人工智能（AI），尤其是生成式语言模型和生成式人工智能（AIGC）模型，正以惊人的速度改变着我们的世界。驾驭这股潮流的关键，莫过于探究自然语言处理（NLP）技术的深奥秘境。本书将带领读者踏上一段扣人心弦的探索之旅，让其亲身感受，并动手搭建语言模型。本书主要内容包括N-Gram，词袋模型（BoW），Word2Vec（W2V），神经概率语言模型（NPLM），循环神经网络（RNN），Seq2Seq（S2S），注意力机制，Transformer，从初代GPT到ChatGPT再到GPT-4等一系列突破性技术的诞生与演进。 本书将以生动活泼的笔触，将枯燥的技术细节化作轻松幽默的故事和缤纷多彩的图画，引领读者穿梭于不同技术的时空，见证自然语言处理技术的传承、演进与蜕变。在这场不断攀登技术新峰的奇妙之旅中，读者不仅能深入理解自然语言处理技术的核心原理，还能自己动手，从零开始搭

如何从零开始，全面了解人工智能（AI）的前世今生？ 如何掌握技术，逐步实现人工智能数字化发展？ 如何抢占市场，全面发展人工智能产业和设备？ 《从零开始学人工智能》通过12个专题、170多个知识点，帮助您从AI小白变成智能高手。 《从零开始学人工智能》详细讲解了人工智能的基本知识和技术制造，再从互联网三大巨头入手，从10个方面重点介绍了在人工智能方面的产业布局，具体包括智能家居、智能手机、智能办公、智能穿戴、智能出行、智能零售和其他领域，希望帮助您快速入门，精通人工智能知识。 《从零开始学人工智能》结构清晰，不仅适合人工智能新手掌握AI的基本方法，快速了解人工智能的相关技术，更适合帮助在人工智能行业遇到瓶颈的技术研究者和企业管理者解决难题，提高自身的专业水平。

本书系统地介绍了强化学习的原理和实现，是一本理论扎实、落地性强的图书。 本书包含3个部分：部分为强化学习基础，讲解强化学习的基础概念和表格型强化学习方法；第二部分为强化学习进阶，讨论深度强化学习的思维方式、深度价值函数和深度策略学习方法；第三部分为强化学习前沿，介绍学术界在深度强化学习领域的主要关注方向和前沿算法。同时，本书提供配套的线上代码实践平台，展示源码的编写和运行过程，让读者进一步掌握强化学习算法的运行机制。 本书理论与实践并重，在介绍强化学习理论的同时，辅之以线上代码实践平台，帮助读者通过实践加深对理论的理解。本书适合对强化学习感兴趣的高校学生、教师，以及相关行业的开发和研究人员阅读、实践。

这是一本能指引我们每个人赢在AI时代的著作，它将教会我们在各种场景中熟练使用ChatGPT等AI工具和编写提示词，大幅提升我们的工作效率，让我们实现AI普惠，成为AI高手。 ?本书的几位作者都是AI领域的技术专家和应用布道者，本书是他们丰富实践经验的总结。阅读本书，你将获得以下知识和技能： ?认识AICC将给社会和个体带来的深刻影响及其背后的本质，包括AIGC如何引发生产效率革命、如何重新定义脑力劳动、如何调整社会分工、如何重新分配社会价值等； ?ChatGPT/GPT-4、文心一言、Midjourney、Stable Diffusion、DALL E3等主流AIGC工具的配置、使用和选型； ?提示词（Prompt）编写的入门指南、基本原则、黄金公式和进阶技巧； ?AIGC辅助文案写作、文稿翻译、数据分析、邮件撰写、PPT制作、工作总结、知识整理、图片生成等； ?程序设计、艺术设计、游戏开发与设计、自媒

