AI是近年来炙手可热的前沿技术。随着越来越多的AI应用进入人们的视野，AI技术也赢得了国内外社会公众、专家、学者和开发者的广泛关注。
自2022年ChatGPT横空出世以来，AIGC迅速成为极其火爆的AI发展方向。近年来，各种AIGC大模型层出不穷，AIGC大模型生成的内容也日臻完善，并且已经达到可以落地应用的程度，因此可能创造大量的就业机会。
本书概述了AIGC的基础技术，从机器学习、深度学习的基本概念和基础算法，到生成模型、自然语言处理和计算机视觉的相关技术，即

本书系统介绍了人工智能通识的相关知识，全书共6章，包括人工智能概述、人工智能的工作原理、人工智能的研究领域、人工智能工具的应用、人工智能的应用场景以及人工智能课程实践与设计等内容，从概念、工作原理、研究领域、工具使用以及应用场景等多方面全方位地对人工智能进行了介绍，并提供了6个课后实践、5个课程实践活动以及3个课程设计，理论与实践结合，全方位满足读者的学习需求。 本书可作为高等院校大一各专业开始的人工智能通识课程的配套教材，也可以作为对人工智能怀有兴趣或想入门人工智能的读者的参考书。

本书从人工智能基础、人工智能核心技术框架、人工智能应用与实践、人工智能的挑战与未来展望四个方面全面探讨人工智能，主要包括人工智能的基础概念、行业应用、核心技术、大语言模型(大语言模型)、Prompt技术及其高级应用、人工智能在视听领域的应用，以及人工智能对社会的影响和未来展望。 作为高校人工智能通识教材，本书系统性地呈现人工智能发展全景，从理论到应用，既有通俗易懂、深入浅出的技术解析，又有丰富的案例说明，并配以详细的Prompt设计指南，旨在帮助学生全面理解人工智能技术的原理、应用和潜在影

本书通过大量实验系统地介绍人工智能的原理和技术。本书共13章，主要内容包括人工智能概述、计算智能、机器学习、视觉感知、自然语言处理、语音处理、知识认知与推理、机器人、人工智能伦理与安全、人脸识别的应用、智能家居、智能制造、无人驾驶的应用，其中实验内容包括蚁群算法实验、波士顿房价预测实验、基于模式识别的光学字符识别实验、基于深度学习的图像分类实验、基于深度学习的人脸识别实验、基于云服务的智能问答机器人实验、机械臂语音控制实验、知识图谱医疗问答系统实验、机械臂视觉分拣实验、基于深度学习的人脸替

本书主要阐述人工智能问题求解方法的一般性原理和基本思想，主要内容包括：人工智能发展简史；一般的搜索问题，包括盲目搜索和启发式搜索；对抗搜索，包括α-β剪枝、蒙特卡洛树搜索、AlphaGo原理、强化学习；谓词逻辑以及基于归结的定理证明方法；知识表示，包括产生式方法、语义网络、框架；不确定性推理方法，包括贝叶斯方法、证据理论和确定性方法；统计学习方法，包括朴素贝叶斯方法、决策树、支持向量机、k近邻方法、k均值方法、基于密度的聚类；神经网络与深度学习，包括什么是神经元和神经网络、全链接网络、

本书以学习任务为载体，系统地讲解了智能机器人、计算机视觉及智能语音系统部署这三大典型工作任务的相关知识，并根据完整的智能系统部署与交付过程开展实践活动，帮助读者了解人工智能系统部署的全流程。本书通过教、学、做一体化的方式，完成了人工智能应用系统的现场部署与交付的工作任务，包括智能机器人、计算机视觉和智能语音等系统的软硬件安装、设备检查、模型部署、参数配置、功能和性能测试等，让学生亲身体验智能系统从规划到交付的全过程，从而形成系统的实践能力体系。

本书以智能数据分析技术及其应用路线为核心, 通过翔实的案例和习题,介绍数据存储设计与Acces数据库管理、数据存储中的表与关系、查询、数据分析语言一Python 数值数据智能分析技术、文本数据智能分析技术和人工智能数据分析方法。

本书是一本实验设计教材，编者通过使用传感器及图形化编程完成学科中的实验设计，改变了传统实验中固化的实验方式，让学生体验科学发现的过程，而不仅仅是对最后正确结果的验证； 通过人工智能技术的应用，使学生可以在任何时间、任何地点都能随时对有兴趣的内容进行学习和创新活动，从而形成一个课内外一体化的自主学习实践平台。本书资源包请扫描前言二维码下载。
本书面向中小学理、化、生学科教师以及爱好科技创新的学生，可作为各级教师的培训教材。

本书涵盖人工智能领域的多个重要方向和交叉领域，旨在向读者介绍人工智能的最新进展、应用和发展趋势，同时探讨人工智能与其他学科交叉的原则、重要性和潜在影响。主要内容包括人工智能基础与前沿、人工智能+教育、人工智能+医疗、人工智能+法律、人工智能+哲学，涉及人工智能技术在多个学科的理论前沿知识、不同领域的案例应用和辨证思考等内容。

本书是根据全国高等院校计算机基础教育研究会发布的《中国高等院校计算机基础教育课程体系2024》中有关“大模型技术及应用”课程参考方案编写的。本书是高等院校人工智能通识教育的一门核心课程教材, 主要内容包括: 大模型的定义、分类、构建流程、层次结构、核心技术、典型平台、API调用、提示工程、典型应用、数据分析、行业应用和未来发展趋势等。此外, 附录部分还设计了6个实验, 旨在帮助读者将理论知识转化为实践能力。