本书分为五篇，覆盖基础理论、自然语言处理、计算机视觉、图学习及综合应用，重点解析自然语言处理、计算机视觉、图深度学习与多模态深度学习的发展脉络；以Transformer为核心，详解其结构、经典模型及其在生成式任务中的应用。同时，本书聚焦图卷积网络与图注意力网络，从谱图卷积到多头注意力机制，探讨其在节点分类、图对齐等问题

本书是《大学计算机基础实验教程(第三版)》的后续教程，同时也是《计算机基础与人工智能(第四版)》(杨俊等主编，科学出版社出版)的配套教材。主要内容包括上机实验、习题与参考答案、主教材习题参考答案。其中，上机实验包括8个实验，涉及问题分析与求解、软件机器人和AI大模型应用，每个实验设有实验目的和实验内容。学生能够明确上机

本书共10章，内容涵盖信息技术基础、新一代信息技术、人工智能概述、生成式人工智能与提示词工程、人工智能工具的实用技能及人工智能素养与风险。通过本书的学习，读者不仅能够掌握信息技术和人工智能领域的核心技术和应用方法，还能够培养出对信息技术和人工智能技术的批判性思维和伦理意识。

全书分为基础篇、进阶篇和实践篇三大部分，循序渐进地引导读者从入门到熟练应用AI工具。基础篇“揭开AI的神秘面纱”解析了AI的基本原理和能力边界，帮助读者建立科学的AI认知框架。进阶篇“AI效率革命”深入探讨了AI在创作、办公自动化、数据分析等领域的实战技巧，比如如何用AI生成PPT、优化工作流程、处理复杂数据等，帮助读

本书共有7章。第1章绪论：系统介绍了人工智能概况。第2章人工智能系统架构：描述了人工智能框架中基础层、算法层、技术层和应用层的相关知识，最后介绍了专家系统。第3章机器学习：主要介绍了机器学习的概念、分类、算法及应用等。第4章深度学习：介绍了深度学习的发展历程；讲解了典型的深度学习算法、应用和发展趋势等内容。第5章强化学

本书详细阐释深度学习的数学基础与架构设计，通过精心设计的章节，逐步带领读者从基础的数学工具深入复杂的深度学习架构，涵盖从向量和矩阵到神经网络的训练、优化和正则化，再到生成模型、自编码器等前沿主题，并提供详尽的数学分析和代码示例。作者团队结合Adobe、Google等企业的前沿实践，通过PyTorch代码逐层拆解卷积神经

本书从基础理论入手，系统介绍人工智能的定义、起源、发展及其核心要素，深入剖析其分类与流派，旨在帮助学生建立对这一领域的宏观认知。然后进一步深入探讨人工智能的应用技术，包括机器学习、深度学习、自然语言处理、计算机视觉和智能语音等核心技术，详细阐述它们的原理、类型、算法及具体应用场景。生成式人工智能(AIGC)作为人工智能

本教材通过38个学习案例和4个典型项目(包括智能导盲鞋、智能识别、智能共享盆栽养护系统、智能家居)，引导学生在解决实际问题的过程中掌握AI赋能创客设计的方法、形成跨域协同能力、建立AI驱动创新思维，提升AI时代实践创新与就业竞争力。

本书面向职业本科各专业所开设的“人工智能通识课”，旨在让各专业学生了解人工智能的基础知识，并能够根据自己所处行业的性质与内容，灵活地选择人工智能方案来辅助完成各项任务。内容包含人工智能新技术、大数据、机器学习、深度学习、知识图谱、AI图像技术、自然语言处理、智慧物联、数字工厂、智能机器人、智慧城市。

本书以“技术基础—行业赋能—伦理治理”为逻辑框架，系统解析人工智能生成内容(AIGC)的技术原理、工具生态与产业变革，深度融合金融、制造、医疗等十大领域的实战案例，构建“理论—工具—实训—伦理”四维一体的教学体系，助力学生掌握智能时代的技术认知与职业能力。通过200余张图表、50余个案例及20个跨领域实训项目，构建了从