周志华老师的《机器学习》（俗称 西瓜书 ）是机器学习领域的经典入门教材之一。本书是《机器学习公式详解》（俗称 南瓜书 ）的第2 版。相较于第1 版，本书对 西瓜书 中除了公式以外的重、难点内容加以解析，以过来人视角给出学习建议，旨在对比较难理解的公式和重点内容扩充具体的例子说明，以及对跳步过大的公式补充具体的推导细节。 全书共16 章，与 西瓜书 章节、公式对应，每个公式的推导和解释都以本科数学基础的视角进行讲解，希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。 本书思路清晰，视角独特，结构合理，可作为高等院校计算机及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考
Transformer正在颠覆AI领域。市面上有这么平台和Transformer模型，哪些最符合你的需求？ 将引领你进入Transformer的世界，将讲述不同模型和平台的优势，指出如何消除模型的缺点和问题。本书将引导你使用Hugging Face从头开始预训练一个RoBERTa模型，包括构建数据集、定义数据整理器以及训练模型等。 《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》分步展示如何微调GPT-3等预训练模型。研究机器翻译、语音转文本、文本转语音、问答等NLP任务，并介绍解决NLP难题的技术，甚至帮助你应对假新闻焦虑(详见第13章)。 从书中可了解到，诸如OpenAI的高级平台将Transformer扩展到语言领域、计算机视觉领域，并允许使用DALL-E 2、ChatGPT和GPT-4生成代码。通过本书，你将了解到Transformer的工作原理以及如何实施Transformer来决NLP问题。 主要内容 ? 了解用于解决复杂语言问题的新技术
本书作为人工智能专业的入门书，带领读者初步学习和实践机器学习、深度学习的算法、流程和核心技术，并介绍了系统开发及开发环境，通过图解的方式将难懂的专业术语和算法表现出来，让没有相关专业基础的读者能够轻松入门。同时，本书还介绍了一些比较常用的网站网络服务，让读者能够学以致用。本书适合人工智能领域入门读者，也适合对人工智能感兴趣的其他领域读者学习。
本书主要介绍基于视觉的YOLO框架的技术原理和代码实现，并讲解目标检测领域中的诸多基础概念和基本原理，在YOLO框架的基础上介绍流行目标检测框架。本书分为4个部分，共13章。第1部分介绍目标检测领域的发展简史、主流的目标检测框架和该领域常用的数据集。第2部分详细讲解从YOLOv1到YOLOv4这四代YOLO框架的网络结构、检测原理和训练策略，以及搭建和训练的YOLO框架的代码实现。第3部分介绍两个较新的YOLO框架 YOLOX和YOLOv7，着重讲解其设计理念、网络结构和检测原理。第4部分介绍DETR、YOLOF和FCOS在内的流行目标检测框架和相应的代码实现。本书侧重目标检测的基础知识，包含丰富的实践内容，是目标检测领域的入门书，适合对目标检测领域感兴趣的初学者、算法工程师、软件工程师等人员学习和阅读。
本书基于学术写作的核心在于结构化的思维这一理念，全方位地介绍了如何应用 AI 辅助学术写作。AI 辅助学术写作的流程主要包括选题的确定、前言和文献综述的撰写、理论框架和研究方法的设计、研究框架与正文的组织、结论的构建、初稿的润色、标题摘要的撰写与投稿等方面。 本书力求为读者提供多样化的解决方案。这些解决方案依据不同的写作目标和策略制订，从而让读者可以根据具体需求选择。此外，本书还引导读者探索各种 AI 工具，应用好这些 AI工具有助于解决具体问题，如数据查询、参考文献管理、语言润饰等，极大地节省了学术写作的时间和精力。 无论是学生、教师、研究者，还是对学术写作有浓厚兴趣的读者，本书都能够帮助其更 好地理解人工智能在学术写作中的应用，在逻辑清晰、条理分明的框架内进行有效的学术写作，提高写作技巧，并
