《AI通识课12讲：走进人工智能》是一本革新认知的AI科普读物！作者以从深蓝到GPT 的跨越式发展为引，手把手拆解大语言模型如何学习、推理与创作。全书以12 讲硬核通识课串联起AI感知、交互、脑机接口、量子计算等关键技术，同步解析AGI 和ASI 颠覆性趋势对教育、就业及社会结构的冲击。书中案例丰富，从AI 绘画速成到游戏开发实战，再到AI 辅助教学，既提供 用AI 提效 的落地工具，又启发 与AI 共存 的深度思考。 本书特别适配青少年 AI 学习三阶段：从零基础了解 AI 的神奇，到掌握底层运 行原理，再到解锁跨学科应用，家长和教师也能从中获取 AI 教育的相关知识。翻 开本书，掌控人机协作时代的生存法则！

Josh Starmer博士在YouTube的账号 StatQuest 视频总观看量突破7000万次（2024年11月统计的数据），他帮助全世界各行各业的人赢得数据科学竞赛、通过考试、顺利毕业、成功求职或实现晋升，因此被大家誉为 硅谷的守护神 。他那独特的图文表达形式和幽默的语言风格深受观众喜爱，这本《StatQuest图解机器学习》结合了他创新的视觉呈现方式，深入浅出地阐释了机器学习的基础和高阶知识，是一本轻松理解机器学习的 漫画书 。本书前3章着重介绍了机器学习的整体框架和核心思想，自第4四章起，逐一探讨了各种机器学习算法：从基础的线性回归（第4章）和逻辑回归（第6章）到朴素贝叶斯（第7章）和决策树（第10章），最后介绍了支持向量机（第11章）和神经网络（第12章）。随着读者学习的深入，第5章、第8章和第9章分别介绍了机器学习的进阶知识和实用技巧，如梯度下

本书系统地讲解了大模型技术、训练算法（包括强化学习、RLHF、GRPO、DPO、SFT与CoT蒸馏等）、 微调与对齐、效果优化及其实践。全书以大语言模型（LLM）为主线，绝大部分内容也适用于多模态大模型（VLM 和MLLM）。本书面向AI算法与工程领域的从业者、相关专业的学生，以及希望深入了解大模型技术、拥抱AI与大模型浪潮的跨行业读者。

深度学习和大模型技术在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、大模型、AIGC、模型工程实现、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。 本书既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本科生、研究生、博士生阅读，帮助建立深度学习推荐系统的技术框架，通过学习前沿案例，加强深度学习理论与推荐系统工程实践的融合能力。

本书是关于如何从零开始构建大模型的指南，由畅销书作家塞巴斯蒂安 拉施卡撰写，通过清晰的文字、图表和实例，逐步指导读者创建自己的大模型。在本书中，读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练，以及定制特定任务的微调。此外，本书还将探讨如何利用人工反馈确保大模型遵循指令，以及如何将预训练权重加载到大模型中。

本书将从强化学习最基本的概念开始介绍，将介绍基础的分析工具包括贝尔曼公式和贝尔曼最优公式，之后会推广到基于模型的和无模型的强化学习算法，最后会推广到基于函数逼近的强化学习方法。本书强调从数学的角度接引入概念、分析问题、分析算法。并不强调算法的编程实现，因为目前已经有很多这方面的书籍，本书将不再重复造轮子。 本书面向对强化学习感兴趣的本科生、研究生、研究人员和企业研究所从业者。 它不需要读者有任何关于强化学习的背景，因为它会从最基本的概念开始介绍。如果读者已经有一些 强化学习的背景，这本书也可以帮助他们更深入地理解一些问题或者带来新的视角。 本书要求读者具备一定的概率论和线性代数知识。本书的附录中包含了一些必需的数学基础知识。

本书共12章，围绕大语言模型基础理论、预训练、指令理解、模型增强和模型应用五个部分展开：第一部分介绍大语言模型的基础理论；第二部分介绍大语言模型的预训练，包括大语言模型预训练数据和分布式训练；第三部分介绍大语言模型如何理解并服从人类指令，包括有监督微调和强化学习；第四部分介绍大语言模型增强技术，包括多模态语言模型、大模型智能体和检索增强生成；第五部分介绍大模型应用，包括大模型效率优化、模型评估和应用开发。

本书聚焦生成式人工智能的崛起与发展，全面剖析大模型的技术原理、产业影响和社会意义。全书分为四篇：背景篇解读大模型发展历程中的里程碑事件；技术篇探讨大模型训练与应用技术中的关键挑战及应对策略；产业篇关注大模型为千行百业的数字化转型与高质量发展带来的积极作用，并指明潜在问题；社会篇则从跨学科视角及人类命运的高度，反思大模型及人工智能技术对人类社会发展的长期影响。 本书旨在呈现大模型时代的多维图景，启发读者深度思考。本书既适合人工智能及相关行业的技术人员和管理者阅读，也适合政府机关及企事业单位的工作人员和研究者参考，还可以作为对大模型感兴趣的普通人群的通识读本。

