本书通过Excel示例介绍常用的机器学习算法和数据挖掘技术。许多机器学习任务的目的是找到数据中的隐藏模式。Excel能够清楚地展示机器学习建模过程的每一步及中间结果，让你不仅知其然，还知其所以然。第1章解释用Excel学习机器学习的益处。第2～12章分别介绍线性回归、k均值聚类、线性判别分析、交叉验证、logistic回归、k近邻、朴素贝叶斯分类、决策树、关联分析、神经网络、文本挖掘。第13章总结全书内容，并为读者指出继续学习的方向。

本书主要介绍经典的机器学习算法的原理及改进，以及MATLAB的实例实现。本书内容分为三部分。*部分(第1章)是机器学习概念篇，介绍机器学习的相关概念，并且对机器学习的各类算法进行分类，以便读者对机器学习的知识框架有一个整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法。第二部分(第2章、第3章)是MATLAB机器学习基础篇，介绍MATLAB的基本使用方法，以及MATLAB集成的机器学习工具箱。MATLAB易上手的特点让使用者将更多的精力专注于算法开发与使用，而不是搭建算法实现开发平台。第三部分(第4章~第19章)是机器学习算法与MATLAB实践篇，对监督学习、无/非监督学习、强化学习三大类常用算法进行逐个讲解，包括机器学习算法原理、算法优缺点、算法的实例解释以及MATLAB的实践应用。本书适合以下读者： 对人工智能、机器学习感兴趣的读者；

本书以浅显生动的语言讲述*前沿的理念 人工智能与自适应学习将如何改变教育。当下人工智能正悄悄影响着社会生活与教育体系的各个层面，对全世界的学习与教育活动，都将产生极为深远的影响。因为人工智能，因为自适应学习，自孔子以来人类两千年历史上*次，我们可以有机会真正实现 因材施教 的伟大教育理念，跨越过去难以克服的重重阻碍，让教育真正实现 个性化 ，积极改善教学的成效， 复制 *卓越的教师，让优秀教师不再是 稀缺资源 。学校可以更有效地进行教育改革，政府部门也能用更低的成本实现教育公平。在这一刻，我们能够清晰地看到： 一次全新的教育革命正在展开！本书可作为高等院校教育学、教育技术、计算机专业高年级本科生、研究生的教材，也可作为广大教育科技工作者和教育管理者的参考用书。

脑机接口研究致力于在人类大脑与外部设备之间建立起连接通路，架设起生物智能和人工智能之间的桥梁。认知科学建立了研究认知(Cognition)和智力(Intelligence)的基本概念和科学方法论，为脑机接口对大脑的工作状态及认知活动的解读提供了理论基础。 本书从认知科学理论、探索脑认知活动的技术手段、脑机接口的代表性技术及其前沿应用四个方面系统介绍脑机接口领域的研究成果。全书内容主要来源于创作组成员多年来在认知科学和脑机接口研究领域的知识积累，不少章节内容直接来自于作者在这些领域的科研成果。创作组成员都是国内认知科学与脑机接口领域的学者，对书中的技术论述力图做到深入浅出、通俗易懂、独立完整。 本书适用于具有一般大学理工科背景的读者，可作为科学技术人员了解认知科学和脑机接口研究领域的参考书，也可作为高等院校面向

《图解机器学习》用丰富的图示，从ZUI小二乘法出发，对基于ZUI小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的MATLAB程序源代码，可以用来进行简单的测试。

从文本生成到视觉生成，当你面对AI界的新 C位 跃跃欲试却不知从何开始；当你向AIGC工具提出需求却总是得不到满意的结果，你需要一本通俗易懂、简明易学的工具书来认识它、学习它、并高效运用它！把火爆全网的AI概念转变为可切实利用的日常工具，在生活、学习、工作、创作中效率倍增。 本书从多个应用场景入手，搭配多种模态工具，将文本生成、音频生成、图像生成、视频生成等AIGC工具一网打尽。并附有各场景需求下的提示词（Prompt）大全及指令步骤，帮助读者学会提示、引导模型生成特定的语言风格或内容类型，提高AI生成内容的准确性与输出质量。

本书内容丰富，循序渐进，以数据挖掘框架为主线，系统地介绍了数据挖掘技术的基本原理、方法和实践应用，全面反映了数据挖掘的理论体系和应用的*进展。课程既讨论数据挖掘的基本理论知识和框架体系结构，又介绍了数据挖掘算法的Python实现与应用，强调了理论与实践相结合，基础知识与前沿发展相结合。本书可作为计算机数据科学相关专业高年级本科生、硕士研究生的软件挖掘教材，同时也可以作为对Python数据挖掘感兴趣读者的自学参考书。

