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。

《DeepSeek大模型高性能核心技术与多模态融合开发》深入剖析国产之光DeepSeek多模态大模型的核心技术，从高性能注意力机制切入，深入揭示DeepSeek的技术精髓与独特优势，详细阐述其在人工智能领域成功的技术秘诀。《DeepSeek大模型高性能核心技术与多模态融合开发》循序渐进地讲解深度学习注意力机制的演进，从经典的多头注意力（MHA）逐步深入DeepSeek的核心技术 多头潜在注意力（MLA）与混合专家模型（MoE）。此外，《DeepSeek大模型高性能核心技术与多模态融合开发》还将详细探讨DeepSeek中的多模态融合策略、技术及应用实例，为读者提供全面的理论指导与应用实践。《DeepSeek大模型高性能核心技术与多模态融合开发》配套所有示例源码、PPT课件、配图PDF文件与读者微信技术交流群。 《DeepSeek大模型高性能核心技术与多模态融合开发》共分15章，内容涵盖高性能注

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.

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。

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。

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。

当下的AI存在哪些风险？真的有可信的AI吗？ 理想的AI与现实的AI之间究竟存在哪些差距？ 如何构建人类和AI之间的信任？ 关于人工智能的炒作总是甚嚣尘上，但要得到真正可信的AI，却远比想象的要复杂得多，超级智能的时代还远没有到来。创造真正可信的AI需要赋予机器常识和深度理解，而不是简单地统计分析数据。本书勾勒了未来人工智能发展的*路线图，对当前人工智能的现状进行了清晰且客观的评估。 作者盖瑞 马库斯是人工智能领域的专家，同时还是心理学和神经科学教授，在计算机科学、认知科学、语言学、人工智能等领域都练就了相当深厚的学术功底，并敢于挑战学术界的主流观点。当整个人工智能学术界都在过分乐观地高歌猛进时，他不断撰文和发表演讲来指出以深度学习为代表的当下AI的弊端和局限性，《如何创造可信的AI》这本书

大脑如何产生新想法？思维如何产生，又是如何运作的？意识缘何形成？什么是情感、感觉、想法？如果将人类大脑看成一台机器，那么这是否有益于我们设计出能够像人一样能理解、会思考的高级人工智能 情感机器？ 情感是人类特有的一种思维方式，如果机器具备了情感，是不是就可以取代人类？ 在《情感机器》中，人工智能之父马文 明斯基有力地论证了：情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理,而有时又会转向情感的奥秘。通过对人类思维方式建模,他为我们剖析了人类思维的本质，为大众提供了一幅创建能理解、会思考、具备人类意识、常识性思考能力，乃至自我观念的情感机器的路线图。

本书从机械臂的拟人化操作机理、运动规划与任务规划、技巧迁移方法及双臂协调操作等方面系统性地阐述了机器人拟人化操作的机器学习理论与关键技术，主要内容包括：基于人臂三角形的拟人化操作基础，拟人化操作运动学，拟人化操作的运动规划与任务规划方法，基于全局避障地图的拟人臂避障方法，基于肌肉疲劳的拟人化评价指标，以及人与机器人和机器人与机器人之间的同构、异构技巧迁移方法等相关理论和实验研究。

本书阐述词法分析、文本分类、文本聚类、文本检索、垃圾邮件过滤、情感分析、个性化推荐等文本分析与文本挖掘方面的理论方法。人工智能技术与互联网的发展更是为该领域研究提出新的需求，书中相关理论和技术可以直接用于解决具体文本分析与文本挖掘的问题，也可以为进一步研究提供理论方法基础。本书包括理论、技术，既适合理论方法的学习，又适合工程实践。本书配套软件、更多案例、技术文档、配套PPT课件等请登录和查询。

本书分为8 章，内容包括时间序列分析的基础知识、时间序列预测的常用方法，以及神经网络在时间序列预测中的应用；时间序列异常检测算法的技术与框架，如何识别异常的时间点及多种异常检测方法；时间序列的相似性度量方法、聚类算法；多维时间序列在广告分析和业务运维领域的应用，利用OLAP 技术对多维时间序列进行有效处理，通过根因分析技术获得导致故障的维度和元素；智能运维领域（AIOps）和金融领域的两个应用场景。

本书旨在系统介绍人工智能与机器人研究领域的相关基础理论，同时展示国内外最新的研究成果，全书分为人工智能基础与智能机器人两大部分，共17章。第一部分主要介绍人工智能的基本概念、知识工程、确定性推理、不确定性推理、搜索技术、人工神经网络、机器学习、进化计算与群体智能、分布式人工智能等内容。第二部分主要介绍智能机器人的定义和研究领域、机器人感知、机器人定位与建图、机器人导航、机器人路径规划、多机器人系统、生物启发式方法在机器人中的应用、智能机器人设计与开发等内容。

知识图谱的发展历史源远流长，从经典人工智能的核心命题 知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，100多个基础知识点的内容，同时囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱，以及知识增强的语言预训练模型等新热点、新发展。作为一本导论性质的书，本书希望帮助初学者梳理知识图谱的基本知识点和关键技术要素，也希望帮助技术决策者建立知识图谱的整体视图和系统工程观，为前沿科研人员拓展创新视野和研究方向。 本书在技术广度和

