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。
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 是目前市场上最为优秀的 AI 工具之一，它以强大的信息整合、知识链接、编程和语言理解等能力惊艳了全球，被广泛用于各行各业，以提高生产力。那么如此强大的 AI 工具该怎样使用呢？ 《ChatGPT 实操应用大全（全视频 彩色版）》应运而生，这是一本关于 ChatGPT 全场景使用秘籍，为读者呈现 ChatGPT的 150种不同的使用方法和技巧，带读者深度解锁 ChatGPT的功能，释放出无限的创造力。它能够帮助用户轻松解决各种实际问题，极大地提高工作效率和生产力。不论是短视频内容创作、数据分析、日常办公、论文写作、金融投资，还是翻译、写代码等任务，本书都能够满足用户的需求。如果想要更好地利用 ChatGPT 功能，就阅读本书。本书主要涵盖 ChatGPT 的注册与登录、基本功能的使用、提示词用法、150 种应用场景、参数指令与 API 开发以及ChatGPT插件等内容，内容通
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。
工业数字化时代已经到来，基于模型的系统工程和设计已经成为工业 智 造的手段。数字化设计在汽车行业的需求体现得尤为明显，模型作为数字化设计的主线索已经贯穿于从产品概念、系统需求、软件架构、软件实现到软件组件测试、软件集成验证、系统集成验证、产品交付的各个环节。本书既从广度上重点介绍了Simulink工具平台在各个工业领域上的广泛应用，又从深度上剖析了Simulink从架构、建模、仿真、代码生成、自动化测试与验证到硬件生态建设这样一条完整的产品建设思路。 本书是面向汽车电子、航空电子、工业控制、智能家电、无人机系统、机器人控制、电力电子等多个工业领域而撰写的专业著作，可供相关行业的公司、研发团队、工程师以及高校师生参考。
本书是中国科协新一代信息技术系列丛书之一。本书内容包括知识表示、知识获取、知识应用三部分。其中，知识表示主要介绍概念表示、知识表示、知识图谱；知识获取主要介绍搜索技术、群智能算法、机器学习、人工神经网络与深度学习；知识应用涉及计算机视觉、自然语言处理、语音处理、专家系统、规划、多智能体系统与智能机器人六部分。力求将人工智能的发展脉络、技术理论、产业成果以翔实的形态展现于人前。除了必要的知识点与宽泛的知识图谱，本书还深入浅出地介绍了有关智能搜索技术、计算机视觉、语言智能、机器人等在内的不同领域的应用实践成果。本书主要面向大学非计算机类的工科专业的高年级学生与研究生，帮助学生了解人工智能的发展过程与基本知识，熟悉人工智能产业的发展现状与市场需求，培养人工智能应用能力。同时，
作者对计算机的运算和人脑思维的过程进行了比较研究,具有高度的前瞻性,为机器人研究指明了方向。《计算机与人脑》形象生动,图文并茂,对广大青少年科技创新思维具有极大启发作用.该书被誉为20世纪的天才之作。
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。
在人工智能的热潮中，也许我们一直过度关注技术的工具性，而忽视了技术的生存性。技术作为一种人类改变世界和分析世界的方法，也逐渐影响着人类对自我的认知。通过统计数据、数字模拟，人类增加了对世界的了解和控制，同时也增加了对技术的怀疑和不确定。特朗普的竞选团队曾充分利用人类对数据的怀疑进行公关。真实和虚构的分界在逐渐溶解。这一点在深伪技术中得到最好的体现。真实的数据被窃取，并用于捏造数字空间中的假象，用户开始相信假象。如果我们不立刻开始反思数字虚拟中蕴含的本质性权力，后果将是灾难性的。
本书的作者约翰 冯 诺伊曼（John von Neumann，1903 1957）是20世纪重要的数学家之一，被后人称为 计算机之父 和 博弈论之父 。 本书是诺依曼在1955 1956年为西里曼讲座而准备的未完成讲稿，是作者对过去十几年在计算机领域所做研究的一个总结性梳理。诺依曼在书中首先概述了模拟计算机和数字计算机的一些基本设计思想和理论基础，然后从数学的角度，主要是逻辑和统计数学的角度，探讨了人脑的神经系统的控制和逻辑结构，对计算机的数学运算和人脑思维的过程进行了比较研究。 本书是计算机和人工智能领域的一篇重要的原始文献，具有高度的前瞻性，为计算机的创新与发展以及机器人的研究指明了方向。
白志刚编著的《自动调节系统解析与PID整定》采用生动形象的语言，深入讲解了PID参数整定的方法和自动调节系统控制策略的制定。书中带领读者一步一步理解PID参数的含义、曲线特征和整定方法，其中还有作者总结的整定口诀，好记好用，之后，通过火电厂自动调节系统的实例，具体说明了控制策略的制定和参数整定在实践中的应用，后总结了自动调节系统外围设备的故障处理。《自动调节系统解析与PID整定》作者在自动调节系统一线工作二十多年，对自动调节系统有深刻的认识，具有非常丰富的现场经验。《自动调节系统解析与PID整定》适用于化工、矿业、冶金、仪器仪表等自动化技术人员。
9787115600820 动手学深度学习（PyTorch版） 109.80 9787115584519 动手学强化学习 89.90 9787115618207 动手学机器学习 89.80 《动手学深度学习（PyTorch版）》 本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络 多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用
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
