" 本书系统阐述了人工智能生成内容(AIGC)在创意设计领域的理论基础与实践应用。全书分为9章，从AIGC的基本理论入手，深入探讨了文本创作、视觉设计、图像处理、音视频创作等领域的AI应用技术。本书通过对主流工具的深入解析，以及设计思维与AI融合创新的探讨，全面展现了AIGC重塑设计行业的新范式。 本书理论与实践并重，书中选取了众多企业的AIGC应用实践，展现了设计行业在智能化转型中的创新成果。同时注重培养跨界思维和伦理意识，引导读者思考AI时代设计师的角色定位。希望通过系统化的内

本书主要介绍了人工智能的基础知识、人工智能的编程语言（Python）及人工智能领域的核心技术和应用。全书包含理论篇与实验篇两部分。理论篇共8章，包括人工智能概述、Python程序设计基础、Numpy数值分析库、Pandas数据分析库、计算机视觉技术与应用、智能语音技术与应用、自然语言处理与应用、生成式大模型应用等内容；实验篇设计了与理论章节配套的13个实验项目。

本书以培养读者人工智能素养、程序设计思维和人工智能基本应用能力为目标，通过理论与实践相结合的方式，旨在帮助读者建立起系

本书详细阐述了培养具有数字素养的综合型人才所需要的相关知识储备。作为通识类课程教材，本书在确定知识布局时，紧紧围绕通识教育核心理念，系统介绍大数据、云计算、物联网、人工智能、区块链、元宇宙等技术的相关知识，努力培养学生的数字素养。全书共8章，内容包括大数据概述、大数据技术、大数据应用、大数据基础知识、人工智能、大模型：人工智能的前沿、新兴数字技术、新兴数字技术的伦理问题。为了避免陷入空洞的理论介绍，本书在很多章节都融入了丰富的案例，这些案例就发生在我们生活的数字时代，很具有代表性和说服力，能够让

人工智能是新一轮科技革命和产业变革的重要驱动力量，是研究利用计算机系统实现人类智能的理论、方法和技术的科学。本书系统介绍了人工智能的基本内容和实用技能，主要包括人工智能的发展历程、人工智能首选开发语言Python、线性回归方法、几种主要的分类器、聚类分析算法、个性化推荐、语音识别技术和人脸识别应用等。
本书以培养读者的人工智能素养、人工智能思维和人工智能基础应用能力为设计理念，以问题为导向、以项目为载体、以任务为目标来构建学习内容，突出人工智能的新内容、新技术和新应用。

"随着人工智能技术的不断发展，其相关算法已经广泛应用于工业、金融、医疗等重要领域。数据作为人工智能技术的核心要素，其安全性直接影响人工智能技术是否可以在现实场景中大规模部署和应用。本书基于此背景，延伸人工智能技术的前沿理论与实践基础，深入剖析了人工智能在数据安全层面所面临的重要挑战。通过阅读本书，读者可以深入了解人工智能数据安全的各个细分领域，掌握各类数据安全问题的原理及其缓解方法，并树立具有开阔视野的人工智能数据安全观。
本书共9章，可划分为6部分，包括人工智能数据安全概述（第1章）、异

本书旨在深入浅出地介绍统计方法与机器学习的核心概念和算法应用。它不仅涵盖了传统统计方法的基础知识，还深入探讨了机器学习领域的关键技术。本书首先从机器学习中的数学基础入手，包括数据的描述存储、线性变换和特征分解、概率的基本思想、概率论和统计方法在机器学习中的应用等。其次，根据机器学习的基本概念、各种分类和路径等，较全面地给出机器学习的俯瞰图。最后，本书将视角投放到当前人工智能最火爆的深度学习领域，从神经元模型到神经网络，再到目前人人关注的大语言模型。本书通过丰富的实例和实际数据集，帮助读者深入理解

　　本书是一本体系完整、算法和案例丰富的人工智能类教材。本书系统地讲解深度学习的理论与方法，主要内容包括绪论、深度学习基础、卷积神经网络、循环神经网络、深度序列模型、深度生成网络、图神经网络、注意力机制、深度强化学习、深度迁移学习、无监督深度学习。本书通过丰富的实例讲解方法的应用；强调深度学习的系统性、方法的时效性，同时针对深度学习快速发展的特点，讲解深度学习的最新技术，本书配备了实例的数字化资源，供学习者下载。
　　本书既可以作为国内各高等学校、科研院所本科生、研究生的教材，也可以供国内

机器学习的主要目的是从有限的数据中学习到知识。而知识的基本单元是概念。借助于概念，人类可以在繁复的思想与多彩的世界之间建立起映射，指认各种对象，发现各种规律，表达各种想法，交流各种观念。一旦缺失相应的概念，人们将无法思考、交流，甚至于无法顺利地生活、学习、工作、医疗、娱乐等。哲学家如卡西尔等甚至认为人类的本质特性是能够使用和创造各种符号概念。因此，如何使机器能够像人一样能够自动发现、运用概念，正是机器学习当前的重要研究内容。本书将集中讨论这个问题。本书借助学于认知科学的研究成果，提出了类的

"本书从数据表示学习角度介绍机器学习及其应用。全书共7章，分别介绍数据表示学习与数学基础、传统降维方法、分布式表示学习和聚类算法、稀疏表示学习、神经网络中的特征提取、生成式表示学习和对比式表示学习。本书涉及的数据表示学习算法的具体应用领域包括计算机视觉、自然语言处理以及图网络分析等。

本书主要面向广大从事人工智能、机器学习或深度学习、数据挖掘、模式识别等领域的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员。
"

《机器学习原理及应用》从机器学习原理和应用出发，结合案例介绍了机器学习的基础技术和典型模型算法，包括机器学习的基础、特征选择与降维、典型学习算法、深度学习与神经网络、集成学习与迁移学习、强化学习、计算机视觉与语音识别等技术；详细介绍了机器学习典型模型算法及神经网络学习、计算机视觉和语音识别技术应用，并以实例介绍了应用场景需求、特征表示、深度神经网络设计、预训练模型及预测应用的开发方法和开发过程。
每个案例配有源码，每章配有习题，帮助读者进行深入学习。
《机器学习原理及应