现今，Web3.0这一概念火爆科技圈，互联网的发展也将迎来新变革。过去，网络只是我们在现实生活中的辅助工具。现在，在这个虚拟世界丰盛的时代，人们的交流方式、消费活动甚至赚钱方法都发生了巨大变化。 本书基于这个时代背景，使用丰富的插图和案例，让你轻松读懂Web3.0。作者从虚拟货币、NFT、DeFi、DAO等新结构和新服务，阐释Web3.0给商业模式的发展带来了怎样的影响，让读者可以在Web3.0时代里大展宏图。
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。
ChatGPT是当下最新、最热门的工具、效率工具，但为什么不同的人使用效果天差地别，整体上来说：一是认知上的不足；二是方法上的不足。这正是本书要解决的问题。本书不仅让读者会用ChatGPT，更尝试让读者意识到自己需要构建一个完整的学习体系，同时本书提供构建这个学习体系的方法。有了这个学习体系，才能真正用好ChatGPT，也不止能用好ChatGPT。读者能够根据自己的需求，用好ChatGPT，既不停留在浅尝辄止，也不相信宣称的人人都能用ChatGPT赚钱。
社会科学(CSS)领域。文本详细描述了四个关键的方法，自动社会信息提取，社会网络分析，社会复杂性理论和社会模拟建模。第二版增加了许多问题和练习来强化、巩固、测试已经学习的内容，通过解决问题加深理解，并实践编写代码来实现想法。主题和特点:包含一千多个问题和练习，以及一个缩略词列表和词汇表;研究计算机和社会系统之间的异同;介绍了自动化信息提取的;探讨CSS中社会复杂性的度量、科学规律和生成理论;回顾社会模拟的方法论，涵盖变量模型和面向对象模型。
本书是机器学习入门书，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。
本书是关于AIGC（生成式人工智能）技术与作品美学定义方向的探索指南，旨在从美学定义的视角，为创作者提供审美要素、风格要素与应用方向要素的系统指导。在AIGC技术迅速发展的今天，本书强调技术仅是工具，真正的创新源于对美学的深刻理解和高水准的创意思考，我们旨在培养读者形成优秀的美学定义能力，以指导AI生成更高水平、更具深度的优质作品。 本书共8章，第一章简要介绍了AIGC的定义和发展历程等内容，第二章至第八章分别从光、材质、艺术流派、插画、游戏、女性美、流行趋势这几方面，向读者系统展示了在使用AIGC技术生成画面时，如何进行审美要素定义、风格要素定义和应用方向要素定义。 本书适合所有对 AIGC 艺术创作感兴趣的设计师、艺术家和创意工作者阅读。无论是希望提升个人创作的深度和广度，还是渴望在 AIGC 时代保持创新力和
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
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。
本书系统阐述了DeepSeek大模型架构、部署及应用实战的相关内容。从人工智能和大模型的基础理论出发，深入剖析了DeepSeek的底层技术，如Transformer架构、混合专家、动态任务分配、稀疏激活及归一化等关键技术，并详细介绍了模型训练、优化和推理的前沿方法。书中不仅展示了DeepSeek在多模态模型和推理系统中的技术优势，还提供了丰富的实战案例，涵盖了从本地部署到云端应用，再到与办公软件、开发工具和Web交互系统的无缝集成。通过理论解析与实践演示，读者将获得从模型设计到实际应用全流程的详细指导。本书非常适合人工智能领域的技术开发者、系统架构师，以及初探大模型应用的爱好者学习，也可用作高等院校相关专业的教材及参考书。
本书主要介绍了大模型的发展与演变、相关技术、应用场景、未来发展趋势和前景。本书首先回顾了大模型技术的起源和发展历程，然后介绍了数据预处理、Transformer、预训练与微调、模型推理和PyTorch框架等技术。此外，本书还通过具体的案例和实践展示了如何应用大模型技术来解决实际问题。本书旨在帮助读者全面了解大模型技术的发展与应用，并推动其在各个领域的应用和发展。 本书图文并茂，理论翔实，案例丰富，适合从事大模型开发的科研人员以及广大的开发者作为技术参考和培训资料，亦可作为高校本科生和研究生的教材。
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。
