本书聚焦新时代人工智能素养，系统且全面地介绍了人工智能知识，助力读者理解并应用这一前沿技术，内容涵盖人工智能的历史、概念、社会影响及核心技术。本书深入探讨其在多领域的应用，包括智慧农业、智能机器人、医疗影像诊断等，展示了AI为各行业带来的变革与价值。

本书共分为八个项目,每个项目围绕几个具体应用场景案例展开,从理论讲解到实践操作,逐步引导学生掌握生成式人工智能的精髓。项目一:生成式人工智能介绍。主要阐述生成式人工智能的基本概念、发展历程、核心算法(如GANs、VAEs、Transformer等)及其工作原理。分析生成式人工智能相较于传统AI的优势与挑战。项目二:生成

本书全面梳理机器学习、深度学习和强化学习相关理论和方法,完整设计各种模型和算法的应用实例。首先概述与人工智能和深度学习相关的基本概念和发展历程;然后详细介绍机器学习中的回归任务、分类任务、梯度下降法的基本理论和算法,并给出完整的TensorFlow编程实例;之后循序渐进地阐述人工神经网络与深度学习、深度神经网络的训练方

本书系统地介绍智能科学的概念和方法,吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果,探索自然智能和机器智能的机理和规律。

本书详细探讨非完美非完全信息博弈动力学理论、方法与实践。主要内容包括智能体在非完全信息条件下的认知差异和博弈行为、多智能体博弈动力学、智能决策和人机博弈等多个领域。书中通过理论分析与实证数据相结合,深入分析了非完全信息环境下的动态博弈特性,并提出相应的优化工具与解决方案。

本书为满足人工智能通识教育的现实需求而编写，力争用通俗易懂的语言阐明人工智能的复杂概念和算法逻辑，同时按照应用导向、案例驱动的思路，引导读者应用人工智能方法与技术解决实际问题。本书共8章，分别是计算与人工智能概论、人工智能开发工具与平台、计算系统、人工智能的数据基础、机器学习基础与应用、深度学习基础与应用、大模型技术与

本书结合人工智能的技术实践，特别是当前热门的大语言模型，讲解智能系统规划，智能系统需求分析，智能系统架构设计，智能系统算力平台设计，智能系统数据平台设计，智能系统算法设计，智能系统开发、部署和运维，智能系统伦理、安全和隐私保护策略，行业应用，总结人工智能在应用中面临的挑战，探讨人工智能未来发展的趋势及其对软件开发的影响

本书内容涵盖深度学习的基础理论及前沿技术，内容循序渐进，旨在逐步提升学习者对深度学习技术的理解和应用能力。本书共10章，主要内容包括绪论、深度学习基础理论及实践、卷积神经网络理论及实践、基于CNN的目标检测算法及实践、基于CNN的图像分割算法及实践、循环神经网络理论及实践、注意力机制与Transformer、生成式网络

译者序 在机器学习、计算机视觉和机器人研究中，人们对无监督学习的兴趣逐步提高。传统的无监督学习属于机器学习的一种训练方式，常用于数据挖掘、图像识别、视频分割等任务，包括聚类、主成分分析、支持向量机等算法。这些算法大部分基于统计学方法，缺少反馈能力，一旦更换训练数据集，学习效果就会不尽人意；另外，在真实环境下无法提供学习

《人工智能导论》本教材系统介绍人工智能的基本概念、发展历程及研究内容，涵盖知识表示、搜索策略、机器推理等基础理论，并深入探讨机器学习、深度神经网络、自然语言处理及智能机器人等关键技术。全书共八章，从基础理论到前沿应用，结合最新研究成果与案例，帮助读者全面掌握人工智能的核心知识。本书结构清晰，内容深入浅出，兼具学术性与实