"?        本书是“十四五”职业教育国家规划教材，也是高等职业教育财经商贸类专业基础课“经世济民 立德树人”新形态一体化教材。        人工智能是引领新一轮科技革命和产业变革的重要驱动力，正深刻改变着人们的生产、生活和学习方式，推动人类社会迎来人机协同、跨界融合、共创分享的智能时代。本书以普及人工智能基础知识，介绍人工智能行业应用状况，提升人工智能基本素养为目标。全书共八章，脉络清晰，逐次展开，分别为：人工智能的前世今生、算法技术让人工智能更聪明、大数据让人工智能土壤更肥

本书系统介绍了人工智能的基本原理、方法和技术，并反映国内外研究和应用的最新进展。全书共11章。第1章主要介绍人工智能从业人员的职业道德及行业准则和人工智能视角下的企业文化和职业素养。第2章主要介绍人工智能技术的定义、经典问题、发展史和产品应用等。第3章主要介绍人工智能与大数据、数据采集与预处理、数据可视化。第4章介绍了机器学习的学习类型、分类、常见任务及其应用。第5、6章对神经网络和深度学习做了引导性综述，包括图片识别、BP神经网络的数据分类、卷积神经网络、循环神经网络。第7章介绍了计算机视觉技

本书共分为七章。第一章主要介绍数学对应人工智能的重要性，以及代数学和分析学中的基础概念，是后面各章的基础。第二章和第三章分别介绍了微积分和线性代数核心内容，并将相关基础知识映射到人工智能领域，从这一视角理解数学基础知识的工程应用。第四章介绍了矩阵分解这一重要数学工具及其在人工智能领域的典型应用。第五章介绍了概率论基础知识及在人工智能领域的广泛应用。第六章介绍了最优化理论及算法，以及它们在机器学习和人工智能中的基础性应用。第七章主要介绍了信息论的基本概念和在人工智能中常见的应用。

本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化，以及深度学习实验项目。本书内容由浅入深、语言通俗易懂，从基本原理到案例应用、从基础算法到对复杂模型的剖析，让读者在循序渐进的学习中理解Keras。 本书可作为高等院校计

本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可以巩固所学的内容。
本书可以作为高校数据科学或人工智能相关专业的教材，也可作为深度学

《未来科学家科普分级读物》是一套以激发儿童阅读兴趣为目标的，全方位、多维度、跨学科、分阶梯的、能够陪伴孩子成长的科普读物。本套为该分级读物的第二辑，包括天文学、脑科学、地理地图学、生物等多学科知识，图文并茂，讲解细致，对于同一个主题，图书尽可能多视角呈现，多层次呈现，多观点呈现，让孩子有机会闻更多的事、见更多事，在阅读中感到快乐、找准方向、获得方法、增加知识、思考未来。书后配备与本书相关的小测验，能够检验孩子的阅读学习成果，让孩子真正做到将知识内化于心。

本书是《计算思维与人工智能基础（第2版）》的配套实验教材。本书紧跟计算机技术发展潮流，以“基础性、系统性、先进性、实用性”为指导思想，主要实验内容包括Windows10、Word 2016、Excel 2016、PowerPoint 2016、Visio 2016、网络信息检索、算法设计、基于Weka平台的机器学习算法实现等。

本书强调计算机实际应用能力的培养，实验内容注重由浅入深、详略得当、图文并茂、示例精炼。通过本书的学习，可使学生熟练地操作使用计算机，并能加强学生对计算思维

机器学习是一种实现人工智能的方法，也是人工智能领域中最能体现智能、发展最快的一个分支。本书作为该领域算法实现与应用的入门教材，主要介绍了一些经典而常用的机器学习方法及其编程技术，包括朴素贝叶斯、决策树、k-NN、聚类、线性回归、支持向量机（SVM）、神经网络等。全书以Python语言作为编程语言，基于工作过程系统化的体例设计，采用理论知识结合项目案例的形式，以图例解析的方式深入浅出又直观地剖析学习模型的计算机理，加深学生的体会和理解，避免了烦琐的数学模型推导；在项目实施过程中，以任务驱动的方式一

本书全面介绍了扩散模型这种新兴的深度生成模型在各个领域的应用，其内容包括AIGC与相关技术、扩散模型基础、扩散模型的高效采样、扩散模型的似然最大化、将扩散模型应用于具有特殊结构的数据、扩散模型与其他生成模型的关联、扩散模型的应用、扩散模型的未来等。本书旨在提供一个情景，帮助读者深入了解扩散模型，确定扩散模型的关键研究领域，以及适合未来进一步探索的研究领域。本书适合高等院校计算机科学、人工智能和医学、生物学等交叉学科专业的师生，以及相关人工智能应用程序的开发人员阅读。