首先概述了人工智能的基本概念、研究内容、研究途径与方法、分支领域与研究方向、应用前景、历史沿革、现状与趋势，勾画了人工智能学科的总体架构； 然后概略而简要地阐述了人工智能各分支的基本原理、基本技术、研究课题和发展概况。全书共6篇21章，内容全面、基础、经典而新颖。

本书结构合理、层次分明、条理清楚、理例结合、图文并茂、深入浅出、详略得当、纸电结合、易读易懂、易教易学。

本书适合作为全国高等学校人工智能专业和计算机类、自动化类及电子信息类各专业本科生人工智能基础或

本书系统解析DeepSeek大模型的技术架构与应用生态，构建技术认知-环境搭建-领域攻坚三维能力体系。第1部分从人工智能技术演进切入，剖析深度学习、Transformer架构及大模型革命的技术哲学，详解开发环境配置、API调用与智能系统构建方法论；第2部分聚焦6大核心场景，覆盖智能办公、数据可视化、数字内容生产、教育创新等领域，通过20余个工业级案例拆解模型工程化实践，构建了环境验证软件智能工作流等实战框架。全书创新性地融入Dify驱动的AI Agent开发范式，提供从思维导图生成到金融风

本书旨在为读者提供一个深入了解人工智能技术及其应用的全景视角。在内容安排上，本书从基础理论出发，逐步深入技术实现和应用场景，以确保读者能够掌握人工智能的关键概念、技术方法及其在实际中的应用。本书详细介绍人工智能的定义、发展历程、研究领域和应用前景，以及自然语言处理、计算机视觉处理、智能语音处理等关键技术，并探讨人工智能在智能家居、智慧医疗、智能制造等领域的广泛应用。此外，本书还提供详细的开发环境搭建指导和实验代码，帮助读者快速入手人工智能开发。本书既可作为职业院校计算机及人工智能相关专业的教材，

" 《AIGC信息与交互设计》以交互设计为核心，系统探讨从用户研究到概念设计、界面设计、测试评估的完整流程。通过理论与实践相结合，深入介绍多样化的设计工具与方法以及人工智能技术在交互设计中的应用，帮助设计师在实际项目中提升效率与创造力。
《AIGC信息与交互设计》适合作为高等院校、职业院校交互设计、用户体验设计及相关专业的教材，也适合作为其他艺术设计、交互设计爱好者和从业者的参考读物。"

"《神经网络理论及应用实践》在全面介绍人工神经网络基本理论的基础之上，首先，系统地阐述了单层感知器神经网络、BP神经网络、竞争学习神经网络、自组织神经网络、学习向量量化神经网络、对偶传播神经网络、径向基函数神经网络、支持向量机等浅层神经网络的典型网络结构、学习算法、工作原理和应用案例； 其次，系统地阐述了深度学习中卷积神经网络、循环神经网络两种经典神经网络的概念、基本架构、工作原理和应用案例； 最后，介绍了人工神经网络设计开发平台。《神经网络理论及应用实践》旨在使读者了解和掌握人工神经网络的设计

本书共10章, 主要内容包括AI大模型概述、AI基础算法、深度学习技术与工具、生成式模型、数据标注技术、注意力机制、Transformer架构解析、自然语言处理中的预训练模型、微调技术以及大语言模型系统安全技术。