"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

本教材系统介绍人工智能的基本概念、发展历程、技术体系及应用领域。主要内容包括知识表示、确定性/不确定性推理、搜索求解策略、机器学习、神经网络、自然语言处理、计算机视觉等核心技术，并探讨人工智能伦理与法律问题。通过模块化设计，结合经典理论与前沿技术（如因果学习、大语言模型），从哲学、脑科学等多学科视角解析智能本质，强调理论与实践结合。教材分为基础模块和拓展模块，每章设置理论讲解、案例分析、实践项目三个板块，并配备习题与拓展阅读。附录包含相关代码资源和学习工具推荐。本书主要面向人工智能、计算机科学、

《人工智能应用基础》是了解和学习人工智能相关知识的基础。本书系统、全面地介绍了人工智能素养、智能技术、创意写作、图像生成、视频技术等知识。通过学习本书的内容，学生可以更好地理解人工智能技术在各个领域中的广泛应用，为后续深入学习人工智能的多种技术奠定基础。 本书是为中等专业学校和技师学院人工智能通识课程体系的"人工智能基础”课程设计的一本新形态教材。尽管"人工智能导论”是一门理论与实践紧密结合的课程，但在科技迅速发展的当下，旧技术可能迅速被新技术取代。因此，本书立足于人工智能时代的前沿，注重培养学

本书是了解和学习AI（人工智能）相关知识的基础入门教材，将系统地介绍AI的基本概念、技术基础与现状，以及AI生成图像技术、AI生成视频技术和AI生成文本技术等知识。通过本书的学习，读者将能够更好地理解AI技术在各领域的广泛应用，为后续深入学习AI的核心技术奠定基础。本书是为职业教育相关专业的“人工智能导论”课程设计的一本新形态教材。尽管“人工智能导论”是一门理论与实践紧密结合的课程，但在科技迅速发展的当代，现有技术可能会迅速被新技术取代。因此，本书立足于AI时代的前沿，注重培养读者的AI思维方式

本书系统介绍人工智能与生成式 AI 的核心理论、技术实践及社会影响。全书共 10 章，涵盖人工智能与生成式 AI 概述、人工智能基础理论、生成式模型技术原理、生成式 AI 工具与平台、文本生成应用与实践、文本生成进阶应用、智能体的创建与应用、图像生成应用与实践、人工智能在各领域的融合发展及生成式 AI 的发展与治理。结合主流工具（如 DeepSeek、Stable Diffusion）和开源平台（Ollama），详细讲解本地部署与 API 调用方法，并通过医疗、教育、金融等跨领域案例展现 AI

近年来，我国加快推进信息创新建设工作。目前，国产操作系统、WPS和AI人工智能已在教育、金融、交通等领域快速普及，并进入各个家庭，这将增强我国基础软件的自主可控和网络信息安全。本书基于高职信息技术课程新标准及人工智能相关技术，分为17个项目，比较系统地介绍了Kylin系统的管理和使用、WPS办公软件的应用、AI人工智能的使用。通过部分项目中的任务实战，提高个人的信息技术水平。本书提供了微课、电子课件、任务实战等电子资源，既可以作为高等职业院校、应用型本科院校相关专业学生的教材，又可以作为培训机构

本书从算法安全、数据隐私、模型鲁棒性、政策法规等维度展开，涵盖投毒攻击、对抗攻击、萃取攻击、逆向攻击、提示注入、联邦学习隐私安全等新型安全威胁以及相应的安全防御手段。

《机器学习从线性回归到大模型》以回归为主线，系统介绍统计学、机器学习与深度学习中最常用的分类与回归方法，力图在大数据与人工智能背景下，突破传统统计建模的局限，构建一个融合多学科视角的现代回归分析框架。
全书覆盖线性回归、岭回归、Lasso、Logistic回归等经典线性模型，决策树、随机森林、GBDT、XGBoost等集成方法，BP神经网络、卷积神经网络、循环神经网络等深度学习模型，以及基于Transformer的大语言模型（如BERT和GPT）。 此外，《机器学习从线性回归到

本书共11章，内容包括：基于生成样本分布优化的不平衡分类方法、基于样本空间映射的不平衡分类方法、面向多类样本特征交叠情况下的不平衡分类方法、面向数据多模态分布条件下的不平衡分类方法等。