本书从基本的人工智能理论出发，使用Python语言编程，基于Tensor-Flow和Keras深度学习框架，以理论讲解为基础，以项目实战为导向，系统地讲述了人工智能、深度学习和计算机视觉中相关的基本概念、理论方法和经典算法。既有对基础知识和理论模型的介绍，也有对计算机视觉相关领域实际案例的实现方法和技术技巧的详细阐述。

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的最新进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、不确定性推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~

本书主要介绍主流的人工智能理论、算法以及Python实现方法，目的是使学生学会人工智能理论及推导过程，并且掌握调用Python人工智能库和自定义编码的方法。全书共分10章，分别为人工智能与Python概述、Python基础、线性回归及其Python实现、逻辑斯蒂分类及其Python实现、最大熵模型及其Python实现、

本书遵循理念与方法、经典与前沿、技术与应用相融合渗透的原则，在理念、结构、内容和资源上都极具特色和创新。按照人工智能新知识体系，本书内容分为五大部分13章。将传统或经典人工智能理论、方法与技术以及新一代人工智能技术和方法相结合，形成基础概念（1-3章）+基础技术（4-5章）+重点研究内容与方向（机器智能）（6-12章）

机器学习是计算机人工智能的重要研究领域和应用方向，本书是学习和实践机器学习的入门教材，基于Python语言，介绍如何使用机器学习的相关算法对数据进行分析。本书在内容上涵盖机器学习相关基础知识，在组织编排上循序渐进。全书共11章，分为3个部分：第一部分（第1～3章）为机器学习基础知识，包括数值计算基础、数据分析、数据可视

深度学习是计算机科学的一个重要分支，是一种以人工神经网络为架构，对数据进行表征学习的算法的总称。深度学习是传统机器学习算法的发展和衍生，相关内容涉及代数、统计学、优化理论、矩阵计算等多个领域。《深度学习理论与实践》是深度学习的基础入门级教材，在内容上尽可能覆盖深度学习算法相关基础知识。全书共11章，大致可分为三大部分：

本书以情感识别模型作为研究对象提高模型识别率作为研究目标，开展基于加权融合策略的情感识别建模方法研究。考虑人体情感信息类型和情感特征的多样性根据模型对正确率和运算量的要求，针对建模过程中的特征级融合、模型级融合、决策级融合以及权重确定方法等关键技术进行深入的研究。

物联网工程是计算机、控制、通信等学科交叉的跨学科专业。本书主要从物联网中所需要的控制技术、计算机控制的基础知识、过程控制的理论技术和方法以及基于各种实际控制系统应用背景的工程分析与设计等方面，带领读者深入浅出地体会物联网控制技术的过程。本书语言简明，注重应用，理论与实际相结合，遵循“理论-扩展-应用”的过程，章节中对应

本书旨在探讨AI提示工程(通常简称提示工程或Prompt工程)在各领域的应用。大语言模型是人工智能领域的重要成果，在自然语言处理和生成任务中发挥着重要的作用。读者通过深入了解和应用提示工程，能充分挖掘和利用大语言模型的潜力，提升效率、促进创新，并解决实际问题。本书涵盖人工智能发展历程，提示工程的概念和设计原则、策略和技

为完成高等教育培养杰出人才的目标，北京大学、清华大学和北京通用人工智能研究院共同编写了这本《通用人工智能人才培养体系》，构建了世界上第一个聚焦通用人工智能的人才培养体系和“通识、通智、通用”的“通才”培养框架，旨在培养具备人文素养和家国情怀，拥有独立思辨和跨学科思维，掌握人工智能核心理论和技术，勇于实践开拓科研格局的国