概念准确，通俗易懂，知识系统；有微课视频和科普公众号帮助读者提高理解能力

  本书是一本针对初学者介绍人工智能基础知识的书籍。本书采用通俗易懂的语言讲解人工智能的基本概念、发展历史和主要方法，内容涵盖人工智能的核心方法，包括什么是人工智能、神经网络（深度学习）是怎么来实现的、计算机是如何学会下棋的、计算机是怎么样找到**路径的、如何用随机算法求解组合优化问题、统计机器学习方法是怎么来实现分类与聚类的、专家系统是怎么来实现的等，每种方法都配有例题并给出详细的求解过程，以帮助读者理解和掌握算法实质，提高读者解决实际问题的能力。此外，本书能够在一定程度上帮助人工智能的研发人员理解各种算法背后的基础原理。书中的讲解方法和示例，有助于相关课程的教师讲解相关概念和算法。总之，这是一本实用性强、通俗易懂的人工智能入门教材，适合不同背景的读者学习和使用。

  “概念+公式+经典应用”相结合，配套源码与PPT课件，介绍视觉增强分析、视觉复原分析、视觉几何变换与校正分析、视觉分割技术分析、 视觉描述与特征提取分析、车牌识别分析等案例。

  本书以Python 3.10.7为平台，以实际应用为背景，通过概念、公式、经典应用相结合的形式，深入浅出地介绍了Python图形图像处理经典实现。全书共10章，最重要的包含绪论、迈进Python、Python图形用户界面、数据可视化分析、图像视觉增强分析、图像视觉复原分析、图像视觉几何变换与校正分析、图像视觉分割技术分析、图像视觉描述与特征提取分析、车牌识别分析等内容。通过本书的学习，读者可领略到Python的简单、易学、易读、易维护等特点，同时感受到利用Python实现图像视觉处理应用的简捷、功能强大。

  本书可作为高等学校相关专业本科生和研究生的教学用书，也可作为相关领域科研人员、学者、工程技术人员的参考用书。

  将知识点融入案例中，深入浅出地对AI知识点做全面系统的讲解；使用思维导图梳理知识点，并配有案例及实现。

  教育部高等学校电子信息类专业教学指导委员会规划教材，配套微课视频（540分钟，77集），程序代码，教学课件，教学大纲，习题答案，实验大纲，思维导图，作业系统等教学资源。

  本书从应用出发，系统介绍人工智能的基本理论、方法和技术，以及传统行业AI化改造的解决方案。全书共8章，内容涵盖人工智能概述、Python基础、机器学习、计算机视觉、语言识别、自然语言处理、知识图谱和AI行业解决方案。

  本书理论和实践相结合，每章使用思维导图梳理知识点，并配有案例及实现，内容重点突出、结构清晰； 同时还在附录中提供了人工智能平台环境搭建的操作手册，便于初学者学习和查阅。

  本书适用面广，可作为高等院校人工智能、智能科学与技术、计算机、信息处理、自动化和电信等理工科相关专业的教材，也可作为其他专业的拓展、通识课程的教材，还可作为培训机构的人工智能课程教材。

  学习如何用简洁的代码定义和训练神经网络模型，掌握深度学习原理的同时快速进行代码实现和工业实践。

  本书从数据集、数据清理开始谈起，在介绍机器学习的建模方式后，第2章详细说明了机器学习与深度学习所涉及的矩阵、向量等技术。第3章使用Keras搭建深度学习模型，也介绍了激活函数、损失函数、反向传播、过拟合或欠拟合等问题。第4章给出了训练深度学习模型的过程中有几率存在的交叉验证问题。当需要提高模型精度时，可优先考虑参考第5章中的L1/L2正则化、丢弃正则化、早停等方式。第6章讲解模型评估问题，在太平洋飓风数据集上指出准确率的局限性，从而引出混淆矩阵、ROC曲线、AUC评分等概念。接下来的3章介绍卷积神经网络、迁移学习、循环神经网络等问题，这一些内容在工业实际项目中占据核心地位，值得大家多写代码、多实践。

