" 全面介绍了人工智能生成内容（AIGC）的基本概念、关键技术、应用场景和未来趋势。本书不仅涵盖了AIGC的核心理论，还提供了丰富的实践案例和代码示例，帮助读者深入理解并掌握AIGC技术的实际应用。无论是初学者还是有一定基础的从业者，都能从中受益，提升在AIGC领域的技能和知识。项目一 生成式人工智能入门
任务一 认识生成式人工智能
任务二 认识AIGC核心技术
任务三 认识AIGC工具与平台
任务四 认识AIGC提示词
扩展实践1 AI书写短篇

本书为人工智能通识教学的配套教材，共包括生成式AI初探、AI提示词、AI赋能英语学习、AI助力文档生成、AI助力数据处理、AI赋能演示稿制作、AI赋能媒体制作、AI助力编程实战、AI智能体开发9个项目，全面、翔实地介绍了生成式AI的特点和发展历程、AI伦理与挑战、AI的本地部署、提示词设计技巧、AI赋能英语学习的路径、AI助力文档写作和排版的技巧、AI助力数据计算分析与可视化展示、AI赋能PPT和数字人制作、AI赋能图片和视频制作、AI助力程序开发、AI工作流和智能体开发等知识技能点。本书以“项

本书全面涵盖人工智能基础、伦理与法律问题及应用，以 DeepSeek 为主线融合多领域实战案例。从 AI 基础理论出发，深入浅出地讲解生成式人工智能核心技术，通过丰富案例展示其在文字、代码、图像、视频、办公等领域的广泛应用。本书注重实践操作，详细指导如何利用先进工具如DeepSeek、豆包、即梦、Kimi、WPS AI 等高效地实现内容创作与办公自动化，帮助读者快速掌握AI关键技能并赋能学习工作。无论您是相关专业学生还是技术爱好者，都能从中获取知识与灵感。本书将为您开启人工智能探索之旅，提升在数

本书以“基础认知一伦理思辨一技术应用一场景融通”四阶架构为核心，精心设置4个模块，共计 14个项目，帮助读者系统掌握人工智能知识与技能。从模块一追溯人工智能发展脉络、构建伦理框架，到模块二深入剖析生成对抗网络、循环神经网络、卷积神经网络等核心技术，再到模块三开展生成式 AI多元场景实战，直至模块四动手搭建智能体，实现从知识理解到创新应用的跨越，让学习层层深入、环环相扣。本书紧密贴合人工智能行业发展趋势，融入新技术、新业态、新模式，提炼真实岗位项目，分解典型工作任务，实现理论与实践深度融合。同时，

本书面向高等职业院校的在校学生，是学生了解和学习人工智能相关知识的基础。本书立足于人工智能时代的前沿，注重培养读者的人工智能思维方式，拓宽知识视野，而非局限于某些技术细节的深度讲解。本书从基础知识开始，内容讲解由浅入深、循序渐进，可帮助读者厘清人工智能的核心技术和发展趋势。本书包含9 个项目，系统、全面地介绍了人工智能的基本概念，机器学习、深度学习、计算机视觉、自然语言处理等技术，AIGC 的概念与工具，AIGC 应用于文本创作，AIGC 应用于图像创作，AIGC 应用音频创作，AIGC 应用于

本书共8章。从人工智能发展简史和基础概念切入，循序渐进地讲解Python编程与数据分析基础、语音处理及其应用、机器学习基础、神经网络与深度学习、自然语言处理基础、计算机视觉等核心内容，并阐述了人工智能伦理及其对社会的影响，探讨算法偏见与公平性和数据隐私保护等前沿议题。本书设有实践操作环节，并为关键知识点配备了微课视频，帮助读者理解复杂知识。

本书既可作为高等学校人工智能通识教育课程的教材，也可作为社会人士了解人工智能技术的入门读物。

本书全面介绍人工智能的基本原理，以及相关研究领域的核心内容、最新进展与发展方向。本书深入讲解人工智能的核心技术，并以5个经典学习案例贯穿全书，涵盖计算机视觉和自然语言处理两大重要应用领域。

全书共6章，主要内容包括人工智能、机器学习、深度学习、计算机视觉、自然语言处理、智能机器人。本书特别强调实践性，每个案例都结合实际应用，有助于读者掌握经典神经网络结构并进入人工智能领域从事相关工作。

本书可作为高等院校计算机类、软件工程、人工智能等相关专业的人工智能课程的教材

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