申报课题是高校教师和科研工作者十分重要的工作内容。 本书采用倒金字塔思路，对课题申请书进行了拆解，并系统介绍了如何利用 AI 辅助做好课题申报工作。本书第一章对课题申报进行了概述，分别介绍了各级别课题的申报公告和申请书及活页。第二章～第十二章分别介绍如何利用 AI 辅助开展课题申报的具体工作，主要有寻找选题、分析课题立项选题，以及课题论证相关部分的写作，包括研究背景写作、学术史梳理及研究动态写作、研究价值写作、阐释研究对象与框架思路写作、课题的重点难点写作、主要目标写作、研究计划及其可行性写作、其他部分写作。本书讲解全面、细致，并采用案例直观展示，方便读者学习。
本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。 本书通过AI 小白 小冰拜师程序员咖哥学习机器学习的对话展开，内容轻松，实战性强，主要包括机器学习快速上手路径、数学和Python 基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积神经网络、循环神经网络、经典算法、集成学习、无监督和半监督等非监督学习类型、强化学习实战等内容，以及相关实战案例。本书所有案例均通过Python及Scikit-learn 机器学习库和Keras 深度学习框架实现，同时还包含丰富的数据分析和数据可视化内容。 本书适合对AI 感兴趣的程序员、项目经理、在校大学生以及任何想以零基础学机器学习的人，用以入门机器学习领域，建立从理论到实战的知识通道。
本书通过深入浅出的方式带领读者探索人工智能的世界。书中首先介绍了人工智能的基本概念、应用场景以及发展历程。并对神经网络、遗传算法、蒙特卡罗法、自然语言处理等人工智能技术的原理和应用场景进行了分析，并探讨了人工智能的未来发展趋势以及机遇与挑战。
本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。 本书包含4个部分：第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种；第四部分为无监督模型，涉及聚类、降维、概率图模型等多个方面。本书将机器学习理论和实践相结合，以大量示例和代码带领读者走进机器学习的世界，让读者对机器学习的研究内容、基本原理有基本认识，为后续进一步涉足深度学习打下基础。 本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。
在以 ChatGPT 为代表的 AIGC（AI Generated Content，利用人工智能技术来生成内容）工具大量涌现的今天，学习编程的门槛大幅降低。对于大部分没有编程基础的职场人士来说， VBA 这样的办公自动化编程语言比以前任何时候都更容易掌握，能够极大提高工作效率。《用ChatGPT与VBA一键搞定Excel》通过3个部分：VBA 基础知识、ChatGPT 基础知识、ChatGPT 实战办公自动化，帮助 Excel 用户从零开始迅速掌握 VBA，以 授人以渔 的方式灵活应对任何需要自动化办公的场景。简而言之，《用ChatGPT与VBA一键搞定Excel》的目标是：普通用户只需要掌握一些 VBA 的基本概念，然后借助 ChatGPT 就可以得到相应的VBA代码，从而解决具体问题。
本书先从概率论的基础讲起，然后逐步深入到概率论在机器学习中的应用，最后结合机器学习实战案例，重点介绍了概率论的概念及其在机器学习中的应用。通过本书读者不但可以系统地学习常见概率的相关知识，还能对机器学习开发有更为深入的理解。 本书共10章，涵盖的主要内容：机器学习简介；为什么机器学习需要概率论；概率的定义；集合和事件；独立性；概率的性质；常见的计算概率方法；离散型和连续型概率简介；离散型和连续型概率的期望值、方差和标准差；几种常见的离散型和连续型概率分布；条件概率；联合概率；边缘概率；贝叶斯理论；随机过程简介；马尔可夫链；隐马尔克夫模型；高斯过程；常见的机器学习Python库；机器学习分类算法和回归算法简介；概率论在分类算法和回归算法中的应用；常见的分类算法和回归算法；强化学习简介；有
