本书全面覆盖信息技术的基础知识、核心技术、应用领域及未来发展趋势，特别聚焦于信创产业和人工智能两个前沿领域。本书主要内容包括但不限于现代通信技术、云计算、大数据、物联网、虚拟现实、区块链、数字媒体等关键技术，以及这些技术在教育、医疗、金融、智能制造等行业的应用案例。本书旨在培养读者在信息技术领域的综合能力，为未来的职业发展奠定坚实基础。

本书主要讲述了智能交互设计的理论知识、设计方法与工具，并精选了大量实际案例，包括：面向健康的智能交互设计、面向弱势群体的智能交互设计、多模态交互设计，以及智能交互式展示设计、智能家居设计等案例，多层次多梯度的案例为学习者提供全面的参考与启发。 本书不仅是一本通识教材，更是一把开启智能时代设计大门的“红宝书”，引导学习者利用AI工具探索设计的无限可能，探索智能交互的定义与奥秘，并深入剖析大语言模型等AI技术如何介入设计流程，帮助学习者构建清晰的知识框架。 本书可作为高等院校交互设计、用户体验设计、

在数字技术飞速发展的当下，人工智能与区块链作为驱动社会变革的核心力量备受瞩目。本书聚焦这两大前沿技术的融合，为读者呈现其理论、应用与发展趋势。 本书以“融合创新”为主线，搭建全面的知识体系。本书共分 5 部分 11 章，其中理论基础部分从历史演进出发，借助数学工具，深入讲解相关核心概念等，奠定学习根基；核心技术部分从共识与验证算法出发，阐述关键技术，剖析技术融合路径；高级主题部分关注前沿领域，探讨安全与隐私及性能优化技术；研究前沿部分前瞻新兴技术影响，指明研究方向；应用设计部分结合真实项目案例，

本书详细阐述了具有人工智能素养的综合型人才必须掌握的相关知识。作为通识课程教材，本书在确定知识布局时，紧紧围绕通识教育核心理念，努力培养学生的人工智能素养。本书系统介绍人工智能理论知识，并给出可操作性强的实验，既具有理论深度，又具有实践高度。全书内容分为5篇，分别是人工智能基础知识（第1篇）、人工智能基础技术（第2篇）、人工智能前沿技术（第3篇）、人工智能伦理（第4篇）和人工智能实验（第5篇）。其中，第1篇对人工智能进行概要性介绍，第2篇介绍人工智能编程语言基础、机器学习、自然语言处理、计算机视

本书分为8章。第1章为绪论，概述AI、AIGC和Python的基本概念与发展历史；第2～3章分别讲解Python语言基础、AI模型训练与优化，为后续项目实践打下基础；第4～８章围绕真实应用场景展开项目式教学，包括基于机器学习的DDoS攻击检测、AIGC内容审核与过滤、基于AI的金融环境信贷业务风控识别、基于AI的加密恶意流量检测、基于PyTorch的花卉识别模型应用。每章均配有课后习题，帮助读者巩固知识、提升实操能力。

本书系统阐述了人工智能三大流派（符号主义、行为主义、联结主义）的核心理论与技术，并融合大数据技术体系，构建完整知识框架。全书分为五部分：导论，综述了人工智能本质特征、发展脉络及社会价值；符号主义篇探讨知识表示与推理，涵盖逻辑系统、专家系统及不确定性处理；行为主义篇重点介绍搜索策略与群体智能算法；联结主义篇介绍数据科学的基础理论，并深度解析机器学习与深度学习技术体系；大数据篇则将内容延伸到大数据的相关技术以及其安全治理。本书内容既系统阐述经典理论，又结合前沿案例解析技术应用；通过算法分析与行业场景

本书提供了全面、系统的深度学习知识，从基础理论到前沿应用，覆盖了深度学习的各个重要领域。本书首先从深度学习基础出发，帮助初学者对深度学习基础技术有初步的理解和认识。随后，本书转向计算机视觉和自然语言处理两大基础领域，揭示了深度学习如何赋能图像和语言的理解，还介绍了生成式模型与大模型这一当下研究热点，引领读者探索了当前深度学习的前沿领域，感受技术创新的魅力。此外，本书还介绍了深度强化学习的相关知识，帮助读者掌握从强化学习的基本原理到复杂深度强化学习算法的全面理解和实际操作能力。最后，本书特别关注了

本书全面系统地介绍机器学习的经典方法、前沿技术和应用实践。全书分为基础篇、进阶篇和实践篇，共10章，主要内容包括绪论、学习模式、判别式模型、生成式模型、高级机器学习概述、特征表示学习、新兴学习机制概述、主流机器学习编程框架、人脸识别、灾害性天气预报。 本书坚持理论联系实际，兼顾经典与前沿，为读者由浅入深地构建机器学习的知识体系。其中，理论部分均给出严谨的数学推导，实践部分则注重阐述实施路径和实现代码，以让读者更好地掌握机器学习的理论与应用技术。 本书可作为高等院校人工智能、计算机科学与技术、大数

人工智能生成内容（Artificial Intelligence Generated Content，AIGC）技术正以惊人的速度改变着众多行业，本书聚焦AIGC 技术的实际应用，以DeepSeek 为主，以其他AIGC 工具为辅，旨在带领读者开始精彩的AIGC 应用之旅。 本书涵盖AIGC 的概念、DeepSeek 的使用技巧、多模态内容生成与处理、AIGC 拓展应用及AIGC 应用实战案例分析等核心内容。每个项目以“任务驱动”为导向，设置知识目标、素养目标、项目实训等特色模块，并结合具体场景

本书作为神经网络与深度学习领域的入门级教材，系统地梳理了神经网络和深度学习的知识体系，阐述了神经网络和深度学习的基础知识，对主要模型进行了重点介绍，并通过案例进行详细说明，以使读者能在学习基础理论知识的同时，掌握神经网络和深度学习模型的开发方法，且具备使用人工神经网络和深度学习模型解决实际问题的能力。 全书共9章。内容包括绪论、机器学习、人工神经网络、多层感知机、卷积神经网络、深度卷积神经网络、循环神经网络、深度生成模型、注意力机制与Transformer。 本书可作为高校人工智能、计算机、大数