本书聚焦于生成式人工智能这一新兴的生产力工具，致力于帮助读者提升生成式人工智能素养。书中围绕日常学习与工作中高频出现的需求，挑选了国内外数十款通用型及垂直领域的生成式人工智能工具。通过对这些工具在一系列关键场景中的应用进行梳理，剖析其与传统工具的差异，并详细解读其功能与使用方法，也对其局限性与使用风险进行了分析。本书减少理论内容，注重实用性与可操作性，适合应用型大学、职业院校教学及愿尝试新技术以提高学习工作效率的读者使用。

本书为综合性人工智能通识教育教材，集理论、技能、应用于一体，助力学习者系统掌握人工智能基础理论、技术原理及实际应用，聚焦培育“AI+专业”复合型人才。本书涵盖基础理论知识，并引入最新的复杂Agent构建及MCPServer等前沿内容。本书特色是配套数字化教学实训体系，支持读者随时随地进行线上学习与实训。全书共分为理论篇、技能篇和应用篇三个部分。理论篇（第1—第5章）聚焦人工智能基本理论、技术原理、主要流派及典型应用，助力读者构建人工智能知识体系。技能篇（第6—第10章）深入生成式人工智

本书是一本全面而深入的人工智能入门指南，共分为三部分内容。第一部分“人工智能基础原理”（第1-5章）奠定理论基础，系统介绍人工智能的定义、历史、流派、现状与未来，并深入讲解机器学习、深度学习、强化学习及知识表示与知识库等核心基础概念与方法。第二部分“人工智能核心技术”（第6-11章）聚焦于当前AI的关键技术分支与应用领域，详细阐述计算机视觉、自然语言处理、语音识别、多模态人工智能、AIGC技术及智能机器人等的技术原理与发展。第三部分“人工智能应用实践”（第12-15章）侧重于前沿应用技

本书构建了“技术—人文”双维知识体系，以“智能的本质与未来”为主线，系统阐释从基础理论到前沿应用的完整知识图谱。内容突破传统范式，打造“去公式化算法解析+零（低）代码实践”双轨教学模式：一方面通过符号主义、连接主义与行为主义的哲学对话，以直观案例替代数学推导；另一方面依托可视化实验设计，让学习者无需编程即可体验人工智能领域的经典核心算法。    本书遵循“理论—认知—实践”架构组织章节内容，主要包括计算思维、人工智能、机器学习、深度神经网络、人工智能应用技术、人工智能行业应用和大模型，

本书以培养学生的系统思维、计算思维和自主学习能力为目标，使学生对人工智能相关知识、方法和技术形成系统认知，未来能够与人工智能专业人士良好合作，利用人工智能技术解决各专业领域中的问题。本书共分4篇12章，具体如下：第1篇 人工智能概述。该篇主要建立人工智能的基本认知，并从系统视角来审视人工智能系统的构建与实现。第2篇 人工智能基础理论。该篇主要介绍人工智能的基础理论，包括机器学习、深度学习、大模型等相关基础理论。这些基础理论是人工智能的基石，需要对其有所了解，并能够从应用的视角理解各种基

本书为新一代人工智能通识课程系列教材之一，也是一本新形态一体化教材。本书以人工智能时代的人才培养需求为背景，构建了“基础—应用—拓展” 的内容体系。从人工智能发展史、关键技术、前沿领域经典应用、人工智能素养与职业规划等基础认知出发，介绍人工智能在学习辅助、文档写作、视听创作等场景的应用，同时涵盖人工智能辅助编程、生成式模型部署等技术实践。本书配有微课视频、电子教案、教学课件、习题参考答案等丰富的数字化学习资源。与本书配套的数字课程“人工智能基础与应用”在“智慧职教”平台（www.icv

本书是专为新文科人才量身打造的人工智能入门教材，以“理论筑基、实践赋能、伦理护航”为核心，构建适配文科思维的AI知识体系。全书分为理论篇与实践篇，系统覆盖人工智能的基础原理、技术应用与人文思考。理论篇从人工智能的本质特征与发展脉络切入，解析数据、算法、算力三要素的底层逻辑，聚焦机器学习、深度学习、大模型等核心技术，并结合金融、商务、政务、教育等文科密切相关领域的应用场景，展现AI作为“效率工具”与“创新引擎”的实践价值。同时，专门设置AI伦理章节，通过数据隐私、知识产权、责任界定等典型

本书主要阐述人工智能的基本原理、方法和应用技术。全书共14章，除第1章讨论人工智能基本概念、第14章讨论人工智能的争论与展望外，其余12章主要按照"基本智能 计算智能 典型应用三个模块编著：第1模块为人工智能经典的理论与方法，分别为知识表示、搜索策略、知识推理和机器学习，主要包括第2章的知识表示、第3章的自动推理、第4章的搜索策略、第5章的不确定性推理以及第6章的机器学习；第2模块为计算智能，包括第7章的神经计算、第8章的进化计算、第9的模糊计算以及第10章的群智能；第3模块为人工智能的典型应用

"本书从物联网的基本概念、关键技术等基础知识入手，通过两个典型案例，讲述了物联网系统从架构、需求、设计到实现的全部开发过程。 本书理论与实践相结合，侧重讲述物联网系统各个阶段的开发技术，是编者多年从事物联网一线教学的经验积累与总结。 本书可作为高等院校本科专业物联网技术导论物联网系统开发物联网系统设计物联网工程实训项目开发等课程的教材，也可作为工程技术人员开发物联网相关项目的参考用书。 "

本书聚焦深度学习在计算机视觉领域的理论及应用，简要介绍相关基础知识之后，梳理并剖析经典CNN架构，如AlexNet、ZFNet、VGGNet、Inception、ResNet，改进的ResNeXt、Xception等，改进模块SENet、SKNet，以及适宜于移动端部署的轻量级CNN模型SqueezeNet、MobileNet、ShuffleNet等。本书内容由浅入深、循序渐进，且保持了各章节内容的独立性。读者既可以单独学习每一部分的知识，也可以“按图索骥”找到相应的知识点。本书既可以作为教材使