  以案例项目为主线讲述Python计算机视觉开发中所需的知识和技能，具有超强的实用性，书中给出了80多个实例帮助读者理解概念、原理和算法。

  本书以Python为平台，以“概述+案例”的方式系统地对计算机视觉进行实战分析。本书先介绍计算机视觉编程基础知识，接着介绍在所有的领域利用Python解决计算机视觉问题，最后通过两个经典案例综合分析计算机视觉应用。为帮助读者更好地掌握相关知识，各章节都是通过概述与案例相结合的方式，让读者在掌握概念的同时举一反三，掌握程序设计的方法，利用程序设计解决实际问题。

  本书适合计算机视觉初学者以及想深入研究Python计算机视觉的开发者阅读参考。

  浙江省普通本科高校“十四五”重点教材，教育部高等学校电子信息类专业教学指导委员会规划教材。

  基础与前沿知识相融合，仿真分析与真实案例并重；针对工程专业教育教学，注重所学知识的融会贯通。

  配套微课视频（84分钟，20集），程序代码，教学课件，习题答案，教学大纲，教学日历等教学资源。

  本书在介绍机器人发展、系统组成和分类、机器人坐标系、运动学建模方法及动力学建模方法的基础上，着重介绍各种不一样机器人的模型特性、建模方法、控制器设计及仿线章，内容涉及机器人的研究现状和发展的新趋势、机器人运动学、机器人动力学建模方法、气动肌肉机器人、AGV智能搬运机器人、四旋翼飞行机器人、足式移动机器人、工业机器人建模与仿真、工业机器人本体校准技术、机器人仿真平台ADAMS简介和Webots仿真环境介绍等。

  本书注重理论与应用的结合，通过多种类型机器人专题的介绍，力求使读者尽快掌握机器人技术及先进控制器的设计和分析方法，了解机器人技术的主要研究方向。本书的突出特色是工业机器人、仿生机器人、飞行机器人等的运动学和动力学建模、运动轨迹控制及其相应的仿真一体化呈现，都是真实案例，可以直接导入个人计算机运行调试。同时本书配套微课视频、教学课件（PPT）、程序代码、习题答案、教学大纲、教学日历等资源，便于读者学习和教师教学。

  本书可作为自动化、电气工程及其自动化、机械工程、电子信息工程等专业的本科生和研究生教材，也适合从事机器人研究、开发和应用的有关科学技术人员学习参考。

  本书系统介绍了经典的机器学习算法。在编写过程中，最好能够降低数学理论知识，将数学公式转换成原理示意图、步骤解析图、流程图、数据图表和源程序等表达方式，帮助读者理解算法原理。本书注重理论联系实际，将算法应用于实际案例场景，培养理论研究能力和分析、处理问题能力。

  本书选取典型的问题作为实践案例，借助案例对算法进行系统解析。在解决实际任务的过程中，读者能够掌握机器学习算法并灵活运用。本书带领读者循序渐进，从Python数据分析与挖掘入门，在实践中掌握机器学习基本知识，最终将机器学习算法运用于预测、判断、识别、分类、策略制定等人工智能领域。

  本书内容包含三部分: 第一部分（第1章和第2章）为入门篇，着重介绍Python开发基础及数据分析与处理；第二部分（第3章和第4章）为基础篇，着重介绍机器学习的理论框架和常用机器学习模型；第三部分（第5～11章）为实战篇，介绍经典机器学习算法及应用，包括KNN分类算法、K-Means聚类算法、推荐算法、回归算法、支持向量机算法、神经网络算法以及深度学习理论及项目实例。

  本书力求叙述简练，概念清晰，通俗易懂。书中的案例选取了接近实际应用的典型问题，以应用能力、创造新兴事物的能力的培养为核心目标。

  配有源代码、教学课件、教学大纲、微课视频等资源，理论+模型应用+项目实践。

  本书主要内容有：数据分析与挖掘简介、爬虫、Scrapy爬虫框架、Numpy、Pandas、Matplotlib、线性回归、Logistic回归、决策树与随机森林、KNN模型、朴素贝叶斯模型、SVM模型等。本书以案例为导向，循序渐进，适合初学者。本书从初学者的角度进行编写，在编写过程中，注重基础知识和案例应用相结合，主要内容有：数据分析与挖掘简介、爬虫、Scrapy爬虫框架、Numpy、Pandas、Matplotlib、线性回归、Logistic回归、决策树与随机森林、KNN模型、朴素贝叶斯模型、SVM模型等常用算法，最后总结了一些项目的综合实战案例。本书的代码全部使用Python语言实现，适合大数据、人工智能等有关专业选用。