未来赢家是那些利用机器的力量获得优势的人。工作场所的主导是人还是机器？ 在自动化这场游戏中，机器是助人完成任务，还是取代人类岗位？ 我们将如何以共生方式与机器一起工作？ 世界公司又是如何在这种非常特殊的关系中蓬勃发展的？ 《共生：4.0时代的人机关系》使用不同的全球化组织的案例，探讨了机构、公司、个人和教育提供者将如何在发展变化过程中与新技术无缝集成，为智能自动化、人工智能和机器人技术驱动的未来描绘了图景。
这是一本具有高中数学知识就能读懂的机器学习图书，书中通过大量程序实例，将复杂的公式重新拆解，详细、清晰地解读了机器学习中常用的微积分知识，一步步带领读者进入机器学习的领域。
本书是一本专门为职场人士编写的AI工具应用教程，精选了38款实用的AI工具，通过精心设计的案例来讲解如何运用这些工具实现高效办公的目的。第1章：主要介绍AIGC和ChatGPT的理论知识。第2章：主要介绍AutoGPT的基本知识。第3章：主要介绍ChatGPT的基本操作。第4章：主要介绍了5款文案生成的AI工具，分别为Notion AI、CopyAI、文心一言、讯飞星火、Kimi Chat。第5章：主要介绍AI工具在Excel中的应用。还介绍了7款智能处理Excel的AI工具。第6章：主要介绍了5款AI工具在PowerPoint中的应用。第7章：主要介绍了8款AI工具在绘画方面的应用。第8章：主要介绍了9款AI工具在影音方面的应用。第9章：主要介绍了两款AI工具在编辑方面的应用。第10章：主要通过综合性案例，介绍AI工具在工作中的应用。
"机器视觉是指利用相机、摄像机等作为传感器，并配合机器视觉算法，赋予智能设备具备人眼的功能，从而进行相关物件识别、检测、测量等操作的一种技术，现已广泛应用于多个领域。 本书在对机器视觉的定义、现状及组成单元等基础理论进行介绍的基础之上，从实用性角度，对Delta并联机器人机器视觉动态分拣等5个工业应用实例、铁路货车超限监测等5个交通应用实例、基于人脸识别的智能窗帘等3个其他领域应用实例进行了重点讲解，并对机器视觉技术和市场的未来发展进行了展望。 本书可供仪器科学与技术、机械电子工程、自动化等领域的科研人员和工程技术人员参考使用，也可作为高等院校测控技术与仪器、智能感知工程、机械电子工程、电子信息工程等相关专业的教学用书。 "
我们是否会被人工智能取代？我们要如何在人工智能时代下成为更好的设计师？这正是作者写这本书的目的。希望通过这本书，能为大家深入浅出地讲解现在的人工智能是什么，尤其是为没有开发经验的设计师讲解清楚人工智能的历史背景和现有技术；再结合一些人工智能和设计的案例，让大家清楚现在和未来我们能做什么、怎么做；*后通过对一些跨界设计师的采访，希望能给大家带来一些启发。
这是一本具有高中数学知识就能读懂的机器学习图书，书中通过大量程序实例，将复杂的公式重新拆解，详细、清晰地解读了机器学习中常用的数学知识，一步步带领读者进入机器学习的领域。本书共 22 章，主要讲解了数据可视化、math 模块、sympy 模块、numpy 模块、方程式、函数、*小平方法、集合、概率、贝叶斯定理、指数、对数、欧拉数、逻辑函数、三角函数、大型运算符、向量、矩阵与线性回归等数学知识。
《机器学习中的数学》是一本系统介绍机器学习中涉及的数学知识的入门图书，本书从机器学习中的数学入门开始，以展示数学的友好性为原则，讲述了机器学习中的一些常见的数学知识。机器学习作为人工智能的核心技术，对于数学基础薄弱的人来说，其台阶是陡峭的，本书力争在陡峭的台阶前搭建一个斜坡，为读者铺平机器学习的数学之路。 《机器学习中的数学》共19章，分为线性代数、高等数学和概率3个组成部分。第 1 部分包括向量、向量的点积与叉积、行列式、代数余子式、矩阵、矩阵和方程组、矩阵的秩、逆矩阵、高斯 诺尔当消元法、消元矩阵与置换矩阵、矩阵的LU分解、欧几里得距离、曼哈顿距离、切比雪夫距离、夹角余弦等；第2部分包括导数、微分、不定积分、定积分、弧长、偏导、多重积分、参数方程、极坐标系、柱坐标系、球坐标系、梯度、
本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等疑难的问题。 本书适合深度学习初学者阅读，也可作为高校教材使用。
