本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的最新进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、不确定性推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11 章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读

本书从基本的人工智能理论出发，使用Python语言编程，基于Tensor-Flow和Keras深度学习框架，以理论讲解为基础，以项目实战为导向，系统地讲述了人工智能、深度学习和计算机视觉中相关的基本概念、理论方法和经典算法。既有对基础知识和理论模型的介绍，也有对计算机视觉相关领域实际案例的实现方法和技术技巧的详细阐述。

《人工智能及其应用（第7版）》全面系统介绍了人工智能的基本原理及其应用，涉及人工智能概述、基于知识的人工智能、基于数据的人工智能、人工智能的算法与编程、人工智能的计算能力、人工智能发展展望及人工智能的应用。第1章叙述人工智能的定义与发展，提出人工智能的核心要素、学科体系和系统分类。第2章～第4章介绍知识表示、知识搜索与推理、基于知识的机器学习。第5章～第7章介绍群体智能与进化计算、数据处理和人工神经网络、基于数据的机器学习。第8章～第9章介绍逻辑型人工智能编程语言、解释型语言和深度学习开源框架。

随着人工智能技术的高速发展和广泛应用，人工智能安全问题引发了人们的高度关注。本书介绍了人工智能安全的概念和范畴，并从理论技术、技术标准、产业生态、伦理、法律等不同的角度分析了人工智能所涉及的安全问题及其治理策略和解决方法。除概述外，本书介绍了采用可信计算技术解决人工智能安全问题的方法，以及无人系统安全、基于类脑计算的强人工智能及其安全、智能制造和智能城市中的人工智能应用安全、网络安全、人工智能安全可控的产业生态建设、人工智能安全标准与风险评估预警、人工智能法律伦理。总体来说，本书既概要

本书针对各专业学生的人工智能通识教育需求，系统、全面地介绍关于AIGC技术与应用的基本知识和技能，详细介绍人工智能基础、什么是LLM、熟悉AIGC、AIGC与智能体、提示工程与技巧、AIGC赋能工作、AIGC助力学习、AIGC拓展设计、AIGC丰富生活、AIGC成就艺术、AIGC伦理与限制、面向AGI等内容，具有较强的系统性、可读性和实用性。

本书的设计和编写理念是培养学生的人工智能素养和人工智能应用能力，内容的选取既适合高职学生和职业本科学生的特点，又突出人工智能的通识性、典型性、实用性和可操作性。书内容以人工智能的发展历程、典型技术、现状与未来趋势为主线，结合AIGC这一前沿技术的广泛应用，以及AI在办公领域的革新实践，实用角度剖析人工智能对现代社会的影响和变革潜力。全书共分三个大项目，内容包括AI进化论、AIGC应用、AI智能办公应用。本书旨在帮助学生洞悉人工智能发展的脉络，掌握最新AIGC技术的应用方法，并领略智能办

机器学习是计算机人工智能的重要研究领域和应用方向，本书是学习和实践机器学习的入门教材，基于Python语言，介绍如何使用机器学习的相关算法对数据进行分析。本书在内容上涵盖机器学习相关基础知识，在组织编排上循序渐进。全书共11章，分为3个部分：第一部分（第1～3章）为机器学习基础知识，包括数值计算基础、数据分析、数据可视化；第二部分（第4～9章）为机器学习算法，包括线性模型、朴素贝叶斯、支持向量机、决策树、聚类分析和集成学习；第三部分（第10～11章）为实践项目，包括房价预测和手写数字识别，每章有

本书涵盖多个领域的深度学习应用案例，旨在通过具体的案例阐述典型深度学习算法在图像分类、声音识别、目标检测等多个领域的应用。本书的典型案例包括太阳黑子智能分类、气象预测、食物咀嚼声音分类、智能厨房、智能冰箱食材识别、集体照人脸识别、遛狗牵绳智能检测、智能药品识别、道路裂缝检测、学生课堂行为检测、水边垂钓行为检测、主副驾驶员安全带佩戴情况检测等。这些案例旨在通过解决实际问题帮助读者深入理解深度学习算法的应用和实践。

本书是基于Python以及飞桨（PaddlePaddle）深度学习框架的实践性机器学习入门教程，内容涵盖Python基础语法、机器学习常用算法以及在计算机视觉和自然语言处理等经典领域的详细案例解析。

本书语言简洁易懂，注重实践与理论相结合，旨在帮助读者掌握机器学习的核心概念和技能。通过阅读本书，读者可以快速了解机器学习各种算法的应用场景，并掌握使用PaddlePaddle来解决机器学习问题的方法。对于想要入门机器学习的人来说，本书是一本实用性较强的参考书。

机器学习就是希望机器能够模拟人类学习的过程，使机器在没有明确人工指导的情况下通过分析数据不断获得经验和知识，再调整自身行为进行自我学习，从而改善性能。因此，机器学习融合了人工智能、信息科学、计算机科学、以及类脑科学的相关领域知识，被广泛应用于国防安全、智能制造、智慧医疗、智慧城市、以及数字娱乐等。本书共包含9章内容，第1-4章主要介绍了机器学习的基本方法，包括基本概念、无监督聚类分析、有监督统计学习和有监督判别学习；第5-7章主要介绍了深度学习基础知识、经典网络、以及前沿进展；第8-9