机器学习是计算机科学的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面. 全书共 16 章，大致分为 3 个部分：第 1 部分（第 1～3 章）介绍机器学习的基础知识；第 2 部分（第 4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第 3 部分（第 11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等. 每章都附有习题并介绍了相关阅读材料，以便有兴趣的读者进一步钻研探索. 本书可作为高等院校计算机、自动化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.

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，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。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识中描

《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

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。

本书是360集团创始人、 红衣大叔 周鸿祎全面解读AI现状、挑战与未来的力作。作者从AI发展的历程、Sora的诞生、AI革命性影响、大模型发展趋势、大模型发展安全、GPT的变革、大模型创业，以及硅基生命对碳基生命的挑战等诸多方面阐述了自己的观点和思考。作者认为，发展AI要跳出产品层面，对企业来讲，要部署一个私有化的通用大模型，并寻找一些特殊的场景，训练垂直大模型，把垂直大模型通过智能体框架同公司的数字化业务相结合；对于个人来讲，无须过分担心AI创新所带来的新挑战，大模型的能力再强大，也依然是一个强有力的生产力工具，不妨用自己的创造力去激发人工智能的创造力。

本书通过近百个实际的研究案例，详细介绍了研究人员如何让ChatGPT成为一位称职的研究助手。利用ChatGPT可以完成以下几方面的工作：①确定研究主题并构建问题。②根据选择的研究问题制定和完善假设。③进行文献综述，覆盖系统综述的所有步骤。④选择适当的研究设计和相应的方法论。⑤开发可靠且高效的研究工具。⑥收集并处理数据。⑦解释分析定量和定性数据。⑧撰写和修改研究论文。⑨处理同行评审意见。⑩通过大众和社交媒体平台传播研究结果。以上所有任务都可以通过在ChatGPT界面中简单地输入提示词来完成。

本书适合任何想要深入了解深度学习这个迷人领域的人，您不需要具备高级数学和编程知识就可以掌握其根本原理。如果您想知道这些工具是如何工作的，并学会自己使用它们，答案尽在书中。而且，如果您已经准备好编写自己的程序，那么随附的Github存储库中还有大量补充的Python笔记本可以帮助您。 本书讲解语言通俗易懂，包含大量的的彩色插图和具有启发性的类比，以及丰富的现实世界的例子，深入地地解释了深度学习的关键概念，包括: 文本生成器如何创建新颖的故事和文章。 深度学习系统如何在人类游戏中学习游戏并获胜。 图像分类系统如何识别照片中的物体或人。 如何以对日常生活有用的方式思考概率。 如何使用构成现代人工智能核心的机器学习技术。 各种各样的智力冒险家都可以使用本书中涵盖的强大思想来构建智能系统，帮助我们更好地理

《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。

《大疆TT教育无人机从入门到精通》以大疆TT教育无人机为载体，采用Mind 图形化编程软件为无人机设计飞行程序。《大疆TT教育无人机从入门到精通》 详细讲述无人机的飞行原理、飞行安全、遥控飞行、编程飞行、编队飞行和场景应用等知识，并将 这些知识融入近100个项目式的探究活动，可使读者通过实验探究和无人机编程活动体验飞行的乐 趣。《大疆TT教育无人机从入门到精通》后讲述无人机竞赛方面的内容，包含无人机竞赛的策略以及竞赛程序设计的方法。 《大疆TT教育无人机从入门到精通》可作为小学生和中学生学习无人机的教材或参考书，也可作为无人机竞赛的指导用书，还 适合科技爱好者在自学时选用。

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.

如何从零开始，全面了解人工智能（AI）的前世今生？ 如何掌握技术，逐步实现人工智能数字化发展？ 如何抢占市场，全面发展人工智能产业和设备？ 《从零开始学人工智能》通过12个专题、170多个知识点，帮助您从AI小白变成智能高手。 《从零开始学人工智能》详细讲解了人工智能的基本知识和技术制造，再从互联网三大巨头入手，从10个方面重点介绍了在人工智能方面的产业布局，具体包括智能家居、智能手机、智能办公、智能穿戴、智能出行、智能零售和其他领域，希望帮助您快速入门，精通人工智能知识。 《从零开始学人工智能》结构清晰，不仅适合人工智能新手掌握AI的基本方法，快速了解人工智能的相关技术，更适合帮助在人工智能行业遇到瓶颈的技术研究者和企业管理者解决难题，提高自身的专业水平。

