本书共6章：第1章介绍深度学习的入门与开发基础知识，帮助读者快速进入深度学习实践；第2章系统讲解数据采集、清洗、预处理、标注与增强等环节，奠定数据基础；第3章阐述模型构建与训练，包括模型结构设计、调优策略、超参数调优、微调、分布式与大规模训练等；第4章聚焦模型部署与优化，涵盖推理引擎、模型压缩、云边协同等；第5章面向典

本书内容涵盖人工智能的基础模型与方法、机器学习和深度学习的核心技术、强化学习与决策智能、自然语言处理及计算机视觉等核心方向，同时深入探讨人工智能与智慧医疗、自动驾驶、智能制造等新兴前沿领域的交叉融合，帮助读者掌握人工智能的基础理论，并理解其在不同学科中的创新场景与实际模式。

本书分10章。第1章绪论；第2章深度学习；第3章大语言模型；第4章提示词过程；第5章AI智能体；第6章具身智能；第7章数字人；第8章AI辅助办公；第9章AI辅助编程；第10章AIGC应用与实践。

本书旨在构建“核心基础-经典网络-前沿进展”三级知识体系，核心基础包括深度学习的框架、数学基础、基本神经网络、性能评估等，经典网络包括卷积神经网络(CNN)、循环神经网络(RNN)、变分自编码器(VAE)、Transformer等经典架构，更独辟蹊径，深入探讨预训练大模型、扩散模型、生成对抗网络(GAN)、YOLO网络

本书循序渐进完成知识讲授。首先夯实信息技术基础知识，涵盖计算机软硬件、操作系统、数据存储运算及Python编程基础，帮助读者构建扎实的信息素养与计算思维，为人工智能学习筑牢根基。其次聚焦人工智能核心技术体系，全面梳理人工智能发展历程、底层基础设施、感知语言、知识决策、生成技术等核心内容，清晰阐释机器学习到深度学习的技术

本书共15章，循序渐进地拆解AIAgent全栈工程体系：从大模型能力边界与Agent底层原理切入，逐层讲解网关枢纽、推理引擎、工具执行、长短期记忆、Skill系统等核心模块的设计逻辑；同时深入剖析Agent权限攻击风险与分层安全防御方案，落地个人助手、Browser自动化、多Agent协作等实战场景，并规范企业生产环境

本书共8章，内容涵盖计算机基础、人工智能概述、机器学习、计算机视觉、自然语言处理、语音识别、知识图谱及大模型技术。编写遵循“基础知识—核心技术—典型应用”的体例，注重从生活现象出发，通过丰富案例与图解降低学习门槛，避免复杂公式推导，强调无代码实践与智能工具运用，助力读者理解核心概念并开展初步应用。

本书共10章。第一章简要介绍人工智能的概况。第2-6章阐述人工智能的基本原理和技术基础，重点论述知识图谱、自然语言处理、智能语音、计算机视觉、机器学习和神经网络等关键通用技术，为后续章节介绍行业应用做知识储备和技术铺垫。第7-8章人工智能目前在行业中的应用，依据我校的学科布局，分别介绍AI在理工、医、文法、商学科中的应

本书共6章。第1章系统讲解AIGC的起源背景、发展阶段、中国技术贡献、提示词工程核心方法及伦理问题；第2-5章依次介绍AIGC在文本、图像、音频、视频生成领域的技术原理、主流工具对比、关键技术要点及多场景实操案例；第6章聚焦AIGC在数据分析领域的应用价值、工具选择与实际案例，延伸AIGC技术的应用边界。全书各章均设置

本书着重为高校非计算机专业的本科生和研究生系统地介绍人工智能的基本理论、关键技术以及实际应用，助力不同学科背景的学生构建对人工智能的整体认知，拓宽其技术视野，提升跨学科协同能力。全书共分为13章，内容覆盖人工智能从基础认知到技术实现、从算法到行业应用的核心知识体系。本书采用“基础篇—进阶篇—实践篇—拓展阅读”的四段式结