本书从现代科技伦理的隐喻 黑镜 出发，系统而深入地剖析全球人工智能伦理与治 理发展的理论根源、人工智能落地应用场景中的伦理问题以及全球视野下的人工智能治理 问题。书中既包括对传统西方伦理学的形而上学的研究，也包括人工智能有关实践案例和 国际政策的解读。本书的目的不仅仅是对人工智能伦理和治理问题进行学术性梳理，而更 在于寻求解决真实世界中人工智能伦理与治理问题的路径，是一部在理论和实践层面都非 常有意义的专著。本书不仅讨论技术伦理涉及的伦理学、政治经济学、哲学和社会学等人 文科学思想，还涉及计算机科学、生物学以及医学等自然科学框架，利用跨学科思维深入 探讨如何在人工智能时代形成伦理共识和建立智能社会治理规则，以期帮助智能经济参与 者、人工智能研究和应用开发领域的专业人员以及公共管理决策者

本书强调 把 AI作为方法 (AI即 Artifcial Intelligence，人工智能)这一核心理念，旨在引导读者掌握与 AI对话的关键技巧，并将AI融入工作和生活真正体验 AI带给人类的*与便捷。 本书从技术的发展规律人手，探讨了把AI作为方法的*然性和*要性，进一步剖析了算法与哲学在内在逻辑上的贯通性。此外，本书通过丰富多样的案例展示了 AI的强大魅力，通过一系列 召唤术 帮助读者运用AI创造性地完成各种各样的任务，在这个过程中体验和掌握运用AI的核心技巧。 本书适合对 AI有研究兴趣、有使用需求、有产品研发需求或有投资意向的读者阅读。读者可扫描文中的二维码了解本书所介绍的与AI交互的秘诀。

随着近几十年来技术的飞速发展，人机交互技术的地位越来越重要。本书目的是建立以信息流（包括输入、处理、输出过程）交互为基础的人机交互设计与评价思想体系，主要内容包括：人的感觉特性，人的情境认知特性，人的控制特性，人的行为信息分析，以及设计及评价方法、专题研究。

《从掷骰子到人工智能：趣谈概率》一书极具启发性，学习概率统计的入门书，书中介绍的著名趣味概率问题包括赌博点数分配问题、赌徒谬误、高尔顿钉板、几何概型悖论、酒鬼漫步、德国坦克问题、博士相亲、中国餐馆过程等。通过讨论这些简单有趣的例子，让读者了解概率统计中的重要概念，诸如随机变量、期望值、贝叶斯定理、大数定律、中心极限定理、马尔可夫过程、深度学习等等。概念的引入思路清晰，重要知识有拓展，许多重要概念和理论都有直观的解释和应用场景。让年轻人从游戏和趣题中学到知识，吸引他们踏进基础科学、人工智能、信息技术的大门。

本书是揭示大语言模型背后技术奥秘的 金钥匙 ，从宏观到微观全方位解读AI创新世界，帮助读者释放创造力、解放生产力、提升技术力。 本书的第1章和第2章聚焦大语言模型本身以及提示工程的兴起，能够让读者对大语言模型技术的发展背景、概念以及应用场景等有较为全面的了解。第3章，则是结合当下火热的AIGC话题展开介绍，为读者提供AIGC图像生成的实战体验，帮助读者快速上手，更好地感受和理解当前AIGC和提示工程的强大威力。第4章和第5章，从实操角度为读者提供丰富的提示工程基本技巧和进阶技巧，并探索大语言模型的高阶玩法，如编程、插件、函数调用等，帮助读者解锁大语言模型深层次的应用潜力。第6章、第7章和第8章，针对提示工程在搜索、Microsoft 365，以及法律、金融、医疗等多个领域及行业的具体应用展开介绍。 本书的每一章都

机器人根据完成任务的不同，配置的传感器类型和规格也不同。本书在系统阐述现代机器人常用的各类内部传感器和外部传感器的原理与应用的基础上，重点介绍了机器人视觉系统、导航系统，移动机器人传感系统，焊接机器人传感系统的设计方法。针对机器人所处环境的不同，详细讲解了每种机器人传感器配置的类型、测量信息、位置及数量等内容。在具体的应用中，详细阐述了智能机器人对传感配件的要求，如：传感器的精度问题、传感器抗干扰能力、传感器安装问题等。 本书可供从事机器人设计与制造相关工作的技术人员使用，也可供高校机电一体化、自动化和电气专业的师生学习参考。