本书基于Python语言，结合实际的数据集，介绍了机器学习算法以及数据分析方法的应用。本书主要包含两部分内容，第一部分为Python机器学习入门知识：主要介绍了Python的基础内容、Numpy与Pandas库数据操作、Matplotlib与Seaborn库数据可视化、Sklearn库机器学习，以及与机器学习相关的基础知识；第二部分为Python机器学习算法应用：主要介绍了数据的回归预测分析、时间序列预测，数据无监督学习中的聚类、降维以及关联规则，数据分类模型的应用以及针对文本数据与网络图数据的机器学习算法应用。本书适合对机器学习、数据分析感兴趣的初学者学习，也可作为Python机器学习、数据分析、数据可视化的入门及进阶的教材。
本书系统地介绍了机器学习系统的设计原则和实践经验，侧重于介绍机器学习的原理、神经网络和优化器、自动差分算法、机器学习系统编程模型、控制流和数据流，异构硬件加速器的原理和编程、数据流图编译器前端、数据流图编译器后端、数据准备和增强、模型部署相关技术、分布式训练、弹性训练、联合训练和评估平台、调试和优化工具、数据隐私和安全等。在讲授的过程中，本书将根据MindSpore的自身特点，在各个章节突出讨论MindSpore的优势点，从而将MindSpore并列为与TensorFlow，PyTorch的三大框架。
《机器视觉》从逆问题的角度出发，提出了一整套关于机器视觉的研究方法，其核心是：机器视觉应该基于对成像过程的深刻理解！作为作者在麻省理工学院（MIT）所讲授的机器视觉课程的指定教材，本书已经被使用了近30年，至今仍被欧美许多著名高校所广泛使用。本书提供了一个理解现有方法和技术以及为以后的研究做准备的系统框架，其中包含了很多将机器视觉方法应用于实际问题的内容。全书共包括18章，前13章主要讲述早期视觉的内容，后5章更加关注于：解决一些更加复杂的实际问题。后，作者将各个章节所介绍的方法整合到一起，搭建了一个可以和周围环境进行交互的“眼-手”系统。书中所用到的数学方法，也都收录在后的附录中；作为内容的补充和扩展，本书还提供了丰富的练习题。 本书可以作为高等院校相关专业本科生和研究生一年级课
情感计算旨在创建一种能感知、识别和理解人类情感，并能针对情感作出智慧灵敏反应的计算系统。情感计算是实现自然化和拟人化人机交互的基础性技术和重要前提，对开启智能化、数字化时代具有重大价值。本书主要介绍了情感计算及其相关学科的发展脉络，明晰了相关里程碑节点、核心关键技术、主要科研平台和重大学术成果，提取关键性特征和指标，对下一阶段理论演化、技术走向和行业应用进行了预测。本书依托世界主流学术数据库、领先的行业数据库和案例库，综合运用文献计量分析、案例分析、元分析等方法，确保了结论的科学性和准确性。本书坚持 四个面向 ，不仅深化了情感计算的理论内涵、学科脉络和技术架构，而且强调了情感计算的实际价值和具体应用。本书所属丛书是国内第一套系统阐述情感计算发展、理论和应用的丛书，有助于读者更
随着经济水平和科学技术的不断提高，在工业制造的各行各业中逐渐使用机器视觉技术取代人工，提高生产效率并保证产品质量。由于机器视觉所具有的高效率和高精度优势，以及现代工厂对产品质量记录及可追溯性的需求，机器视觉的发展已经成为一个必然趋势，是人工智能产业中不可或缺的重要一环。本书从基础、认知、入门、进阶和实战五大模块，结合18个相应的任务，以任务实操的形式，由浅入深详细展示了机器视觉的多项功能。每个任务都设置了任务背景、能力目标、知识准备、任务实操、相关知识、思考与练习环节，实操流程清晰细致，读者能够跟着流程进行实操。具有操作性强、实用性强等特点。
《机器学习原理与Python编程实践》讲述机器学习的基本原理，使用Python和Numpy实现涉及的各种机器学习算法。通过理论学习和实践操作，使读者了解并掌握机器学习的基本原理和技能，拉近理论与实践的距离。全书共分为13章，主要内容包括：机器学习介绍、线性回归、逻辑回归、贝叶斯分类器、模型评估与选择、K-均值算法和EM算法、决策树、神经网络、隐马尔科夫模型、支持向量机、推荐系统、主成分分析、集成学习。全书源码全部在Python 3.7上调试成功，每章都附有习题和习题参考答案，供读者参考。 《机器学习原理与Python编程实践》系统讲解了机器学习的常用核心算法和Python编程实践，内容全面、实例丰富、可操作性强，做到理论与实践相结合。本书适合机器学习爱好者作为入门和提高的技术参考书，也适合用作计算机专业高年级本科生和研究生的教材或教
人工智能和机器学习受数据驱动的趋势日益明显。仿真技术不仅强大，而且魅力无穷，有望释放两者的全部潜能。本书的主要内容有：用Unity引擎和仿真技术，解决机器学习和人工智能问题。用游戏引擎合成图像训模。创建仿真环境，训练强化学习和模仿学习模型。采用PPO等高效通用算法解决基于仿真的机器学习问题。用不同方法训练多种机器学习模型。用PyTorch、Unity ML-Agents和Perception工具集，打通机器学习工具和业界标准游戏开发工具。