本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。 全书共15章，分为三个部分。 分为机器学习基础：第1章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者全面了解相关知识；第2~3章介绍机器学习的基础知识。 第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；第10章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。 第三部分

今天，人工智能在我们的生活中随处可见。它能推送我们喜欢的电视节目，帮助我们诊断疑难杂症，还能向我们推荐商品。因此，让我们掌握人工智能的核心算法，拥抱日新月异的智能世界吧。 与那些充斥着公式和术语的教材不同，本书利用丰富的图表、案例和习题，深入浅出地讲解人工智能的基本概念。你只需要具备高中数学基础知识，即可轻松阅读本书。读完本书之后，你将能亲手设计算法来预测银行交易风险，创造艺术作品甚至配置自动驾驶汽车。 主要内容 ●各种人工智能算法的实践场景 ●帮助决策的智能搜索算法 ●受生物学启发的算法簇 ●机器学习与神经网络 ●强化学习 与Q-learning

PyTorch是一个开源的机器学习框架，它提供了动态计算图的支持，让用户能够自定义和训练自己的神经网络，目前是机器学习领域中非常流行的框架之一。本书基于PyTorch 2.0，详细介绍深度学习的基本理论、算法和应用案例，配套示例源代码、PPT课件。 《PyTorch 2.0深度学习从零开始学》共分15章，内容包括PyTorch概述、开发环境搭建、基于PyTorch的MNIST分类实战、深度学习理论基础、MNIST分类实战、数据处理与模型可视化、基于PyTorch卷积层的分类实战、PyTorch数据处理与模型可视化、实战ResNet卷积网络模型、有趣的Word Embedding、基于循环神经网络的中文情感分类实战、自然语言处理的编码器、站在巨人肩膀上的预训练模型BERT、自然语言处理的解码器、基于PyTorch的强化学习实战、基于MFCC的语音唤醒实战、基于PyTorch的人脸识别实战。 《PyTorch 2.0深度学习从零开始学》适合深

主要内容： 深度学习的基础科学原理 自行设计和训练神经网络 隐私保护的知识，包括联邦学习 帮助你继续深度学习之旅的建议

《AI短视频生成与剪辑实战108招 ： ChatGPT 剪映》通过12个专题内容、108个实用技巧、170多分钟的教学视频，讲解了AI短视频的生成与剪辑全流程，并随书附赠了108集同步教学视频、210多个素材效果、70多个书中案例关键词、5200多个绘画关键词等。具体内容按以下两条线展开。 一是技能线：详细讲解了ChatGPT、文心一格、Midjourney的使用方法，以及3种AI短视频生成方法 文本生视频、图片生视频和视频生视频。 二是案例线：介绍了运用剪映、腾讯智影、一帧秒创、必剪、快影、美图秀秀、不咕剪辑、Runway、KreadoAI、FlexClip等多种软件，剪辑与制作各种不同案例的方法，特别是电商案例、口播视频、影视解说、房产广告等。 本书内容由浅入深，以实战为核心，适合以下人群阅读：一是摄影、视频爱好者；二是AI短视频创作者、AI爱好者；三是影视行业工作者、自媒体工作者；

《AI智能化办公：ChatGPT使用方法与技巧从入门到精通》以人工智能领域最新翘楚 ChatGPT 为例，全面系统地讲解了ChatGPT的相关操作与热门领域的实战应用。 全书共10章，第1章介绍了ChatGPT是什么；第2章介绍了ChatGPT的注册与登录；第3章介绍了ChatGPT的基本操作与提问技巧；第4章介绍了用ChatGPT生成文章；第5章介绍了用ChatGPT生成图片；第6章介绍了用ChatGPT生成视频；第7章介绍了用ChatGPT编写程序；第8章介绍了ChatGPT的办公应用；第9章介绍了ChatGPT的设计应用；第10章介绍了ChatGPT的更多场景应用。 《AI智能化办公：ChatGPT使用方法与技巧从入门到精通》面向没有计算机专业背景又希望迅速上手ChatGPT操作应用的用户，也适合有一定的人工智能知识基础且希望快速掌握ChatGPT落地实操应用的读者学习。《AI智能化办公：ChatGPT使用方法与技巧从入门到精通》内容系统，案例丰富，浅

