本书系统介绍人工智能相关理论和应用，分为人工智能基础篇和人工智能应用篇两大部分，详细阐述主流算法理论、模型原理、技术框架及跨领域实践案例。人工智能基础篇从人工智能核心理论出发构建完整的知识体系。绪论涵盖机器学习的定义与类别，解析朴素贝叶斯模型、回归模型的原理，阐述人工神经网络、卷积神经网络（CNN）的定义与原理，探讨大

本书以“理论筑基—实战赋能—伦理护航”为核心逻辑，搭建从人工智能基础到产业应用的完整学习路径。全书共9章，内容依次为人工智能概述、人工智能的系统基础、人工智能的数据基础、人工智能的编程基础、人工智能的技术基础、人工智能的伦理与治理、大模型实践、WPSAI实践、科大讯飞案例分析。第1章概述人工智能的定义、发展脉络与应用边

本书共9章,包括绪论、知识表示、推理方法、搜索技术与问题求解、智能优化算法、机器学习、人工神经网络、感知智能与语言智能,以及人工智能与社会发展。本书不仅能帮助读者构建全面的知识体系,理解人工智能的核心技术,还能引导读者思考人工智能与社会的关系,培养读者对技术发展的批判性思维,为进一步探索人工智能的无限可能奠定坚实基础。

本书共分8个项目，包括Python基础、图像处理、数据处理、智能语音处理、智能体等内容。依托AI工具，进行学习和创新实践。将企业实际案例融入人工智能通识教学，让学生感知AI与未来职业的直接关联，增强学生的实践能力和行业认知。

本书围绕DeepSeek大模型，系统构建“技术铺垫-原理解读-应用实战”三维能力体系，全面覆盖大模型基础认知、关键核心技术、本地化部署方法，以及提示词设计、数据分析、文档分析、分类聚类等实操场景，同时延伸至即梦AI视觉大模型及大模型智能体的创建，形成完整的知识与实践闭环。全书内容逻辑连贯且各模块相对独立，兼顾系统性与灵

本书共13章，分为理论基础与实践应用两大部分。理论基础部分重点讲解经典机器学习方法，每种方法均配有基于Weka的实践步骤和基于Sklearn的代码实现。实践应用部分提供3个综合性案例，详细展示如何运用Weka和Sklearn解决实际问题。本书理论与实践并重，注重对算法原理的直观理解与实际应用；提供Weka和Sklear

本书系统介绍强化学习领域的理论基础、关键算法及其在实际场景中的广泛应用，以深入浅出的方式全面覆盖强化学习领域的核心知识体系与技术方法，包括强化学习的基本概念、经典算法、深度强化学习、奖励空间探索、模仿学习、基于模型的强化学习及该领域的最新研究进展。此外，本书还将对视觉强化学习、多任务强化学习、蒙特卡洛树搜索、通用智能体

全书共9章，基础算法篇(第1-4章)讲述线性方程组的直接解法、经典迭代解法和Krylov子空间法。应用算法篇(第5章和第6章)介绍特征值和最小二乘法问题算法，这些算法在人工智能中有着广泛应用。优化算法篇(第7-9章)介绍深度学习和人工智能中常用的优化算法，包括SGD、MBSGD、Adam、DFP、BFGS等；最后结合B

本书聚焦语言智能、文化计算、教育科技等核心场景，并选用跨境电商谈判人工智能辅助等本土化典型案例。伦理贯穿全书，通过讨论“AI与语言权力”相关话题，如机器翻译对文化多样性的影响等，构建读者批判性思维。此外，教材配备教学在线平台，设有动态更新机制，提供实时更新的AI工具库，如最新多模态翻译API，并搭建学生-企业协作项目。

本书内容循序渐进、脉络清晰，开篇先讲解多模态机器学习基础概念、行业发展脉络与多元化应用场景，帮助读者快速建立领域整体认知。全书主体分为理论与应用两大板块：理论板块聚焦多模态底层核心技术，详解文本、语音、图像、视频四类主流单模态数据的特征提取技术，同时深入剖析多模态表示学习、模态融合两大关键核心技术，夯实读者理论根基；应