本书系统地探讨了线性代数在人工智能领域中的广泛应用，从理论基础到实战技术，内容全面且深入。全书共12章，涵盖线性代数基础、矩阵运算与线性方程组、特征值与特征向量、奇异值分解、向量空间与正交化等基础知识，并延伸至强化学习、自然语言处理、计算机视觉和推荐系统等前沿应用场景。通过理论讲解、模型分析和代码实践，深入剖析线性代数在算法建模、性能优化和结果解释中的关键作用。本书配有丰富的案例分析、课后练习及可视化实例，适合人工智能从业者、研究人员及相关领域学生学习和参考，为迈向更高水平的人工智能研究与开发奠

本书系统讲解人工智能大模型（如BERT、GPT、Stable Diffusion等）所需的数学基础，涵盖线性代数、微积分、概率与统计三大核心领域，并结合实际案例与Python代码，解析数学原理在模型架构、训练与优化中的关键作用。全书遵循理论推导与实战应用相结合的原则，帮助读者从底层理解大模型技术，提升算法设计与调优能力。 本书共8章，第1章概述人工智能大模型的定义与发展历程；第2章和第3章聚焦线性代数基础及其在大模型中的应用；第4章和第5章详解微积分基础及其在大模型优化中的实践；第6章和第7章阐

本书以“理论+实操+场景”为核心逻辑，系统覆盖AI智能体的创建与应用全流程。全书从基础认知出发，先解析AI智能体的定义、特性及主流平台，再循序渐进引导读者完成从快速搭建、核心优化到功能扩展的实操训练，涵盖知识库搭建、提示词设计、工作流与插件应用等关键技能。后续章节聚焦开发、调试、发布、运营变现全链路，提供可直接落地的技术方法与商业路径。

全书共8章，内容涵盖人工智能基础理论、主流工具平台实战、跨领域融合应用及安全伦理四大模块，突出”轻理论、重实践、强融合”的特色。基础认知(第1章)：从人工智能的定义、发展简史与分类切入，结合机器学习基础框架与社会伦理初探，帮助学生构建AI技术与社会关系的全局视角。实战应用(第2-7章)：以”大模型工具链”为核心，覆盖计算机视觉、自然语言处理、AI+办公/文创/编程等高频场景，通过工具实操引导学生快速体验AI开发全流程，同步融入版权、隐私等伦理议题讨论。安全伦理深化(第8章)：总结AI技

本书介绍了AIGC技术的基础知识与应用案例，具体内容分为两条主线进行阐述。第一条线是工具线：对AI、AIGC的概念、技术和关系等基础知识进行了讲解，并对通义、文心一言、讯飞星火、Kimi、智谱清言、天工、秘塔AI搜索、文心一格、即梦、可灵、剪映、海绵音乐、BGM猫和豆包这14个AI热门工具进行了介绍，帮助读者全面掌握AIGC创作工具的使用方法。第二条线是案例线：通过介绍AIGC在学习、教育、办公、编程、营销、管理、绘图、摄影、短视频、音乐、文学、新媒体、电商、生活、娱乐和其他领域的应用

本书涵盖八大核心模块：从AI与大模型的基础概念切入，逐步延伸至AI与信息处理(AI搜索、智能阅读、AI翻译等)、文本创作(如新媒体文案、社团招新文案、求职简历、实习报告、商业计划书等)、智能办公、多媒体创作(如AI绘图、AI视频、AI音频等)等场景的落地应用，同时深入讲解AI智能体创建与辅助编程等进阶技能，并结合职业发展需求，提供AI在创业、竞赛、就业、求职中的实用策略，最终聚焦AI伦理治理、前沿趋势与人机协同模式，结合工具介绍与案例拆解，助力广大学生实现懂AI、善用AI。

北京航空航天大学人工智能通识课程教学团队精准对标人工智能通识教育需求，采用“理论+实验”融合模式，倾力打造人工智能通识课程教材体系，教材分为理论篇和实验篇，形成“知识构建—实操落地”的完整学习闭环。本书是理论篇，包括8章：第一章概述人工智能基本概念与发展历程；第二至四章夯实理论基础，涵盖脑神经科学与认知基础、机器学习与深度学习核心原理与算法；第五至七章围绕“感知—认知—决策”展开，系统介绍计算机视觉、大语言模型及强化学习与机器人技术；第八章聚焦人工智能衍生与内生风险及防范技术。本书结构

本书共9章，内容包括人工智能概述、人工智能语言Python基础、人工智能信息素养基础、机器学习与深度学习、计算机视觉技术及应用、自然语言处理技术及应用、人工智能大模型应用、人工智能安全与伦理和人工智能场景与行业应用。

人工智能已成为当代大学生不可或缺的知识领域。本书作为该领域的通识教材，力求系统而全面地介绍人工智能的基础知识与核心思想。全书共分为8章：第1-3章从计算的视角介绍人工智能的基础知识；第4章聚焦人工智能的基础技术，内容涵盖知识表示与知识图谱、搜索与推理、模式识别与数据挖掘、传统机器学习、神经网络与深度学习、新型机器学习；第5章阐述典型的人工智能领域技术，依次介绍专家系统、自然语言处理、计算机视觉、计算机听觉、多模态技术；第6章作为进阶内容，介绍人工智能的前沿技术，包括生成式人工智能、大模

本书系统阐述了人工智能的核心基础理论与前沿技术，构建了从基础到应用的完整知识体系。全书共10章，内容涵盖人工智能发展历程、知识表示与推理、智能搜索算法、机器学习基础、神经网络原理等经典理论，并深入讲解卷积神经网络、循环神经网络、图神经网络等深度学习核心技术。同时专设大语言模型基础章节，详细解析Transformer架构、提示工程、模型微调等热点技术，梳理了GPT系列模型的演进历程。书中还通过百度飞桨平台下的工业缺陷检测案例和能源行业案例，完整呈现AI技术的实际应用全流程。 本书既适合作为高等院校