本书系统介绍人工智能相关理论和应用，分为人工智能基础篇和人工智能应用篇两大部分，详细阐述主流算法理论、模型原理、技术框架及跨领域实践案例。
人工智能基础篇从人工智能核心理论出发构建完整的知识体系。绪论涵盖机器学习的定义与类别，介绍朴素贝叶斯算法、回归模型的原理，阐释人工神经网络、卷积神经网络（CNN）的定义与原理，探讨大语言模型的Transformer架构、能力特性及其应用局限。在此基础上，本书选取朴素贝叶斯算法、回归模型为例细化人工智能的算法概念。最后，介绍了一些最新的人工智能前沿理论方向，包括物理信息神经网络（PINN）和知识图谱的原理以及在国内外典型项目及垂直领域的应用。
人工智能应用篇聚焦人工智能在多学科领域的落地实践，结合具体技术与案例展开，包含以下模块：交叉学科应用，包括有机合成中的分子设计与逆合成分析、水污染治理的智能化监测与风险预警、集成电路设计中的Verilog代码生成（基于大语言模型）；工程技术应用，涵盖自动驾驶的BEV感知技术、智能生产中的涂胶工艺优化、通信工程的调制方式识别（基于神经网络）、电气自动化的风电机组故障诊断；行业创新应用，涉及机器人技术的体系结构与关键技术（视觉、规划、导航）、纺织行业的知识图谱与AI设计软件、测绘地理信息的遥感影像解译与三维建模（基于深度学习与大模型）。
为便于读者将理论与实践结合，本书提供：完整的教学课件、程序代码实例（如Verilog代码生成、神经网络训练代码）、案例实训材料（如传统与智能涂胶对比实验、遥感影像道路提取实操）、微课视频（含模型原理可视化、工具使用教程）。
本书可作为高等学校计算机科学与技术、电子信息工程、自动化、环境工程、材料科学与工程、测绘工程、纺织工程等专业本科生“人工智能基础”课程的教材，同时可为从事人工智能研发与行业应用的工程技术人员提供实践参考。
