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

本书是高等学校人工智能通识教育教材。全书共分为10章，主要内容有：人工智能基础、人工智能核心技术、人工智能的应用、Python程序设计、Python的应用、WPS文字高级应用、WPS表格高级应用、WPS演示高级应用、WPS协作与共享、智能办公助手WPSAI。本书构建了“AI理论与应用—Python编程与AI实践—AI赋

本书面向数字时代人才培养的实际需求，系统介绍人工智能核心概念、基础原理、关键技术以及在教育领域的典型应用，旨在帮助高校学生提升人工智能素养，增强数字化创新能力。全书共14章，内容涵盖人工智能的基本理论、技术生态、教育应用、伦理安全、发展前景等模块，既注重知识体系的系统性，也突出应用场景的实践性。本书从人工智能的发展历程

本书全面介绍了人工智能基础理论、核心和前沿技术及其实际应用，并结合实际案例，展示了人工智能如何深刻改变各行各业。全书共分为13章，第1章是人工智能概述，介绍了人工智能的概念、发展历程和应用领域，帮助读者建立起对人工智能的大概认识；第2~6章介绍了人工智能的理论基础及算法，包括机器学习、深度学习与人工神经网络、自然语言处