本书从深度学习基础理论和MATLAB机器学习工具箱开始，由浅入深地介绍主流深度学习技术在多个特定工程领域的技术实践。在广泛的场景中为读者提供有价值的理论建模、数据生成以及网络结构设计的方法与技术，这些知识将带领读者探寻深度学习技术的本质，并教会读者适当地使用这类技术解决自己的研究问题。 本书结合作者多年从事MATLAB商用工具箱设计的丰富经验，专门针对从事实际工作的工程师撰写，覆盖深度学习的技术细节，告诉我们深度学习集技术、科学和艺术于一体，涉及统计、矩阵、算法、优化、编程、分布式计算和安全等多个领域。本书出版后，好评如潮，获得相关领域内众多学者和工程师的关注。

本书基于PyTorch框架，用通俗易懂的语言深入浅出地介绍了强化学习的基本原理，包括传统的强化学习基本方法和目前流行的深度强化学习方法。在对强化学习任务建模的基础上，首先介绍动态规划法、蒙特卡洛法、时序差分法等表格式强化学习方法，然后介绍在PyTorch框架下，DQN、DDPG、A3C等基于深度神经网络的大规模强化学习方法。全书以一个扫地机器人任务贯穿始终，并给出具有代表性的实例，增加对每个算法的理解。全书配有PPT和视频讲解，对相关算法和实例配有代码程序。 全书共分三部分： 和第二部分（第1～8章）为表格式强化学习部分，着重介绍深度强化学习概述、环境的配置、数学建模、动态规划法、蒙特卡洛法、时序差分法、n 步时序差分法、规划和蒙特卡洛树搜索； 第三部分（第9～14章）为深度强化学习部分，着重介绍深度学习、PyTorch与神经网

本书巧妙地将Python语言与人工智能知识结合在一起进行编排，使读者既能全面学习Python编程语言，又能系统了解人工智能基本原理并深入掌握人工智能特别是新一代人工智能关键技术，同时配有丰富的教学案例和前沿热点应用，每一个知识点都有对应Python语言实现。 全书共分为9章。第1章主要讲解人工智能的发展历史、驱动因素以及关键技术等。第2章为Python编程语言，系统介绍Python的语法规则、数据类型、程序结构及文件操作和图形化编程等。第3章为概率统计基础，是人工智能的理论基础。第4章为*化方法，解释人工智能算法本质问题。第5章深度学习与神经网络是本书的重点章节，该章对当前基于深度学习的多层神经网络，如卷积神经网络、递归/循环神经网络、长短期记忆神经网络等进行全面、深入的讲解。第6章TensorFlow深度学习，重点介绍深度学习开源框架Tens

人工智能时代一种全新的技术——Agent正在崛起。这是一种能够理解自然语言并生成对应回复以及执行具体行动的人工智能体。它不仅是内容生成工具，而且是连接复杂任务的关键纽带。本书将探索Agent的奥秘，内容包括从技术框架到开发工具，从实操项目到前沿进展，通过带着读者动手做7个功能强大的Agent，*解析Agent的设计与实现。本书*展望了Agent的发展前景和未来趋势。 本书适合对Agent技术感兴趣或致力于该领域的研究人员、开发人员、产品经理、企业负责人，以及高等院校相关专业师生等阅读。读者将跟随咖哥和小雪的脚步，踏上饶有趣味的Agent开发之旅，*接触GPT-4模型、OpenAI Assistants API、LangChain、LlamaIndex和MetaGPT等*技术，见证Agent在办公自动化、智能调度、知识整合以及检索增强生成（RAG）等领域的非凡表现，携手开启人工智能时代的无限可能，在

