本书专为文科师范生设计，旨在通过通俗易懂的语言和丰富多样的案例，引导学生全面了解人工智能的基本概念、发展历程、主要技术及应用领域。教材内容涵盖人工智能概述、人工智能系统架构、大模型基础、提示词工程、智能体开发、自然语言处理、计算机视觉、机器学习与深度学习以及人工智能开发框架与平台等多个方面。通过介绍人工智能在教育、医疗

本书系统阐述机器学习与人工智能驱动智能推荐系统的核心理论与实践体系，聚焦协同过滤、深度学习、强化学习等核心算法原理，解析用户画像构建、物品特征工程、推荐匹配机制的关键技术逻辑。结合电商、流媒体、社交网络等典型场景，深入探讨个性化推荐、实时推荐、冷启动问题的解决方案与落地路径，剖析数据稀疏性、算法公平性等行业核心痛点及优

本书基于本地化部署人工智能大模型的技术特性，全面分析本地化部署人工智能大模型的概念、特点、意义和技术路径，在中外比较中探析本地化部署大模型的基本形态，深入阐释本地化部署人工智能大模型的伦理风险，积极探索风险治理策略，并对本地化部署人工智能大模型的未来发展作出展望。

本书系统讲解如何将豆包从“问答工具”升级为“生产力搭档”。全书分为入门、职场、新媒体、教育、人生进阶五大篇章，覆盖工作汇报、商务沟通、选题策划、视频脚本、备课教学、个人知识库搭建等真实场景。作者基于200余场线下培训经验，提炼出一套不依赖工具迭代的“AI使用心法”，即把大任务拆解成小步骤，让AI生成可用的草稿，由人做最

全书以“技术发展脉络-数学原理剖析-邮政工程实践”为框架，解析人工智能技术的历史脉络、核心算法及创新应用，聚焦机器学习、深度学习、主动学习等前沿领域，结合Floyd算法、多模态感知、联邦学习等技术工具，针对邮政物流领域三大核心场景——多中心协同路径规划、驾驶员行为智能监控、高精度违禁品识别，构建可复用的技术落地方法，并

本书作为介绍人工智能大脑的机器学习，从数据科学的视角和需要出发，平衡各个方面的理念和知识，包括呈现理论与实践的结合，给读者以机器学习的全面展示。全书能够由浅入深地介绍人工智能一个最重要的组成部分——机器学习各组成部分的原理、算法及如何通过软件来实现其众多方法。

本书以系统化、实战化的方式全面呈现AI面试所需的核心知识体系，涵盖机器学习、大语言模型(LLM)、计算机视觉、视觉生成、语音、多模态AI等多个关键方向。全书结合最新前沿成果(如GPT-4o、Gemini2.5、StableDiusion、Sora、CLIP、LLaVA等)，精选350+高频面试题，配以详细解析，帮助读者

本书以知识创造为中心框架提供了一个新颖、实用的视角，用以解读人工智能的新热潮，并揭示知识是如何在人类和技术系统中产生、验证和传播的。本书旨在将人工智能讨论的焦点从其所谓的智能转向其知识创造能力，重新审视支撑知识追求的创造性细微差别，尝试重新定义创造过程并将其恢复到知识创造的领域。

本书分为两个部分，分为ChatGPT之前和ChatGPT之后，也可以说是，分别属于AlphaGo时期和LLM时期。根据人工智能的发展可能性，未来新一代人工智能很可能属于世界模型人工智能(worldmodelAI)，以及具身人工智能(embodiedAI)，但前景尚未明朗，在此时此刻，似乎还缺乏实现这种更接近通用人工智能

本书13章按”认知迁移→上下文工程→高频实战→团队落地→领域应用”五阶段递进：认知迁移(第1-2章)帮助读者完成从”控制机器”到”与AI协作”的心智转变；上下文工程(第3-4章)首次系统讲解让AI”看到”正确信息的工程方法论；高频实战(第5-8章)覆盖代码生成、调试、测试、重构四大场景；团队落地(第9-11章)提供从个