  设计了9个与网络编程相关的App。如网络爬虫App、智能桌面App、人脸考勤App、机器人聊天App等。配套微课视频、教学课件、教学大纲、源代码、数据文件等。

  本书共9章，设计了9个与网络编程相关的App。第1、2章为全局性、通用性基础知识。第3~9章完成了7个具有较高实用价值的App，依次是网络爬虫App、DenseNet App、智能Web App、智能Android App、智能桌面App、人脸考勤App和机器人聊天App。

  本书具备高阶性、创新性与挑战性，可作为网络工程、软件工程、计算机科学与技术、人工智能等专业的本科生教材，也可作为毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，适合研究生和工程技术人员学习参考。

  全国高等学校计算机教育研究会十四五规划教材，提供课件、大纲、教案、习题答案、代码、视频讲解。20个上机案例，手把手学会机器学习项目开发，几个特色综合案例

  本书以任务为导向，讨论了机器学习和深度学习的主体问题，包括聚类、回归、分类、标注、降维、特征工程、超参数调优、序列决策（强化学习）和对抗攻击等。书中对上述每个问题，分别从决策函数类模型、概率类模型和神经网络类模型三个角度来讨论具体的实现算法。

  本书在内容上兼顾基础知识和应用实践。总体上，以基本理论知识为主线，逐步展开，从概念入手，逐步讨论算法思想，着重考虑知识的关联性，最后落实到机器学习扩展库和深度学习框架的具体应用。具体到每个模型，采用以示例入手、逐渐深入的方式，尽量给出详尽的分析或推导。

  本书的特点是主要是通过示例来讨论相关模型，适合初学者入门使用。本书示例代码采用Python 3程序设计语言编写。传统机器学习算法的应用示例主要以ScikitLearn机器学习扩展库来实现，隐马尔可夫模型示例用hmmlearn扩展库来实现，条件随机场模型示例用CRF++工具来实现。深度学习算法的示例采用TensorFlow 2框架和MindSpore框架来实现。

  本书适合计算机、人工智能及相关专业的学生使用，对于有关技术研究人员也有参考价值。

  作者： 刘袁缘 李圣文 方芳 主编 周顺平 万波 蒋良孝 叶亚琴 杨林 左泽均 副主编

  本书将基础理论和案例实战相结合，循序渐进地介绍了关于机器学习领域中的经典和流行算法，全面、系统地介绍了使用Python实现机器学习算法，并通过PyTorch框架实现机器学习算法中的深度学习内容。第一部分为基础篇，包括第1~8章，系统地介绍了机器学习基础、数据预处理、简单分类算法、决策树、支持向量机、回归分析、聚类分析、神经网络与多层感知机；第二部分为综合篇，包括第9~12章，介绍了CNN、RNN、GNN及GAN等经典深度学习方法及其在计算机视觉与自然语言处理领域中的应用实践；第三部分为拓展篇，包括第13~15章，以百度飞桨和旷视天元为例介绍了有代表性的国产开源框架及其应用案例，最后简要介绍了国内外两个主流机器学习竞赛平台。本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业技术人员，从事高等教育的专任教师，高等学校的在读学生及相关领域的科研人员。

  数学基础和深度学习知识点与8个完整的实战案例相结合，配有详细的视频讲解，手把手带你通关深度学习。提供课件，源代码，教学大纲

  本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如Batch Normalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握。

  作者：吕云翔 王志鹏 刘卓然 主编 欧阳植昊 郭志鹏 王渌汀 闫坤 杜宸洋 关捷雄 华昱云 陈妙然 副主编

  配有源代码、教学课件、教学大纲、微课视频等资源，56个知识点案例、9个完整项目案例。

  本书以深度学习框架TensorFlow为基础，介绍机器学习的基础知识与常用方法，全面细致地提供了机器学习操作的原理及其在深度学习框架下的实践步骤。全书共16章，分别介绍了深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架TensorFlow的基础知识、Logistic回归、多层感知器、卷积神经网络与计算机视觉、神经网络与自然语言处理以及8个实战案例。本书将理论与实践紧密结合，相信能为读者提供有益的学习指导。本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等有关专业的师生阅读。