本书主要是作者在脑-机接口(brain-computerinterface，BCI)或脑-机器人交互(brain-robotinteraction，BRI)方面的多年研究成果。该书详细地介绍BRI系统常用的脑信号产生机理和应用方法，全面地阐述以Cerobot为基本框架的非“侵入”式BRI系统结构，其中包括信号采集与处理、软件接口与混合编程、硬件设计与搭建等，并针对不同的脑电模式和机器人提供丰富的大脑与机器人交互的案例。

人工智能已经全面进入艺术领域，与许多艺术门类如电影、绘画、舞蹈、雕塑等都有不同程度的融合发展。本书涉及各艺术门类、计算机、软件工程、仿生科学等领域，立足社会需求，面向未来发展，着重解答3个问题：人工智能现在经典的艺术应用有哪些？其原理是什么？未来人工智能与艺术的融合角度和方式是什么？本书采用总分总的结构，首先介绍人工智能与艺术的历史渊源；其次按照文学、绘画、音乐、电影、戏剧、舞蹈、建筑、游戏、雕塑9个类别分别叙述人工智能的典型案例、原理和未来发展方向； 总结人工智能与艺术融合的一般范式、现存问题和可能的发展路径。 本书适合社会大众、不同门类艺术专业人员和研究者从广度、深度、专业延伸的角度掌握人工智能与艺术的发展脉络。本书也适合作为信息艺术院校、人工智能交叉学科、新文科等相关

本书主要讲解通过深度学习和机器学习知识，在金融领域的应用。如通过大数据分析获客，通过交叉信息采集分析客户的爱好和风险偏好，以及在量化投资中和客户服务中为读者提供相应的技术防范。内容涉及了深度学习技术中的 卷积网络，循环神经网络，注意力模型等，全书案例丰富，操作性强，适合有一定基础知识但想在深度学习领域继续加深实操的用户使用。

本书贯穿机械系统关键零部件智能故障诊断和智能状态监测的始终，系统介绍了机器学习、智能优化算法、设备状态信息采集及信号预处理、信号特征提取与重构等方面的知识；详细介绍了基于机器学习、深度学习和迁移学习的典型零部件智能故障诊断与监测，以及典型零部件剩余使用寿命预测的方法和应用；重点介绍了设备状态信息采集与信号预处理、信号特征提取与重构等前期工作的关键理论与技术。

戴建生编著的这本《机构学与机器人学的几何基础与旋量代数》起始于直线几何与线性代数，自然过渡到旋量代数与有限位移旋量，紧密联系李群、李代数、对偶数、Hamilton四元数、Clifford对偶四元数等现代数学基础，首次全面、深入地阐述旋量代数在向量空间与射影几何理论下的演变与推理，提出旋量代数与李代数、四元数代数以及有限位移旋量与李群之间的关联理论，展现出旋量理论与经典数学以及现代数学的内在关联，总结提炼出许多论证严密、意义明确的引理、定理与推论，由此阐述*篇 几何基础、旋量代数与李群、李代数 ，给出机构学与机器人学的几何基础与数学理论。 在第二篇 旋量系理论及机构约束与自由运动 中，运用集合论与线性代数等经典数学推导并揭示旋量系、旋量多重集及其阶数与基数的本质内涵，提出并阐述旋量系关联关系理论、零空

安德里亚斯·穆勒、莎拉·吉多著的《Python机器学习基础教程》是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中 常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的 方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。 本书适合机器学习从业者或有志成为机器学习从业者的人阅读。

如今，人工智能的迅速发展给人们的日常生活和工作带来了巨大的影响。要想让人工智能朝着人类智能的方向持续迈进，我们就应该让我们创造的硅基大脑像人类大脑一样有感知、有记忆、有决策、有行动。问题的难点在于，人类大脑由约1000亿个神经元构成，神经元间交流复杂，大脑掌管认知、意识，影响我们生活的方方面面。我们如何破解如此庞大的复杂系统的运行机制呢？ 在《心智的10大模型》中，计算神经科学家格蕾丝·林赛深入探讨了数学模型在理解大脑中的关键作用。书中通过10个数学模型，从单个神经元到复杂的神经环路，再到整个大脑的行为控制，逐步展示了数学工具如何帮助科学家理解和描述大脑的决策、感觉处理、记忆等过程。本书不仅是一部科学史，也是一本前沿的神经科学指南，为读者呈现了神经科学与数学、计算机科学的跨学科融合，启

本书共4章。每章即为一个系列，每个系列中包含数量不等的主题创意结构设计，全书采用图片为主的形式展示每个主题创意结构设计的静态资料，同时对每个作品配备二维码，通过手机扫描二维码可以浏览相关主题结构设计的动态搭建过程或者相关视频资料。通过动静结合的方式对相关机器人结构设计进行完美展示，以期读者群能够通过本书的学习掌握机器人结构设计的精髓。