本书是一本以AI工具DeepSeek为核心的全场景效率提升指南。全书系统解析了DeepSeek在职场办公、文案创作、数据分析、营销推广、生活管理、跨工具协作等十多个领域的深度应用，覆盖100多个细分场景。随书附赠：11课同步电子教案、140多个AI提示词、140多个案例素材效果、160多页PPT教学课件、160多分钟教学视频演示。本书从以下两条主线出发，系统、全面地介绍了DeepSeek的使用与提效技巧。技能线：涵盖DeepSeek的基本概念、手机操作方法、网页操作方法、深度思考模式、联网搜索模式、拍照识文字、图片识文字、提示词框架搭建、自然语言交互、创意文案生成、文本润色优化、多语言翻译等内容，引导读者快速上手并掌握其基础操作。应用线：涵盖招聘管理、会议记录、公文写作、数据分析、代码编写、活动策划、营销推广、SEO优化、健康管理、学习辅导、旅行规划

l 《人人都应该知道的人工智能》是斯坦福大学教授杰瑞 卡普兰继其畅销书《人工智能时代》之后的又一部重磅新作，详尽地探讨了人工智能的发展和当下面临的迫切问题。 机器在智能和体能方面的进展正在改变我们生活、工作、娱乐、寻找伴侣、教育子女，甚至照顾老人的方式，它还在颠覆我们的劳动力市场，对社会秩序进行重新洗牌，接下来的几十年里，人工智能还会肆意拉扯我们的社会结构直至被打破，未来会像《星际迷航》中那样空前繁荣与自由，还是会像《终结者》中那样爆发人与机器之间无尽的战争？《人人都应该知道的人工智能》有你想知道的一切答案。

本书介绍大量特征工程技术，阐明特征工程的基本原则。主要内容包括：机器学习流程中的基本概念，数值型数据的基础特征工程，自然文本的特征工程，词频- 逆文档频率，高效的分类变量编码技术，主成分分析，模型堆叠，图像处理，等等。

无人驾驶系统涉及的技术面非常广泛，内容繁多，种类多跨度大。现阶段而言，实现无人驾驶系统主要有两种思路：一是传统的机器人学的思路，另一种是采用深度学习的方法。这两类技术都在不断地发展，汽车公司和科技公司的无人驾驶汽车系统也往往融合了这两类技术。本书将综合这两类技术，为读者从原理到实践详细讲解应用于无人驾驶汽车系统的关键技术，为意图入门无人驾驶汽车领域的读者打好基础。阅读完本书，读者将有能力进入无人驾驶汽车这一前沿领域，进行更加深入的探索。

本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikit learn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践篇（第4~19章），对监督学习、无/非监督学习、强化学习三大类常用算法逐一讲解，包括机器学习算法的原理、算法的优缺点、算法的实例解释以及Python的实践应用。 本书适合对人工智能、机器学习感兴趣的读者，希望用机器学习完成设计的计算机或电子信息专业的学生，准备开设机器学

本书依据项目流程，首先通过“智能家居体验与实训”工程体验智能家居整体效果及项目流程，再按照人们的行为习惯逐步展开“智能灯光布局及调控、智能窗帘购置及安装、智慧影音及红外学习、智能门锁及智能识别、智能家居布防与监控”工程的体验与实训，将单项技能整合起来利用“智能家居样板操作间维护操作”完成智能家居安装调试整体实训任务，结合智能家居实际产品进行“智能家居DIY”教学与实训。

《图解语音识别》从语音识别的历史和基础知识讲起，通过图解的方式对语音识别技术进行了尽可能简单的解释。内容涉及语音学基础知识、统计模式识别、有限状态自动机、语音特征的提取、声学模型和语言模型、搜索算法和基于WFST 的语音识别技术等。 此外，本书没有将语音识别限定在 将语音转换成文本 的传统范畴内，而是在此基础上，还讲解了从语音识别技术到人机对话技术的演进过程和方法。内容涉及语义分析和语音对话系统的实现。

本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。 机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。 机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最快捷的办法还是带着机器学习的具体问题来掌握背后的数学原理。因为线性代数和概率理论使用较多，本书在最后两章集中把重要的一些概率论和线性代数的内容加以介绍，如果有需要的同学可以参考。另外，学习任何知识，动手练习加深理解的**方法，所以本书的每一章都配备了习题供大家实践和练习。

随着ChatGPT等大语言模型的迅速发展，大语言模型已经成为人工智能领域发展的快车道，不同领域涌现出各种强大的新模型。开发者想要独立构建、部署符合自身需求的大语言模型，需要理解大语言模型的实现框架和基本原理。 本书梳理大语言模型的发展，首先介绍Transformer模型的基本原理、结构和模块及在NLP任务中的应用；然后介绍由只编码（Encoder-Only）到只解码（Decoder-Only）的技术路线发展过程中对应的 BERT、GPT等大语言模型；接下来介绍大语言模型在部署、训练、调优过程中涉及的各种关键技术，如自动并行、预训练与微调、RLHF等，并提供相应的实践指导；最后以开源大语言模型BLOOM和LLaMA为样例，介绍其架构和实现过程，帮助读者理解并构建、部署自己的大语言模型。本书还提供了基于MindSpore框架的丰富样例代码。 本书适合人工智能、智能科学与技术、计

本书系统介绍基于新闻语料的俄语连续语音识别方法。全书共分以下几个部分：基于Kaldi设计实现俄语连续语音识别原型系统，使之具备在线识别和离线识别功能，以验证声学模型和语言模型优化算法的有效性，进而为面向特定领域的俄语语音识别实用系统研发提供理论方法、实验数据和关键技术支撑。为了实现上述目标，需要进行如下环环紧扣的操作步骤：俄语语音语料的采集加工处理、俄语文本语料的采集清洗过滤、俄语发音词典的自动预测生成、声学模型建模基本单元（音素集）的确定、声学模型和语言模型的优化等。