本书全面且深入地呈现了深度学习领域的知识体系，系统梳理了该领域的核心知识，阐述了深度学习的关键概念、基础理论及核心思想，剖析了当代深度学习架构与技术。全书共 20 章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用，同时涵盖卷积网络、Transformer 等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析，阐释其原理、算法流程及实际应用场景。对于机器学习领域的新手，本书是全面且

DeepSeek三本套装，让你从新手到高手！ 《高效使用DeepSeek》DeepSeek保姆级教程！它能指导我们每个人零基础轻松掌握DeepSeek的高效使用方法，成为使用DeepSeek的高手，走在时代的前列。作者卢森煌有多年的创业经验，是AI应用领域的资深专家，是多家500强企业的AI实施顾问，为数百家企业提供了AI应用方面的培训和咨询，本书内容是基于这些经验的总结。本书得到了北青传媒总裁、阿里云副总裁、快手副总裁等多位专家高度评价。 《DeepSeek使用指南》进阶顾问级教程！本书聚焦于DeepSeek的使用方法和技巧，直击30多个高频工作场景，通过100余个开箱即用的提示词模板，助你实现职场的弯道超车。从3分钟速出会议纪要、1键生成爆款思维导图，到悬疑剧本创作、短视频分镜设计，再到法律文书润色、学术数据可视化。无论是PPT排版 效率革命 、海报文案 灵感爆发 ，还是商

人工智能 (AI) 时代已悄然而至，然而对 AI 伦理学的研究却刚刚起步。与以往的技术革命不同，AI 有望在多个领域取代人类，但也有伤害人类的潜在风险。为防止对AI技术的滥用，我们在复杂性变得不可控之前，必须把糟糕的情况都预想到、分析到。 《人工智能伦理》从人工智能的关键内容（包括图灵测试、数据、知识、机器学习、自我意识等）出发，尽可能地用朴素的语言讲清楚复杂的概念，揭示出各种AI伦理问题以唤起读者的思考。本书基于大量真实数据，阐述了和平、合理发展 AI 技术的伦理思想，对 AI 技术可能引发的某些社会问题（如技术失业、两性平等）也做了剖析。

本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。 全书分为三部分，依次介绍语言模型的原理、应用及优化。*部分 理解语言模型（第1~3章），解析语言模型的核心概念，包括词元、嵌入向量及Transformer架构，帮助读者建立基础认知。*部分 使用预训练语言模型（第4~9章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升模型的应用能力。第三部分 训练和微调语言模型（第10~12章），探讨大模型的训练与微调方法，包括嵌入模型的构建、分类任务的优化及生成式模型的微调，以适应特定需求。 本书适合对大模型感兴趣的*、研究人员和行业从业者。读者无须深度学习基础，只要会用Python，*可以通过本书深入理解大模型的原理并上手大模型应用开发。书中示例还可以一键在线运行，

一个高中生可以创建深度的Q-learning代码来控制她的机器人，却不了解 "深度 "或 "Q "的含义，也不知道为什么代码有时会失败。本书旨在以具有微积分和矩阵代数背景的学生可以理解的方式，解释强化学习和优化控制背后的科学。本书的一个独特重点是算法设计，以获得学习算法的快收敛速度，以及对强化学习有时失败的原因的洞察。一开始就避开了高级随机过程理论，用更直观的确定性探测来代替学习的随机探索。一旦理解了这些思想，掌握植根于随机控制的技术就不难了。这些主题在本书的第二部分有所涉及，从马尔科夫链理论开始，以对强化学习的行为者批评方法的全新审视结束。

本书首先较为系统全面地介绍了高斯过程回归、高斯过程分类的基本理论及实现方法，通过丰富的算例和公开的源程序代码，读者可很容易地理解高斯过程原理并将其应用于自己的研究领域；然后，通过丰富的工程应用实例，将高斯过程机器学习方法应用于土木水利工程中边坡变形非线性时间序列预测、地下工程岩体非线性行为预测与识别、水利工程复杂系统状态预测与识别、结构可靠性分析及结构优化设计等领域。

