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。

Transformer正在颠覆AI领域。市面上有这么平台和Transformer模型，哪些最符合你的需求？ 将引领你进入Transformer的世界，将讲述不同模型和平台的优势，指出如何消除模型的缺点和问题。本书将引导你使用Hugging Face从头开始预训练一个RoBERTa模型，包括构建数据集、定义数据整理器以及训练模型等。 《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》分步展示如何微调GPT-3等预训练模型。研究机器翻译、语音转文本、文本转语音、问答等NLP任务，并介绍解决NLP难题的技术，甚至帮助你应对假新闻焦虑(详见第13章)。 从书中可了解到，诸如OpenAI的高级平台将Transformer扩展到语言领域、计算机视觉领域，并允许使用DALL-E 2、ChatGPT和GPT-4生成代码。通过本书，你将了解到Transformer的工作原理以及如何实施Transformer来决NLP问题。 主要内容 ? 了解用于解决复杂语言问题的新技术

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。

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。

周志华老师的《机器学习》（俗称 西瓜书 ）是机器学习领域的经典入门教材之一。本书是《机器学习公式详解》（俗称 南瓜书 ）的第2 版。相较于第1 版，本书对 西瓜书 中除了公式以外的重、难点内容加以解析，以过来人视角给出学习建议，旨在对比较难理解的公式和重点内容扩充具体的例子说明，以及对跳步过大的公式补充具体的推导细节。 全书共16 章，与 西瓜书 章节、公式对应，每个公式的推导和解释都以本科数学基础的视角进行讲解，希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。 本书思路清晰，视角独特，结构合理，可作为高等院校计算机及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考

内容简介 这是一部对人工智能充满敬畏之心的匠心之作，《深入理解Java虚拟机》作者耗时一年完成，它将带你从奠基人物、历史事件、学术理论、研究成果、技术应用等5个维度全面读懂人工智能。 本书以时间为主线，用专业的知识、通俗的语言、巧妙的内容组织方式，详细讲解了人工智能这个学科的全貌、能解决什么问题、面临怎样的困难、尝试过哪些努力、取得过多少成绩、未来将向何方发展，尽可能消除人工智能的神秘感，把阳春白雪的人工智能从科学的殿堂推向公众面前。 全书共8章，逻辑上分为4个部分： 部分 人工智能的起源（第1~2章） 阐述了在人工智能学科创立之前，图灵、香农等先驱们对智能的探索和思考。首先以 人工智能之父 图灵的生平事迹为主线，介绍了图灵机、图灵测试，以及图灵对智能的思考、理解和定义；然后以达特茅斯会议为主线，

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。

本书基于学术写作的核心在于结构化的思维这一理念，全方位地介绍了如何应用 AI 辅助学术写作。AI 辅助学术写作的流程主要包括选题的确定、前言和文献综述的撰写、理论框架和研究方法的设计、研究框架与正文的组织、结论的构建、初稿的润色、标题摘要的撰写与投稿等方面。 本书力求为读者提供多样化的解决方案。这些解决方案依据不同的写作目标和策略制订，从而让读者可以根据具体需求选择。此外，本书还引导读者探索各种 AI 工具，应用好这些 AI工具有助于解决具体问题，如数据查询、参考文献管理、语言润饰等，极大地节省了学术写作的时间和精力。 无论是学生、教师、研究者，还是对学术写作有浓厚兴趣的读者，本书都能够帮助其更 好地理解人工智能在学术写作中的应用，在逻辑清晰、条理分明的框架内进行有效的学术写作，提高写作技巧，并

申报课题是高校教师和科研工作者十分重要的工作内容。 本书采用倒金字塔思路，对课题申请书进行了拆解，并系统介绍了如何利用 AI 辅助做好课题申报工作。本书第一章对课题申报进行了概述，分别介绍了各级别课题的申报公告和申请书及活页。第二章～第十二章分别介绍如何利用 AI 辅助开展课题申报的具体工作，主要有寻找选题、分析课题立项选题，以及课题论证相关部分的写作，包括研究背景写作、学术史梳理及研究动态写作、研究价值写作、阐释研究对象与框架思路写作、课题的重点难点写作、主要目标写作、研究计划及其可行性写作、其他部分写作。本书讲解全面、细致，并采用案例直观展示，方便读者学习。

《人工智能的底层逻辑》用科普化的语言介绍了搜索、计算机视听觉、自然语言处理、机器学习、多模态信息处理等人工智能系统中的基础算法和数学模型，它们是实现人工智能的基础。展示了人工智能的底层逻辑，人工智能工作的基本规律。让读者真正搞懂如何给机器装上眼睛和耳朵、如何让机器理解人类语言、如何让机器拥有知识、如何让机器懂逻辑会推理、如何使机器人的言行符合人类的规范。全书深入浅出，通俗易懂，精美的插画更增加了可读性，让读者轻松掌握人工智能本质的内核，搞懂人工智能运行的底层逻辑。

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

《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

本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。 本书包含4个部分：第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种；第四部分为无监督模型，涉及聚类、降维、概率图模型等多个方面。本书将机器学习理论和实践相结合，以大量示例和代码带领读者走进机器学习的世界，让读者对机器学习的研究内容、基本原理有基本认识，为后续进一步涉足深度学习打下基础。 本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。

当智能工具成为我们日常生活不可或缺的一部分时，我们很容易忘记人类是如何迈入数字时代并一路走来的。然而，在历史上的一段时期内，聪明的人类却在创建由简单的0和1组成的字符串时遇到了众多极大的困难。《数字革命史》正是向这段历史致敬，没有这段历程，就没有我们今日智能手机、社交网络、互联网服务和人工智能的普及。这本书讲述了人类曾面临的最严峻的挑战，并呈现了现代新技术世界的奥秘。该书围绕五个主要章节带领读者畅游数字革命史之路，探究以惊人速度相继出现的数字技术并启发今天人工智能的新挑战。

本书紧跟当下AI风口，从AI指令学习出发，详细阐述了什么是AI指令、AI指令的重要性、AI指令的模板、怎么拆解AI指令、怎么创作AI指令，以及怎么让AI指令帮助自己变现、提升工作效率等。书里既有浅显易懂的理论阐述，又有详细的案例拆解，可以让你一看就懂，一学就会，轻轻松松掌握AI使用技能，解决90%的工作、学习和生活难题。 无指令，不AI ，本书从AI的底层逻辑，讲到指令的方法论实操，是一本极具系统化、实操性强的AI指令宝典。

我们是否会被人工智能取代？我们要如何在人工智能时代下成为更好的设计师？这正是作者写这本书的目的。希望通过这本书，能为大家深入浅出地讲解现在的人工智能是什么，尤其是为没有开发经验的设计师讲解清楚人工智能的历史背景和现有技术；再结合一些人工智能和设计的案例，让大家清楚现在和未来我们能做什么、怎么做；*后通过对一些跨界设计师的采访，希望能给大家带来一些启发。

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。