本书在状态空间理论的统一框架下系统深人地介绍了预测控制的滚动优化原理、算法和闭环性能。首先通过本科生熟悉的状态空间模型建立起预测控制从原理到算法和性能分析的每一个细节。然后，介绍了阶跃响应模型和脉冲响应模型的状态空间描述，给出了与传统卷积描述的一致性。据此，遵循预测控制的三个步骤“预测系统未来动态-求解优化问题-解的第一个元素作用于系统”和“滚动时域、重复进行”机制推导了无约束的动态矩阵控制(DMC)和模型算法控制(MAC)，分析了闭环性能，给出了闭环稳定性的分离原理。然后，依次讨论了时滞预测控制、约束预测控制、非线性预测控制，以及稳定性和鲁棒性研究的最新进展。最后，介绍了基于滚动优化原理的滚动时域估计和基于现场可编程门阵列(FPGA)的预测控制器实现技术。

本书是媒体从业者结合自身实践经验编写的AIGC实操手册，帮助读者尤其是媒体从业者从专业角度掌握复杂技术世界中的运行法则，塑造先进的媒介技术观，深入了解并合理使用AIGC。 全书内容涵盖AIGC的基础概念、实践案例、项目管理、风险管理等方面，分五大部分：第一部分为AIGC理论简述；第二部分对目前国内主流大模型的使用场景与案例进行了梳理和展示；第三部分着眼媒体项目规划、资源分配、团队协作等方面，详细介绍在媒体生产传播和运营中应用AIGC的实操方法与工作流程；第四部分归纳分析了AIGC在媒体应用中可能存在的风险点；第五部分对AIGC的未来发展与应用进行展望。

本书根据李宏毅老师 机器学习 公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括 BERT 和 GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶算法. 在理论严谨的基础上，本书保留了公开课中大量生动有趣的例子，帮助读者从生活化的角度理解深度学习的概念、建模过程和核心算法细节.

内容简介本书是AI时代法律人和法律机构的生存指南，它从业务角度全面总结了法律人如何使用AI提升工作效率，以及律所等机构如何使用AI提升运营效率；它从技术角度详细讲解了如何构建法律行业的垂直大模型、知识库和智能体。它由中国领先的法律科技企业新橙科技（iCourt）官方出品，是iCourt的CEO带领团队核心成员总结的iCourt在AI领域的理论研究成果和实战经验。全书内容分为五个部分：第一部分（第1章） AI带来的影响与应对措施从法律人的视角介绍了AI大模型的基础知识，以及AI在法律领域的应用趋势和场景。从宏观角度深入探讨AI对法律行业带来的积极影响和消极影响。最后部分为法律行业从业者和法律机构应对 AI 带来的变革提供相应策略。第二部分（第2~6章）AI 助力法律人提升工作效率围绕类案检索、案情分析、法律咨询、法律文书写作、合同审查等法

本书生动地讲述了底层视觉的发展历史，总结了人工智能前沿的最新成果，揭示了高清大片背后的科学奥秘，展现了实事求是和永无止境的科学家精神。 同时，附有作者的科研感悟和心路历程，富有启发性。 本书适合理工科专业的大学生和研究生、科研人员，以及人工智能爱好者阅读。

《立心之约 中学生AI微课十讲》是关于人工智能（AI）是什么、研究什么及其应用与发展现状的科普读物，分十讲进行编写：第一讲，人工智能的现状、趋势与战略；第二讲，机器眼中的大千世界 计算机视觉；第三讲，语言与机器的火花碰撞 自然语言处理；第四讲，认知科学与AI世界的邀约 认知推理；第五讲，机器自我成长进步 机器学习；第六讲，未来生活离不开的伙伴 智能机器人；第七讲，机器世界不孤单 多智能体；第八讲，机器生活的世界 物理世界仿真模拟；第九讲，舞动科技的音符 人工智能音乐；第十讲，人工智能在北大。 《立心之约 中学生AI微课十讲》可作为人工智能的的科普读物，也可作为中学校本课教材或大学通识教育课教材。

本书系统介绍了视觉 SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。此外，我们还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。本书可以作为对 SLAM 感兴趣的研究人员的入门自学材料，也可以作为 SLAM 相关的高校本科生或研究生课程教材使用。

人工智能是新一轮科技革命和产业变革的重要驱动力量，给人类的生产和生活带来了深刻变化。本书系统阐述了AI(人工智能)在工业、交通、医疗和教育等众多领域的应用，全面讨论了智能时代下人与AI的新型人机关系中的关键问题。本书提出人与AI的功能分配应遵循 以人为中心 、 优势互补 和 可持续发展 的原则，强调了人与AI的双向理解对于人机协作的重要性，并提出人对AI的单向信任正在向双向动态信任转换。最后，本书还讨论了人与AI的新型人机关系中伦理和法律框架。