  一本适合作为人工智能通识课教材。包含丰富Python实例，涵盖机器学习等算法与自然语言处理等应用。配套500分钟视频、课件、教学大纲、教案、习题答案和源码（1.5GB）

  本书共分11章，分别介绍了人工智能导引、Python基础、机器学习初步、自然语言处理、语音识别、计算机视觉、神经网络、增强学习与深度学习、AI与区块链、AI相关算法、人工智能的载体——机器人。本书包含丰富的Python项目实践，并配有500分钟教学视频。本书适读人群为高等学校计算机、人工智能、数据科学、统计及相关专业学生，人工智能相关领域的研发人员等。

  900分钟微课视频，课件、源码、大纲所有典型算法配有Python编程实例，丰富的编程练习。

  本书面向研究型开发与创造新兴事物的能力培养，重点讲解机器学习的基础原理和前沿思想。Python是开展机器学习编程实践的主流语言，本书为常用的机器学习模型提供了完整的Python实现代码。本书在“学堂在线”网站同步开设配套慕课课程，供读者免费学习。本书可作为高等学校相关专业“机器学习”“统计学习”等课程的教材，也可作为有一定基础的读者的自学参考书。

  未来不属于AI，未来属于懂AI的孩子，一本书读懂AI，让孩子赢在AI时代。视频讲解趣味案例，提供源码和习题答案，全彩印刷，让孩子边玩边学，其乐无穷

  本书以通俗易懂的方式介绍人工智能的基础知识及其应用，采用案例的形式讲解，方便读者轻松阅读。

  全书共5章，首先介绍人工智能的基础知识，然后从文本、图像、语音三方面介绍自然语言处理、图像处理、语音识别等AI研究领域，最后通过实战案例让读者全方面了解人工智能的应用。

  作者：深度学习技术及应用国家工程研究中心 百度技术培训中心 组编 罗晓燕 白浩杰 党青青 杜宇宁 张宝昌 编著

  介绍工业界视觉应用系统的搭建，借鉴百度先进的视觉系统经验，带领读者动手搭建图像识别系统。提供教学课件和实例代码，详解在飞桨开发框架下各任务的模型实现过程。

  本书在介绍深度学习、百度飞桨等相关知识的基础上，着重介绍了图像分类、目标检测、语义分割、人体关键点检测、图像生成、视频分类、图像文本检测和识别、图像识别等计算机视觉任务的实现原理及深度学习模型框架，并通过具体案例来详细的介绍各任务的实现细节。

  全书分为理论篇和实战篇。理论篇（第1～4章）梳理了计算机视觉技术的发展历史、主要任务、行业应用系统，同时简要介绍了深度学习开发框架、飞桨（PaddlePaddle）开发平台，以及深度学习的基础知识与网络模型架构。实战篇（第5～12章）结合计算机视觉的各个任务要求与技术发展，对其中经典的深度学习算法模型进行介绍。全书提供了实例代码，详解了在飞桨开发框架下各任务的模型实现过程。

  本书适合作为高等院校人工智能、计算机视觉专业高年级本科生、研究生的教材，同时可作为计算机视觉相关任务实践教程，也可当作科研工作者的参考书籍。

  ■从建模到应用、从理论到实践，实现从TensorFlow建模起步，到Android场景部署的应用示范。

  ■聚焦前沿和经典，充满创新与挑战；配备26小时高密度、大容量的同步教学视频，提供源码和数据集，让学习变得更简单。

  这是一本以项目为引领、以经典模型为主线的面向产业链的实战化教科书。全书分为九章，包含九个实战项目。以基于Android手机的智能化应用场景为项目目标，采用迭代模式，从基于TensorFlow的智能建模开始，到基于Android的应用开发结束。模型从训练到部署，设计周期长，技术要点多，复杂度高，工作量大，考验设计者的恒心与毅力。