ChatGPT和DALL-E这样的大语言模型（LLM）和扩散模型拥有前所未有的潜力。通过使用互联网上的公共文本和图像进行训练，这些模型能够为各种任务提供帮助。而且，随着准入门槛的显著降低，几乎任何开发人员都可以利用AI模型来解决以前不适合自动化的问题。 借助本书，你将在生成式人工智能方面打下坚实的基础，学会如何在实践中应用这些模型。在将大语言模型和扩散模型集成到工作流中时，大多数开发人员很难获得可用于自动化系统的可靠结果。作者James Phoenix和Mike Taylor展示了如何通过提示工程原则在生产过程中有效使用AI。

本书*且深入地呈现了深度学习领域的知识体系，系统梳理了该领域的核心知识，阐述了深度学习的关键概念、基础理论及核心思想，剖析了当代深度学习架构与技术。全书共 20 章。本书*介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用，同时涵盖卷积网络、Transformer 等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析，阐释其原理、算法流程及实际应用场景。对于机器学习领域的新手，本书是*且系统的

在过去的几年，AI获得了令人惊讶的新语言能力。在深度学习快速发展的推动下，语言AI系统比以往任何时候都能更好地编写和理解文本。这一趋势正在催生新功能、新产品，甚至新的行业。通过本书的可视化教育方式，读者将学习到现在使用这些功能所需的实用工具和概念。 你将了解如何将预训练的大语言模型用于文案撰写和摘要生成等应用场景，创建超越关键字匹配的语义搜索系统，以及使用现有库和预训练的模型进行文本分类、搜索和聚类。

数据智能是以数据为中心、以 感知用 为模式的人工智能，也可以说是以数据获取、加工、处理、分析、应用为智能特征的人工智能。数据智能包括智能感知、智能认知（机器学习）、智能控制／ 智能决策等方面，是近代人工智能研究为活跃、应用为普遍的部分。本分册主要从深度生成模型、生成式对抗网络、模型驱动深度学习、自步课程学习、强化学习、迁移学习及演化智能方面进行阐述，涵盖标准算法及精选的应用案例，总结了近年来数据智能研究的发展与成果。

这是一本聚焦人工智能应用的实用工具书，深度剖析 AI 在社会、经济以及个人生活中的多元应用。在 AI 蓬勃发展、带来巨大机遇的时代浪潮下，本书专为普通人打造，旨在传授拿来即用、切实有效的 AI 使用方法。 书中首先深入解析人工智能的基本概念，梳理其发展历程，进而着重展现 AI 在服务、医疗、金融、教育等众多行业的广泛渗透，清晰呈现 AI 如何大幅提升各行业的运作效率，创造出前所未有的发展机遇。 其次本书挑选出 AI 应用广泛的典型领域，以手把手、分步骤的方式，详细指导读者如何高效使用 AI，真正做到让 AI 为己所用，使其成为工作与生活中的得力助手。 最后本书精心整理出 489 个提示词大全，覆盖多个领域与职业角色，助力读者充分挖掘 AI 的无限潜力，有效解决普通人在职业选择、就业过程中遭遇的各类难题，全方位提升解决问题的能力。

本书基于认知神经科学视角，在系统性梳理现有研究的基础上，从传统的电商网站到电商直播、虚拟现实、智能会话代理和机器人等新型平台，再到脑机接口这一人机交互的最高阶应用，对这些数智平台的用户行为及其背后的认知机制进行探讨，并对用户在这些平台上的信息安全和隐私决策行为进行了研究。本书遵循“平台特征?机体反应?用户行为”的路径对研究现状进行梳理并构建研究框架，厘清并解读用户在这些数智平台上的交互行为，并对未来将认知神经科学方法应用于信息系统和人机交互领域可能的研究空间和前景进行探讨。本书的特色在于其内容的前沿性、交叉性和体系性以及研究方法的创新性。