这是一部深度讲解如何在Linux操作系统环境下用软件虚拟出一台 物理 计算机的著作。 两位作者都是百度的资深技术专家，一位是百度的主任架构师，一位是百度智能云的副总经理，都在操作系统和虚拟化等领域有多年的实践经验。 本书从计算机体系结构、操作系统、硬件等多个方面深度探索了如何从CPU、内存、中断、外设、网络5个维度去虚拟化Linux系统，不仅剖析了其中的关键技术原理，而且深入阐述了具体的实现。 全书共6章： 第1章：CPU虚拟化 介绍了X86架构下的VMX扩展，讨论了在VMX下虚拟CPU的完整生命周期，着重阐述了Host和Guest的切换、指令的模拟以及KVM是如何虚拟多处理器的。 第2章：内存虚拟化 讨论了操作系统如何为虚拟机呈现物理内存，结合影子页表以及EPT探讨了KVM如何完成从GVA到HPA的2层地址映射。 第3章：中断虚拟化 首先，讨论了从单核

本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。 本书随书提供了机器学习中若干重要问题的MATLAB完整解决方案，包括飞行控制、人脸识别、自动驾驶。书中所有的示例和应用程序都提供了完整的源代码。 机器学习包含大量的数学概念与理论解释。书中以清晰简洁的方式介绍了其中每个领域的数学知识，即使是并不经常接触数学理论的读者也可以轻松理解。工程领域的读者会看到这些数学知识与他们已经了解的领域技术之间的密切联系，并将学习到新的技术。 本书主要内容： 如何使用MATLAB构建机器学习应用 适用于机器学习的MATLAB

本书对因果推断相关知识进行了系统、全面的介绍，为便于学习，对大多数知识点都进行了详细的推导说明。

内容简介 这是一本从原理、算法、实现、应用4个维度详细讲解图神经网络的著作，在图神经网络领域具有重大的意义。 本书作者是图神经网络领域的技术专家，作者所在的公司极验也是该领域的领先者。本书是作者和极验多年研究和实践经验的总结，内容系统、扎实、深入浅出，得到了白翔、俞栋等几位来自学术界和企业界的领军人物的高度评价和强烈推荐。 全书共10章： 第1～4章全面介绍了图、图数据、卷积神经网络以及表示学习等基础知识，是阅读本书的预备知识； 第5～6章从理论的角度出发，讲解了图信号处理和图卷积神经网络，深入剖析了图卷积神经网络的性质，并提供了GCN实现节点分类的实例。 第7～9章全面的讲解了图神经网络的各种变体及范式、图分类机制及其实践，以及基于GNN的图表示学习； 第10章介绍了图神经网络的*新研究和应用。

《人工智能 何时机器能掌控一切》共12章，从历史、社会、哲学和人文等多学科角度审视人工智能技术的过去、现在和未来；既涵盖了逻辑运算等经典的人工智能算法，又引入了量子计算等前沿的人工智能技术；既强调了人工智能对人类生活和社会各个方面的正面促进作用，又指出了其高能耗等缺点。 通过阅读《人工智能 何时机器能掌控一切》，零基础的读者可以快速了解人工智能的概念、历史和发展趋势；略知一二的入门者可以深入学习人工智能的常用算法和技术；经验丰富的从业人员则可以通过《人工智能 何时机器能掌控一切》的多学科视角更加全面地认识人工智能对于社会和历史影响。

《智能推荐系统开发实战》基于Python 3.7编写，全书围绕推荐模型的开发实践，为读者重点介绍了各种不同类型推荐模型的开发过程及其在多种业务场景下的应用。 全书分为4篇，第1篇简单介绍了推荐系统的发展过程及从事推荐模型研发需要的数学知识；第2篇重点介绍了不同类型的推荐算法在多种应用场景下的开发实践，包括协同过滤、矩阵分解、Logistic回归、决策树、集成学习、因子分解机与深度学习模型；第3篇介绍了推荐系统的冷启动问题及效果评估方法；第4篇通过行业真实案例，如广告点击率预测、金融产品精准营销、音乐推荐、基于客户生命周期的推荐等，深入浅出、循序渐进地介绍了推荐模型开发的全过程。 《智能推荐系统开发实战》内容精练、案例丰富，实践性极强，可快速学习并上手实践，值得一读，特别适合在企业中从事推荐模型开发、数据分