  本书聚焦前沿、经典，充满创新与挑战；全程配备同步教学视频，26小时的高密度、大容量精华视频，让学习变得更简单。

  本书适合作为高阶实践教材、毕业设计指导教材、创新创业训练指导教材、实训实习指导教材，还适合研究生和工程技术人员学习参考。

  作者：深度学习技术及应用国家工程研究中心 百度技术培训中心 组编 薛峰 吴乐 吴志华 张文慧 杨晴虹 编著

  本书将推荐系统的理论基础与代码实践相结合，内容涵盖各类非个性化和个性化、经典及先进的推荐算法，以及工业界推荐系统的基本流程、步骤。本书可当作各高校相关专业智能推荐系统课程教材，也可当作技术人员的参考书籍。通过本书，读者可以掌握推荐系统的基本概念、评价指标，熟悉推荐系统在工业界应用的具体过程，既能了解基于传统机器学习的推荐算法，也能学习基于深度学习的前沿推荐算法，本书的最后一章带领读者熟悉推荐系统领域的核心问题和挑战。

  教育部高等学校软件工程专业教学指导委员会推荐教材，配套480分钟微课视频、课件和大纲。

  本书系统、全面地介绍了机器人感知、处理和控制的关键技术、方法和应用。本书共7章，内容有机器人的组成结构、机械装置、感知系统、处理系统、电源系统、驱动与运动控制管理系统，以及近年来在各类智能机器人系统中出现的视觉识别、路径规划和导航技术。书中还穿插了ROS、PID控制和模糊PID控制等机器人关键系统的基础知识。本书内容新颖，基础理论、应用技术与应用案例相结合，方便读者快速学习机器人知识，掌握机器人智能化技术，了解行业发展趋势。

  本书可作为高等院校软件工程、计算机、自动化、机电一体化和信息工程等有关专业的本科生教材，也可作为工程技术人员与科研工作者的参考书籍。

  全彩印刷+绝美图表+10小时脱水视频+200段定制代码+思维导图+趣味App开发+ Jupyter实训……

  本书打破数学板块的藩篱，将算数、代数、线性代数、几何、解析几何、概率统计、微积分、优化方法等板块有机结合在一起。从加、减、乘、除四则运算讲起，主要内容有：第1、2章讲解向量和矩阵的基本运算；第3章讲解常用几何知识；第4章讲解代数知识；第5、6两章介绍坐标系；第7、8、9三章介绍解析几何；第10章到第14章都是围绕函数展开；第15章到第19章讲解微积分以及优化问题内容；第20、21两章是概率统计入门；本书最后四章以线性代数收尾。

  本书内容编排上突出“图解 + 编程 + 机器学习应用”。讲解一些特定数学工具时，本书会穿插介绍其在数据科学和机器学习领域应用场景，让大家学以致用。

  为了让大家学数学、用数学，甚至爱上数学，在创作这套书时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。

  全彩印刷+绝美图表+10小时脱水视频+200段定制代码+思维导图+趣味App开发+ Jupyter实训……

  数据科学和机器学习已经深层次地融合到我们生活的方方面面，而数学正是开启未来大门的钥匙。不是所有人生来都握有一副好牌，但是掌握“数学 + 编程 + 机器学习”绝对是王牌。这一次，学习数学不再是为了考试、分数、升学，而是投资时间、自我实现、面向未来。为了让大家学数学、用数学，甚至爱上数学， 在创作这套书时，作者尽量克服传统数学教材的各种弊端，让大家学习时有兴趣、看得懂、有思考、更自信、用得着。

  鸢尾花书有三大板块——编程、数学、实践。数据科学、机器学习的各种算法离不开数学，本册《矩阵力量》是“数学”板块的第2本，主要介绍常用线性代数工具。任何数学工具想要从一元推广到多元，比如多元微积分、多元统计，都绕不开线 章内容，可以归纳为 7 大板块：向量、矩阵、向量空间、矩阵分解、微积分、空间几何、数据。本书在讲解线性代数工具时，会穿插介绍其在数据科学和机器学习领域的应用场景，让大家学以致用。