本书从人工智能（AI）的发展历史讲起，介绍了目前非常热门的深度学习加速芯片和基于神经形态计算的类脑芯片的相关算法、架构、电路等，并介绍了近年来产业界和学术界一些著名的AI芯片，包括生成对抗网络芯片和深度强化学习芯片等。本书着重介绍了用创新的思维来设计AI芯片的各种计算范式，以及下一代AI芯片的几种范例，包括量子启发的AI芯片、进一步提升智能程度的AI芯片、有机自进化AI芯片、光子AI芯片及自供电AI芯片等。本书也介绍了半导体芯片技术在后摩尔定律时代的发展趋势，以及基础理论（如量子场论、信息论等）在引领AI芯片创新方面发挥的巨大作用。*后，本书介绍了AI发展的三个层次、现阶段AI芯片与生物大脑的差距及未来的发展方向。 本书可供AI和芯片领域的研究人员、工程技术人员，科技、产业决策和管理人员，创投从业者和相关专业

《神经人因工程理论与应用》系统阐述了神经人因工程的产生与发展、研究内容与应用领域、研究方法和步骤。结合安全标志认知研究、VDT作业脑力负荷研究、网站注意力研究，不仅阐述了神经人因工程在相关领域的具体应用及*新发展趋势，还提出了交通标志认知过程模型、脑力负荷测量、网站视觉注意研究WAR框架等新理论、新模型和新方法。《神经人因工程理论与应用》不仅能够给相关研究者启发，也进一步促进了神经人因工程的应用与发展。

本书对所有主要的深度学习方法和最新研究趋势进行了深入探索。全书分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。本书特别注重学术前沿，对包括胶囊网络在内的当前最新成果进行了细致的讨论。全书构建了一套明晰的深度学习体系，同时

机器学习经典教程套装2册：机器学习 机器学习公式详解

本书以空间机器人抓捕空间非合作目标为对象，详细介绍了抓捕前、抓捕中、抓捕后的相关理论与方法，内容包括：抓捕前的非合作目标的智能识别、运动观测、运动预测、近距离交会、姿态演化、主动消旋等，抓捕中的空间机器人无扰路径规划控制技术及几种抓捕策略，抓捕后的非合作目标惯性参数辨识技术、卫星组合体消旋及姿态快速稳定控制技术。另外还详细介绍了空间机器人关节柔性及摩擦建模、容错控制、追逃博弈等。本书内容是作者多年来在空间机器人技术方面的研究成果汇总，具有系统性和新颖性。

本书是对《Xilinx Zynq-7000嵌入式系统设计与实现：基于Arm Cortex-A9双核处理器和Vivado的设计方法（第二版）》一书的一次重要修订，全书共包含30章，主要内容包括Xilinx Zynq系列SoC设计导论、AMBA规范、Zynq-7000系统公共资源和特性、Zynq-7000调试和测试子系统、Cortex-A9处理器指令集、Cortex-A9片上存储器系统结构和功能、Zynq-7000 SoC的Vivado基本设计流程、Zynq-7000 GPIO原理和控制、Cortex-A0异常与中断原理和实现、Cortex-A9定时器原理及实现、Cortex-A9 DMA控制器原理和实现、Cortex-A9安全性扩展、Cortex-A9 NEON原理和实现、Zynq-7000的可编程逻辑资源、Zynq-7000的互联结构、Zynq-7000 SoC内 简单AXI-Lite IP、Zynq-7000 SoC内 复杂AXI Lite IP、Zynq-7000 AXI HP数据传输原理和实现、Zynq-7000 ACP数据传输原理和实现、Zynq-7000软件与硬件协同调试原理和实现、Zynq-7000 SoC启动与配置原理和实现、Linux开发环境的构建、Zynq-

本书对所有主要的深度学习方法和**研究趋势进行了深入探索。全书分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。本书特别注重学术前沿，对包括胶囊网络在内的当前**成果进行了细致的讨论。全书构建了一套明晰的深度学习体系，同时各章内