"本书主要介绍Python的基础知识、程序设计方法和人工智能的基本概念，从Python的基础知识到程序设计方法、网络爬虫、数据处理、文本情感分析与可视化，再到人工智能的基本概念与实践，由浅入深，由部分到整体，由面向过程到面向对象，对读者来说易学易用。本书通过案例教学，用Python编程解决生活中常见的问题，包括求一个三位数各数字之和、包裹邮寄费用计算、设计简易计算器、模拟评委评分、人机猜拳游戏等基础实验案例和两个综合项目： 数字化学生信息管理系统和弹幕情感分析与可视化。除此之外，本书的内容紧跟新

本书聚焦人工智能与教育技术的融合应用，系统呈现理论、工具与实践的完整体系。全书共分6章。第1章介绍教育技术基本概念、理论基础及发展历程。第2章解析计算机与人工智能基础，涵盖硬件系统、网络技术、智能芯片及前沿应用，揭示技术底层逻辑。第3章结合教育场景，配套案例详解WPS办公软件实操技能。第4章围绕信息化教学资源获取与工具应用，强调资源整合与创新设计。第5章聚焦教学设计与实施，融入BOPPPS模型与AI技术应用策略。第6章以微课制作为主题，结合具体学科案例展示技术落地路径。本书以跨学科融合为核

本书聚焦人工智能的核心概念与发展脉络，构建完整的知识地图。本书共包含8章，第1~3章系统阐述人工智能的定义、分类和研究范式，详解机器学习、深度学习等关键技术原理；第4章重点介绍了人工智能技术中数据的处理和应用；第5~7章则介绍了计算机视觉、自然语言处理、智能机器人等前沿应用；第8章重点探讨了人工智能伦理并展望了人工智能技术未来的发展趋势。 本书配套资源丰富，包括国家级一流课程“人工智能基础”（课程负责人：张广渊，课程平台：智慧树）、PPT、习题等，读者可通过作者邮箱（xdzhanggy@163.

本书是人工智能通识课教材，旨在帮助学生全面了解人工智能技术的基本概念、发展历程，掌握生成式人工智能技术的概念及其在文本生成、图像生成、音视频生成、代码生成、低代码开发等多个领域的应用。 本书内容深入浅出，共包括8个项目：人工智能概述、人工智能发展要素、AI文本生成、AI图像生成、AI视频生成、AI低代码开发、AI趣味应用开发、AI综合案例。 本书配有微课视频、电子课件、授课计划、教学大纲和习题答案等丰富的数字化教学资源，与本书配套的数字课程“人工智能概论”在“智慧职教”平台（www.icve.c

本书本着“重思维、强实践、应用驱动”原则，包含人工智能软硬件基础、人工智能数据和编程基础、人工智能应用实践和人工智能的伦理与法律四个模块，构建一个以学生为中心、理论与实践相结合、激发兴趣与培养能力并重的人工智能通识课程，为培养面向未来的创新型人才奠定坚实基础。通过深入浅出的讲解，读者将对人工智能的核心思想、硬件平台和软件基础形成清晰的认识；同时，书中详细探讨了多模态数据在计算机中的表示与处理方法，系统地介绍了机器学习的基本概念与分类。读者通过对机器学习实践、机器视觉实践、自然语言处理实践，深刻理

"内容：
该教材从智能计算简介、神经计算、模糊计算、进化计算、群智能计算、密母计算、免疫计算、量子计算、多目标智能计算以及新型智能计算这10大板块介绍智能计算。
模块1 智能计算简介：介绍人工智能的概念与历史、引出智能计算的人工智能的关系，介绍智能计算的分类，介绍智能计算相关应用领域。
模块2 神经计算：介绍生物神经系统的相关知识，介绍人工神经网络的基本原理，介绍神经网络学习算法，介绍人工神经网络的分类，之后从前层神经网络过渡到深度神经网络，介绍几种典型的深度神经网络，并介绍深

"本书全面且深入浅出地介绍了机器学习技术，不仅涵盖机器学习算法原理及其实现和运行，还包括Python编程基础和深度学习入门知识，有助于初学者快速掌握算法的实际应用。本书每一节都提供了相应的Python代码实例，通过文字、公式、图像、代码和运行结果的结合，读者可以深入理解算法的实现过程。
全书分为3部分: 第一部分（第1～3章）提供必备的预备知识，包括机器学习概述、Python和NumPy基础；第二部分（第4～11章）详细介绍各种机器学习算法，涉及回归、分类、聚类等任务；第三部分（第12、1

"本书是一本全面深入的深度学习实践指导书，旨在为读者提供从基础概念到高级应用的系统性知识。

本书第1章从基础开始，介绍了PyTorch工具，涵盖了数据的加载与预处理，以及基础网络构建和训练流程。 第2章深入图像分类，探讨了CNN架构、数据增强技术，以及模型优化和部署策略。 第3章转向创造性图像应用，包括风格迁移、Deep Dream、GAN和超分辨率技术，并讨论了CycleGAN的应用。 第4章专注于视觉系统，讲解了目标检测、语义分割以及相关网络结构。 第5章和第6章分别探讨了循环

"随着人工智能和数字技术的飞速发展，深度学习已成为现代技术革新的核心驱动力之一。从语音识别到自动驾驶，深度学习的应用正在不断改变人们的生活方式。然而，深度学习技术的复杂性和广泛性，使得初学者和实践者在理解与应用这些技术时面临诸多挑战。因此，本书对深度学习的基本理论、核心技术及实际应用进行了系统梳理，旨在帮助读者全面掌握这一领域的核心知识。
本书融合理论、技术与实践，旨在为深度学习爱好者、高等学校计算机科学与技术、人工智能、智能科学与技术等相关专业本科生、研究生以及工业界的专业人士提供一条系

机器学习是人工智能领域的重要组成部分，其深度和广度都在持续扩展。本书不仅对机器学习基础知识进行了全面介绍，而且深入讨论了各种经典和常用的机器学习方法。通过理论与实践相结合的方式，帮助读者理解机器学习的基本原理，掌握常用的方法，并能够在实际问题中应用这些技术。本书共10章，可分为两部分。第一部分主要介绍机器学习的背景知识，包括其定义、应用领域、发展历程等。这部分旨在为读者提供一个全面的视角，从而了解机器学习的概貌。第二部分则侧重于技术的讨论，包括各种经典和常用的机器学习方法的具体实现和应