  本书读者群包括所有在工作中应用数学的朋友，非常适合于初级程序员进阶，大学本科数学开窍，高级数据分析师，人工智能开发者。

  全彩印刷+绝美图表+10小时脱水视频+200段定制代码+思维导图+趣味App开发+ Jupyter实训……

  图书简介本书是“鸢尾花数学大系—从加减乘除到机器学习”丛书中数学版块—“数学三剑客”的第三册，也是最后一本。“数学”板块的第一本《数学要素》是各种数学工具的“大杂烩”，可谓数学基础；《矩阵力量》专门讲解机器学习中常用的线性代数工具；本册《统计至简》则介绍机器学习和数据分析中常用的概率统计工具。

  本书的核心是“多元统计”，离不开第二册《矩阵力量》中介绍的线性代数工具。本书内容又可以归纳为7大板块——统计、概率、高斯、随机、频率派、贝叶斯派、椭圆。本书在讲解概率统计工具时，会穿插介绍其在数据科学和机器学习领域的应用场景，让大家学以致用。

  本书读者群包括所有在工作中应用概率统计的朋友，非常适合于初级程序员进阶、大学本科数学开窍、高级数据分析师、机器学习开发者。

  图书简介本书详细的介绍了AI领域涉及的数学基础，对于每个问题尽可能给出足够详尽的证明过程，以帮助读者深入理解智能算法的原理。本书内容涉及线性代数、高等数学、概率论、**化等多个数学分支内的重要知识点。采用公式推导、图表示例、应用举例相结合的方式，以翔实的语言、全新的视角，帮助读者理解其中的关键知识点。

  2301891038（仅限教师）。网络资源提取码: ois1经典算法，思辨相随。这是一本AI算法入门读本，让你掌握经典算法的来龙去脉

  本书较为系统地介绍了人工智能的发展历史、经典算法和前沿技术，并对算法背后的思维方法进行了哲学思辨。内容既包括经典算法（如k近邻、贝叶斯、决策树和神经网络等），又涵盖前沿技术（如深度学习、自然语言处理等）。本书所有算法均配备对应的实战项目（包括Excel版本和/或Python版本），以帮助读者在实践中理解原理。本书适合高等学校理工科或人文学科的“人工智能”通识课教学使用，也适合作为对AI有入门需求的研究生、工程师和研究人员的学习资料。

  机器学习专门研究计算机怎样模拟或实现人类的学习行为，它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的所有的领域。本书是一本机器学习的入门书，通过本书，学习者将初步理解主流的机器学习算法，并能用机器学习技术解决真实的生活中的问题。只要有本科三年级以上的数学知识，会一种编程语言，就可以掌握本书的绝大部分内容。

  TensorFlow 2机器学习实战：聚焦经济金融科研与产业的深度学习模型

  本书侧重于实证维度的经济和金融问题，以及如何用机器学习方法求解这样一些问题，通过建立相关模型得出相应的结论。这包括各种区分深度学习模型(DNNs、cnn、lstm和DQNs)、生成机器学习模型(gan和VAEs)和基于树的模型。本书内容还涵盖了经济学和机器学习的经验方法的交叉，包括回归分析，自然语言处理，和降维。本书的读者对象为本专科学生以及研究生，在经济和金融领域工作的数据科学家，公共和私营部门的经济学家，以及社会科学研究者。

  本书按照统计模式识别、句法模式识别、模糊模式识别法和神经网络模式识别法四大理论体系组织全书，其中统计模式识别是模式识别的经典内容和基础知识，模糊模式识别法和神经网络模式识别法两部分反映了模式识别学科发展的新进展，附录部分归纳了书中要使用到的概率知识、向量和矩阵运算的常用公式，以及供上机练习用的模式样本数据。本书内容由浅入深，便于教师根据不一样的情况选择教学内容。同时讲解详细，配有丰富的图表和例题，有助于读者阅读与理解。提供了习题和计算机作业，供学习时使用。本书可作为高等院校电子信息类专业高年级本科生和研究生的教材，也可供从事模式识别工作的广大科学技术人员参考。

  （1）关于实收奖品：本次奖品为“人工智能”系列图书，奖品发放方式为随机“盲盒”式。

  2月28日统一安排寄送。（3）若中奖请于3日内填写地址（详细到门牌号），过期无效！