本书深度剖析人工智能领域的最新趋势及其对未来的潜在影响，特别是聚焦于欧盟在这一领域的政策动向、监管措施和立法进展。书中详细阐述欧盟对于算法的通用监管策略，展示其在构建伦理监管环境方面所取得的最新成就，并提供对欧盟道德法规与可信赖人工智能的宏观洞察。 内容不仅涵盖科学信息技术的基础概念阐释，还深入探讨欧盟机构层面的立法、监管以及政策制定活动。同时，对人工智能伦理框架进行全面分析，探讨不同的监管手段，并介绍独特的横向解决方案。此外，本书还系统地梳理了人工智能在重要社会经济领域所适用的部门法规。

本书从模型的结构和数据基础两个方面解构大语言模型，以便帮助读者理解和搭建类似ChatGPT的系统。在模型的结构方面，大语言模型属于深度神经网络，其设计核心是注意力机制，因此，本书涵盖了多层感知器、卷积神经网络和循环神经网络等经典模型。在模型的数据基础方面，本书既涉及模型训练的工程基础，如反向传播，又涉及数据的使用方式，如迁移学习、强化学习，以及传统的监督学习和无监督学习。此外，本书还阐述了如何从计量经济学和经典机器学习模型中汲取灵感，以提高模型的稳定性和可解释性。 本书既适用于希望深入了解大语言模型、通过人工智能技术解决实际问题的读者，也适合作为高等院校计算机及相关专业的师生参考用书。

本书按照人工智能历史上的热点迁移顺序，将主体内容分为推理、知识和学习三个部分进行章节组织，系统介绍人工智能的基本原理和方法。在各章内部，按照基本概念、算法模型和应用设计逐步深化提升。具有启发性强、系统性好、注重实用、贴近前沿等特点。配套提供讲解视频、习题答案、实践代码和思维导图等教学资源。

本书以智能博弈对抗为主线，聚焦技术进展、紧盯研究前沿，分为理论方法、应用实践、前沿展望三大部分。理论方法着重介绍智能博弈对抗的理论、相关基础方法；应用实践针对当前三类典型智能博弈对抗系统平台，提出人工智能程序设计思路并进行设计实现；前沿展望分析当前智能博弈对抗领域的前沿元理论，探讨智能博弈对抗的典型应用场景。

制造业是我国国民经济主体和国家综合实力的根本保障。本书从国家战略需求出发，对国内外制造强国战略进行深入调研，在此基础上力图厘清制造业特别是高端制造业以及机器人、智能制造技术发展的新需求、新特点、发展瓶颈等，提出机器人与智能制造的科学挑战、优先发展方向、关键核心技术。本书还以航空、航天、航海等若干典型高端制造业为例，研究机器人与智能制造技术和行业发展瓶颈的关系，提出促进机器人与智能制造前沿领域发展的政策建议。

本书稿具体分为以下几个部分展开对人工智能与教育现代化的论述：一、绪论，即人工智能推动教育变革、对人工智能的反思与追问、人工智能助力实现教育现代化；二、人工智能教育的源与流；三、人工智能与教育现代化的整体化发展；四、人工智能在教育现代化中的理论探索；五、人工智能在教育现代化中的应用探索；六、人工智能在教育现代化的典型案例分析；结语，人的自由全面发展：智能时代教育现代化的根本方向。

智能决策是迈向通用人工智能的必经之路。2016年，围棋智能体AlphaGo战胜韩国棋手李世石，智能决策引起人们的广泛关注；2022年底，ChatGPT火爆全球，凸显出大模型的价值。可以预见，神经网络大模型将进一步推动智能决策在自主学习和应用范围上的突破。本书围绕智能决策领域涉及的基本方法与技术展开介绍，主要内容包括：智能决策与智能体的基本概念，智能体所处环境的分类与建模，确定环境下智能体的搜索推理决策方法，不确定环境下决策策略强化学习方法、博弈学习方法，复杂策略的深层神经网络建模与应用，以及网格世界游戏、“雅达利”游戏、围棋对弈、“星际争霸”即时战略对抗游戏、陆战对抗等实例下智能体的决策策略生成技术和部分Python代码实现。

本书是关于如何从零开始构建大模型的指南，由畅销书作家塞巴斯蒂安·拉施卡撰写，通过清晰的文字、图表和实例，逐步指导读者创建自己的大模型。在本书中，读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练，以及 特定任务的微调。此外，本书还将探讨如何利用人工反馈确保大模型遵循指令，以及如何将预训练权重加载到大模型中。

随着人工智能的飞速发展，人工智能赋能教学取得长足发展。本书通过对国内外人工智能教育应用案例的分析，阐明多模态学习分析、适应性反馈、人机协同等正成为当下人工智能教育的主要应用范畴。人工智能依据学情感知对学习做出智能评估和预测，可为学习者的适应性学习提供技术性支持与保障。本书还以IBM Watson系统的应用为例，阐述了人工智能教育应用与新时代育人目标相契合，正在推进学生核心能力的发展。