本书系统地介绍了具身智能领域的核心概念、关键技术与实践方法，围绕“几何空间、语义空间、决策空间、本体空间”四大空间展开，内容涵盖从基础几何建模到深度感知、从强化学习到大模型智能体、从运动学与操控到复杂任务规划、世界模型与仿真现实迁移等模块。教材既注重理论讲解，又配备大量习题与答案，强调多模态感知、决策与交互的一体化整合

本书系统介绍智能计算与数据分析和可视化的核心知识体系，涵盖人工智能、大模型、大数据技术等基础理论。讲解数据获取、清洗加工、数据库操作等数据处理全流程；介绍利用Excel、Access、Tableau和FineBI等工具软件开展描述性统计、预测分析与可视化实践的方法，然后解析回归分析、决策树、神经网络等机器学习算法原理与

本书开创性地采用系统工程方法来研究人工智能(AI)，涵盖架构原则以及AI功能的开发和部署。大多数关于人工智能的书籍都专注于单个功能构建模块，如机器学习或人机协作，而本书则采用更全面的方法，从系统工程的角度解决人工智能问题。本书的核心是“人才-过程-技术”三位一体，这对人工智能产品和服务的成功开发、设计和部署至关重要。

本书共7章，分为2篇。第1篇AI数据分析基础，主要介绍数据分析的基本概念、流程和传统方法，并探讨AI在数据分析中的角色定位，以及主流AI工具的特点和应用场景。第2篇AI数据分析与可视化应用实践，首先介绍基于DeepSeek大模型的结构化数据分析和文本数据分析，然后介绍基于通义大模型的多媒体数据分析，以及基于AIAgen

本书精选人工智能领域中与搜索、博弈、优化、机器学习、人工神经网络、深度学习和多Agent系统相关的26个实验案例，涵盖路径规划、棋类博弈、目标识别、图像生成、文本生成等多个方面，提供详细的实验背景、目的、要求、算法框架和编程要点。本书启发性强、系统性强、实操性强、前沿性强，可支撑学生的人工智能实践能力培养。本书共分为9

本书第1章介绍了人工智能的定义、发展脉络、三大要素等基础知识；第2-3章聚焦自然语言处理、计算机视觉两大人工智能经典技术，解析人工智能如何“听懂语言、看懂世界”；第4-9章紧跟技术前沿，深入大语言模型、AIGC、RAG、Agent、多模态大模型、具身智能机器人等热点领域，帮助读者把握人工智能的最新发展方向与产业价值。

本书采用“基础理论-进阶方法-前沿拓展”的三段式知识体系,帮助读者由浅入深地掌握强化学习的核心思想与方法论。全书分为三部分:第一部分强化学习基础(第1-7章),从学科概览与发展脉络出发,介绍马尔可夫决策过程(MDP)的理论基础,重点讲解表格型强化学习方法,通过网格世界、悬崖行走等经典案例,帮助读者深入理解强化学习算法的

本书共分7章,涵盖了人工智能概述、人工智能的应用、机器学习技术、深度学习技术、大语言模型概述、智能体与具身智能、AIGC应用与实践等内容。

本书全面介绍人工智能领域所需的数学基础知识,涵盖线性代数、概率统计、微积分、优化理论、图论、信息论及信号分析等核心内容。书中不仅详细讲解了线性方程组、矩阵运算、特征值分解、随机变量及其分布等基本概念,还深入探讨了梯度下降、Adam优化器、凸优化、时间序列分析(如ARIMA模型)以及深度学习中的反向传播算法和正则化方法。

《群体智能——原理、改进与实现》系统介绍了群体智能优化算法的理论基础和核心思想，并结合具体实例展示了算法在工程中的实际应用。书中对多种群体智能优化算法进行了分类讨论，深入分析其原理、改进策略及时间复杂度，帮助读者全面掌握算法结构与优化技巧。在柔性作业车间调度的工程背景下，本书使用粒子群算法、模拟退火算法、斑马优化算法和