全书匠心独运地设计了 8 个项目，充分遵循读者知识积累和能力提升的规律，由浅入深、循序渐进地展开内容，妥善兼顾了读者对新旧知识和技能的衔接需求。通过项目导读、项目重难点、问题导学、任务情境、任务分析、任务目标、任务实施、任务小结、实践创新、项目测试等多个特色板块，引导读者系统学习生成式 AI 的发展与局限、提示词构建和应用技巧、助力研究与写作、数据分析、设计应用、电商应用、DeepSeek本地部署、工作原理与编程应用等知识与技能，有助于读者将所学知识融会贯通，实现举一反三，培养创新意识，提升实践

《物联网智能设备制作》包括物联网智能设备介绍、物联网智能设备制作基础、智能设备通信技术、智能设备PCB 电路板设计、物联网节点-智能光敏继电器制作、物联网节点-智能远距离无线电（Long Range Radio，LoRa）测距设备制作、物联网网关-智能微型气象站制作、物联网网关-STM32 智能开关制作、鸿蒙智能网关制作、智能物联网设备上位机软件设计10章内容。本书是作者多年国内外物联网应用领域科研、教学及生产实践成果的总结。目前，市面上还没有有关物联网智能设备制作的教科书，本书填补了这个

本书的内容包括初识人工智能、机器学习、深度神经网络、知识图谱及应用、智能语言技术及应用、自然语言处理及应用、计算机视觉技术及应用、智能机器人、大数据与商业智能、人工智能之Python基础、人工智能展望等。书中介绍了人工智能的相关知识，并通过案例实现、应用场景、课后习题等内容加深学生对知识点的理解，真正做到理论与实践相结合。

"《人工智能概论——基础理论、编程语言及应用技术（第2版·微课视频版）》从应用出发，系统介绍人工智能的基本理论、方法和技术，以及传统行业AI化改造的解决方案。全书共8章，内容涵盖人工智能概述、Python语言基础、机器学习、计算机视觉及应用、语音识别及应用、自然语言处理、知识图谱及应用和人工智能行业解决方案。 《人工智能概论——基础理论、编程语言及应用技术（第2版·微课视频版）》理论和实践相结合，每章使用思维导图梳理知识点，并配有案例及实现，内容重点突出、结构清晰；案例代码都是基于Python

深度学习目标检测识别技术是人工智能专业当前研究热点，在民用和国防领域都有着重大需求，也是一个巨大的技术难题，在资源受限平台下，目标感知不确定性大、效率低、功耗大。本书旨在通过对智能网络目标识别技术主要原理和方法的介绍，并且结合作者自己多年来智能感知方面的研究成果，对于其他书籍未涉及到的一些前沿研究进行了补充阐述。本书共八章，第一章和第二章介绍了智能目标的发展历史，简介了机器学习的基本概念，归纳了基于统计模式识别问题和基于深度学习目标识别，深入研究了主流深度学习算法的发展过程和技术细节，这部分作为

深度学习是人工智能中的核心问题之一，本书较系统地介绍了深度学习的基本内容，共15章，分别为概述、前馈神经网络、卷积神经网络、循环神经网络、深度残差神经网络、Transformer模型、生成对抗网络、深度信念网络、胶囊神经网络、自编码器、强化学习、脉冲神经网络、迁移学习、元学习和大语言模型。
本书注重基本概念、基本方法、基本模型和基本应用的介绍，并通过应用实例来说明深度学习模型与算法，语言精练，逻辑层次清晰，内容先进实用，可以作为大学深度学习课程的教材，也可以作为应用深度学习的科技

本书内容系统、全面，全书共11章，归结为3部分进行介绍。第1部分主要介绍Python程序设计基础，包括Python的内建数据结构(列表、元组、字典和集合)、Python语句、Python函数、Python面向对象程序设计和Python数据可视化等。第2部分主要介绍Python数据分析基础，包括NumPy工具、Python矩阵运算、Pandas库和Python办公自动化等。第3部分主要介绍Python机器学习算法，包括回归分析、逻辑回归、决策树与随机森林、朴素贝叶斯分类、支持向量机、主成分分

本书是一本教材。 当今大多数机器学习系统都是从人类的反馈中学习的。然而，大多数机器学习课程几乎只关注算法，而不是系统的人机交互部分。这可能会给从事真实世界机器学习的数据科学家留下很大的知识差距。本书是优化整个机器学习过程的实用指南，包括注释、主动学习、迁移学习技术，以及使用机器学习优化过程的每一步。作者讨论学术界在机器学习应用中对于数据构建的偏见带来的弊端，以及对于机器学习者在数据构建与使用方面的建议。

本书是机器学习的入门书，深入浅出地讲解机器学习的基础理论与应用，不仅注重给理论添加浅显易懂的解释和详述，而且探讨何种创新思维或科学思维可以产生或引导出某个理论，让学习者在学习理论过程中自然地培养创新思维与科学思维。本书知识点包括回归分析、k-近邻算法、决策树、贝叶斯分类器、支持向量机、模型性能评估、集成学习、降维方法、聚类、EM 算法与高斯混合模型、神经网络与深度学习等。本书每章都设计手工计算的应用例题，以演示理论解题和计算过程，帮助学习者理解和掌握理论。每章配有编程实践的实例，不仅示范解题的P

本书以智能数据分析技术及其应用路线为核心, 通过翔实的案例和习题,介绍数据存储设计与Acces数据库管理、数据存储中的表与关系、查询、数据分析语言一Python 数值数据智能分析技术、文本数据智能分析技术和人工智能数据分析方法。