本书系统介绍了人工智能的主流概念、理论、方法、技术及典型应用。全书共10章, 第1章介绍了人工智能的基本概念、发展历程、主要研究内容和新兴研究方向; 为便于读者测试与运行各类人工智能算法, 第2章介绍了人工智能相关的软硬件平台等基础知识; 第3-10章分别介绍了面向人工智能的优化算法, 以及机器学习、深度学习、强化学习、计算机视觉、自然语言处理、智能博弈、智能机器人等技术。

本书为零基础读者量身打造，采用"知识科普+工具拆解+场景实战”的方式，带领读者了解如何与DeepSeek对话、从0到1搭建自己的智能体，掌握人工智能（AI）工具DeepSeek、Manus和Coze的使用技巧。同时，详细解读DeepSeek与豆包、剪映、WPS等9款常用工具的组合使用方法。最后，解析AI技术对职业生态的重塑逻辑，为读者的个人发展提供方向性指导。本书适合希望借助AI优化日常生活的普通用户、寻求职业突破的职场人士，以及关注前沿技术应用的学生阅读。

《搞定DeepSeek，重新定义你的生产力！》专为想要高效掌握AI使用技巧的你而打造。本书以深入浅出的方式，全面讲解DeepSeek从入门到高阶应用的全流程，包括如何用提示词精准操控AI、提升职场办公效率、强化写作输出质量，以及让学习过程变得更加高效和愉悦。不论你是想利用AI实现职场进阶，还是提升个人写作和知识管理效率，本书都是你必不可少的实用指南。未来的世界，比的不是谁用AI用得更多，而是谁用AI用得更好。本书的读者正在通过阅读这本书，走在更好的那条路上。

本书是一本集理论性、实践性和前瞻性于一体，面向大学一年级学生的通识性教材。本书通过丰富的案例分析和讨论，旨在帮助学习者在有限时间内掌握人工智能的基础知识、核心技术和应用方法，鼓励学习者思考人工智能技术的未来发展趋势和潜在挑战，培养其创新思维能力和应用实践能力，并为未来的学习和研究奠定坚实的基础。本书是国家精品课程“计算机基础”的主教材，也是教育部大学计算机课程改革项目成果之一。全书共6章，系统地介绍了人工智能的基本概念、核心技术及其在主要领域的广泛应用，内容包括数字化概述、认识计算机、计算机网络

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

全书内容分为“涨知识”与“开眼界”两大板块。在前五章构成的“涨知识”板块中，系统地介绍了人工智能的概念、发展历程，以及知识推理和问题求解方法，并介绍了三种典型的人工智能技术，即机器学习、深度学习和强化学习，包括其基础理论、核心思想、关键技术等，帮助学生建立对人工智能的宏观认知和体系框架。在后五章组成的“开眼界”板块中，通过典型应用的介绍，展示了人工智能在视觉感知、具身智能、智慧医疗、智慧生活等方面的广阔应用前景，并在最后一章探讨了大模型、生成式人工智能、AIforScience等前沿技

"《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