《AI人工智能：发展简史 技术案例 商业应用(第2版)》通过 知识＋案例 两条线索展开介绍，力图帮助读者全方位、多角度地了解人工智能。 纵向知识线包括3大认识、3大价值、3大盈利模式、3种营销变化、5个时代、5大商业模式、8大技术、18个领域、8种研究成果、5种热卖商品等，针对人工智能的基本概念、发展阶段、研究价值、市场状况、基础技术、发展前景、营销应用、热门领域、影响意义、热卖商品和研究成果等内容，向读者系统化地进行介绍。 横向案例线共包含12章专题内容，详解了18个领域的50多种智能产品及其应用，内容涉及智能家居、智能安防、无人驾驶、智能社交、智能生产、工业设计、电子商务、军事航天、法律预判、智能医疗、智能营销、智能理财、新零售、餐饮服务、物流运输、农业、智能教育、企业管理、5G技术等，同时通过100多个图解、190

《AI提示工程必知必会》为读者提供了丰富的AI提示工程知识与实战技能。《AI提示工程必知必会》主要内容包括各类提示词的应用，如问答式、指令式、状态类、建议式、安全类和感谢类提示词，以及如何通过实战演练掌握提示词的使用技巧；使用提示词进行文本摘要、改写重述、语法纠错、机器翻译等语言处理任务，以及在数据挖掘、程序开发等领域的应用；AI在绘画创作上的应用，百度文心一言和阿里通义大模型这两大智能平台的特性与功能，以及市场调研中提示词的实战应用。通过阅读《AI提示工程必知必会》，读者可掌握如何有效利用AI提示工程提升工作效率，创新工作流程，并在职场中脱颖而出。 《AI提示工程必知必会》适合AI技术开发者、研究人员，在校大学生、研究生以及对该领域感兴趣的广大读者阅读和学习。

OpenCV是一个跨平台计算机视觉和机器学习软件库，也是计算机视觉领域的开发人员必须掌握的技术。本书基于Python 3.8全面、系统地介绍OpenCV 4.5的使用，并配套示例源代码、开发环境与答疑服务。 本书共分15章，主要内容包括计算机视觉概述、OpenCV的Python开发环境搭建、OpenCV基本作、数组矩阵、图像处理模块、灰度变换和直方图修正、图像平滑、几何变换、图像边缘检测、图像分割、图像金字塔、图像形态学、视频处理，以及停车场车牌识别、物体识别、运动跟踪、人脸检测等案例。 本书既适合计算机视觉与图像处理、人工智能算法的开发人员阅读，也适合高等院校和培训机构计算机视觉与图像处理、人工智能等相关专业的师生教学参考。

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。 全书的内容分为3个部分：*部分介绍深度学习的背景，提供预备知识，并包括深度学习*基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验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。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本

阅读本书，即使读者仅掌握高中数学知识，也能理解和应用强大的机器学习技术！简单来讲，机器学习是一套以算法为基础的数据分析技术，当你提供更多数据时，算法可反馈更好的结果。ML支持许多尖端技术，如推荐系统、面部识别软件、智能扬声器，甚至包括自动驾驶汽车。本书不落窠臼，示例丰富，精选的练习十分有趣，插图清晰，讲解机器学习的核心概念。 《机器学习图解》以简明易懂的方式介绍机器学习的算法和技术。本书不谈深奥的术语，只通过基本代数知识提供清晰的解释。你将使用Python构建有趣的项目，包括垃圾邮件检测和图像识别模型；还将学习一些实用技能，以清理和准备数据。 ? 分类和划分数据的监督算法 ? 清理和简化数据的方法 ? 机器学习包和工具 ? 复杂数据集的神经网络和集成方法 读者阅读本书前，**了解Python基础知识，不必了解机器

《深度学习之图像识别：核心算法与实战案例（全彩版）》全面介绍了深度学习在图像识别领域中的核心算法与应用。该书不但重视基础理论的讲解，而且从第4章开始，每章都提供了1～3个不同难度的案例供读者实践，读者可以在已有代码的基础上进行改进，从而加深对所学知识的理解。 《深度学习之图像识别：核心算法与实战案例（全彩版）》共9章：首先介绍深度学习的基础概念，包括神经网络基础知识和深度学习中的优化技术；然后系统介绍深度学习中与数据相关的知识，包括经典数据集的设计、数据集的增强，以及数据的获取、整理与可视化；接着重点针对图像识别领域，结合实战案例系统地介绍深度学习在图像分类、图像分割和目标检测3个领域的核心技术与应用；另外，还会对深度学习模型的可视化以及模型的压缩和优化进行详细介绍，为读者设计和训

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。