本书共14章。第1章对AIGC新时代进行阐述，第2章集中介绍AIGC工具，第3章对Prompt进行定义和说明。第4章到第13章针对多个行业的不同场景给出写Prompt的技巧和案例。第14章对AI的未来进行展望。

本书系统地讲解了深度学习技术，阐明核心概念和实践编程技术，是开发者、数据科学家、分析师，以及之前没有机器学习或统计经验的人员人员的理想选择。
本书介绍了深度神经网络的人工神经元和全连接、卷积和循环层等基本构建模块，展示了如何使用它们来构建先进的架构。书中还讲解了如何使用这些概念构建计算机视觉和自然语言处理（NLP）网络，包括Mask R-CNN、GPT和BERT。此外，书中还描述了自然语言翻译器和能根据图像内容生成自然语言系统的原理。

本书循序渐进地讲解了使用TensorFlow开发深度学习程序的核心知识，并通过具体实例的实现过程演练了使用TensorFlow的方法和流程。书中首先讲解了TensorFlow深度学习基础知识；然后介绍了数据集制作、前馈神经网络、卷积神经网络、循环神经网络、生成式对抗网络、自然语言处理、注意力机制、概率图模型、深度信念网络、强化学习、无监督学习、TensorFlowLite移动端与嵌入式轻量级开发、TensorFlow.js智能前端开发等实战应用内容；最后通过开发姿势预测器和智能

本书遵循理念与方法、经典与前沿、技术与应用相融合渗透的原则，在理念、结构、内容和资源上都极具特色和创新。按照人工智能新知识体系，本书内容分为五大部分13 章。 将传统或经典人工智能理论、方法与技术以及新一代人工智能技术和方法相结合，形成基础概念（1-3章）+基础技术（4-5章）+重点研究内容与方向（机器智能）（6-12章）+行业应用与伦理基础（12、13章）的新知识体系模式。 本书提供了配套学习资源，可通过人邮教育社区（www.ryjiaoyu.com）下载本书配套的电子资源，包括教学大纲、教案

本书主要介绍主流的人工智能理论、算法以及Python实现方法，目的是使学生学会人工智能理论及推导过程，并且掌握调用Python人工智能库和自定义编码的方法。全书共分10章，分别为人工智能与Python概述、Python基础、线性回归及其Python实现、逻辑斯蒂分类及其Python实现、最大熵模型及其Python实现、K-近邻分类与K-均值聚类及其Python实现、朴素贝叶斯分类及其Python实现、决策树及其Python实现、神经网络及其Python实现、图像识别领域的应用案例。 本书可作为计

随着人工智能技术的高速发展和广泛应用，人工智能安全问题引发了人们的高度关注。本书介绍了人工智能安全的概念和范畴，并从理论技术、技术标准、产业生态、伦理、法律等不同的角度分析了人工智能所涉及的安全问题及其治理策略和解决方法。除概述外，本书介绍了采用可信计算技术解决人工智能安全问题的方法，以及无人系统安全、基于类脑计算的强人工智能及其安全、智能制造和智能城市中的人工智能应用安全、网络安全、人工智能安全可控的产业生态建设、人工智能安全标准与风险评估预警、人工智能法律伦理。总体来说，本书既概要

本书首先对智能经济的反馈路径以及发展脉络进行了总结梳理，借助价值创造理论进行分析，总结出智能企业运算智能、感知智能、认知智能三个阶段，并据此分析了人工智能技术应用在智能经济中发挥的关键作用。其次，本书根据商业模式理论比较了互联网时代和智能时代的商业逻辑，指出互联网时代以流量变现的逻辑为主，而数据增值则是智能经济时代价值创造的全新方式，因此各行各业都应建立完整的数据增值模式，形成以数据为核心的价值创造流程闭环，数据生成智能，智能又带来更多数据，充分发挥数据要素对智能经济发展的价值。再次，

本书基于中国工程院重大咨询研究项目人工智能2.0子课题自主式高级无人系统编写，将针对智能无人系统共性基础理论与关键技术，以及无人机、无人车、轨道交通自动驾驶、服务机器人、空间机器人、海洋/极地机器人、无人船、离散制造业无人车间 /智能工厂、流程工业无人车间/ 智能工厂、高端智能装备等智能无人系统的智能技术以及自主无人操作系统，重点介绍国内外研究现状、主要研究问题以及未来发展趋势。为我国人工智能发展提供咨询参考。

《MediaPipe机器学习跨平台框架实战》以实际项目为线索，带领读者探索MediaPipe在不同场景中的应用，使读者既能了解理论知识，又能通过实践掌握技能。全书共9章，第1章介绍MediaPipe基础；第2章重点探讨MediaPipe的控制流、同步机制以及GPU的使用；第3章介绍MediaPipe中的Facemesh，探讨其在增强现实、AR滤镜和视频会议软件中的应用；第4章将MediaPipe与游戏控制相结合，介绍如何在体感游戏中应用MediaPipe技术；第5章以AR激光剑效果、火箭发射小游

深度学习是计算机科学的一个重要分支，是一种以人工神经网络为架构，对数据进行表征学习的算法的总称。深度学习是传统机器学习算法的发展和衍生，相关内容涉及代数、统计学、优化理论、矩阵计算等多个领域。《深度学习理论与实践》是深度学习的基础入门级教材，在内容上尽可能覆盖深度学习算法相关基础知识。全书共11章，大致可分为三大部分：第一部分(第1～3章)主要介绍机器学习的基础知识和一些传统算法；第二部分(第4～8章)主要介绍人工神经网络等的相关理论、优化算法和各类经典神经网络模型；第三部分(第9～11章)为进