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.

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

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

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

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。

在《强化学习与机器人控制》一书中，专家团队不仅简洁明了地描述了人机交互控制方案，还深入介绍了新颖的无模型强化学习控制器。本书首先简述更先进的人机交互控制方案和强化学习，然后讲解典型的环境模型，最后介绍一些更著名的参数估计识别技术。 《强化学习与机器人控制》提供了严谨的数学推理和演示，这有助于读者理解控制方案和算法。书中还描述了人机交互控制和基于强化学习控制的稳定性和收敛性分析。另外，还讨论了一些前沿话题，如逆运动学和速度运动学解决方案、神经控制以及机器人领域未来可能的发展趋势。 ● 全面介绍基于模型的人机交互控制 ● 详细研究基于欧拉角的无模型人机交互控制和 人机回圈 机制控制 ● 实际讨论机器人位置和力控制的强化学习以及机器人力控制的连续时间强化学习 ● 深入研究使用强化学习来控制

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。

移动机器人是智能机器人的重要形态之一，在各行各业都有广泛的应用前景。机器人操作系统（ROS）是无人驾驶领域所涉及的关键技术平台。本书内容将围绕移动机器人展开，首先讲解ROS的基本原理和开发方法，然后介绍智能移动机器人的控制原理与传感器应用，接下来通过丰富的案例讲解机器人视觉处理、建图导航、语音交互等核心应用的开发方法，最后通过自动驾驶场景下的综合实践提高移动机器人的开发者综合应用的开发能力，做到融会贯通。

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。

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（俗称 南瓜书 ）基于Datawhale 成员自学 西瓜书 时记下的笔记编著而成，旨在对 西瓜书 中重难点公式加以解析，以及对部分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析都以本科数学基础的视角进行讲解，希望能够帮助读者达到 理工科数学基础扎实点的大二下学期学生 水平。每章都附有相关阅读材料，以便有兴趣的读者进一步钻研探索。 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。

本书阐述经典神经网络及典型的深度学习(神经网络)方法的基本架构、算法原理及相关问题。在此 基础上,介绍 MATLAB中神经网络工具箱在神经网络、深度学习中的应用,并给出相应的应用 实例。 本书可作为高等院校相关专业的本科生、研究生及从事神经网络及深度学习方面学习及研究工作的 专业人员的参考书。

本书作为文心一言的学习指南，全面、细致地介绍了文心一言PC端和App的各项功能和使用方法，力求通过简洁明了的语言和图文并茂的形式，让读者快速掌握文心一言的各项功能。 全书共8章，首先简单介绍了人工智能发展的几个阶段及文心一言的相关研发背景；随后介绍了文心一言的基础页面及功能等内容，以及文心一言在学习、工作、生活娱乐方面的应用及相关案例；接着介绍了文心一言的插件，以及文心一言App的功能和使用技巧；最后介绍了百度旗下其他AI产品（文心一格和百度智能云 一念）的功能及使用方法。需要说明的是，本书基于文心一言v2.4.0编写，鉴于版本迭代较快，读者所用软件版本功能及表现与本书所呈现的内容可能存在差异，但并不影响阅读与学习，敬请读者注意。 本书不仅适合对文心一言感兴趣的初学者和进阶爱好者阅读，也适合对人工

机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造 k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。具体模型包括线性回归模型、K近邻模型、贝叶斯推断、逻辑回归模型、最大熵模型、决策树模型、感知机模型、支持向量机、EM算法和提升方法。 本书共 12章，绪论介绍贯穿本书的两大思维模式，以及关于全书的阅读指南；第 1章介绍一些基本术语，并给出监督学习的流程；第 2章介绍关于回归问题的机器学习方法；第 3～9章介绍关于分

本书在讲述机器视觉基本原理和基本概念的基础上，重点介绍了机器视觉系统的构成以及机器视觉技术在实际生产中的应用，有较强的参考价值。本书具体内容包括：数字图像基础、HALCON功能及应用、图像预处理、图像分割、特征提取、图像的形态学处理、图像模板匹配、3D视觉、综合项目案例分析等。 本书可作为高等学校自动化类、机电类、电子信息类、计算机类相关专业的教学参考书，也可作为工程技术人员加深理解机器视觉及其应用技术的参考用书。

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。

《人工智能的未来》作者库兹韦尔认为，2045年，人工智能将超越人类智能，储存在云端的 仿生大脑新皮质 与人类的大脑新皮质将实现 对接 ，世界将开启一个新的文明时代， 奇点 到来！那个时候，我们是谁？我们是什么？人还能称之为人吗？ 库兹韦尔把 奇点 当作一个绝佳的 隐喻 ：当智能机器的能力跨越这一临界点之后，人类的知识单元、链接数目、思考能力，将旋即步入令人眩晕的加速喷发状态 一切传统的和习以为常的认识、理念、常识，将统统不复存在，所欲的智能装置、新的人机复合体将进入 苏醒 状态。 库兹韦尔通过对人类思维本质的全新思考，大胆地预言了人工智能的未来。他坚信，未来人类一定会制造出可与人脑相媲美的 仿生大脑新皮质 。它们甚至比人脑更具可塑性，并可放置在云端，与遥远的人类生物大脑远程相连。那时，或许人工智能

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。

随着深度学习、大规模预训练模型和生成式人工智能的进展，机器学习已成为解决很多工程和科学问题的**方案。《概率机器学习》一书从概率建模和统计推断的角度系统介绍机器学习的基本概念、经典算法及前沿进展。主要内容包括概率机器学习基础、学习理论、概率图模型、近似概率推断、高斯过程、深度生成模型、强化学习等。全书从实例出发，由浅入深，直观与严谨相结合，并提供了延伸阅读内容和丰富的参考文献。

本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。 机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。 机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最快捷的办法还是带着机器学习的具体问题来掌握背后的数学原理。因为线性代数和概率理论使用较多，本书在最后两章集中把重要的一些概率论和线性代数的内容加以介绍，如果有需要的同学可以参考。另外，学习任何知识，动手练习加深理解的**方法，所以本书的每一章都配备了习题供大家实践和练习。

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。

在以 ChatGPT 为代表的 AIGC（AI Generated Content，利用人工智能技术来生成内容）工具大量涌现的今天，学习编程的门槛大幅降低。对于大部分没有编程基础的职场人士来说， VBA 这样的办公自动化编程语言比以前任何时候都更容易掌握，能够极大提高工作效率。《用ChatGPT与VBA一键搞定Excel》通过3个部分：VBA 基础知识、ChatGPT 基础知识、ChatGPT 实战办公自动化，帮助 Excel 用户从零开始迅速掌握 VBA，以 授人以渔 的方式灵活应对任何需要自动化办公的场景。简而言之，《用ChatGPT与VBA一键搞定Excel》的目标是：普通用户只需要掌握一些 VBA 的基本概念，然后借助 ChatGPT 就可以得到相应的VBA代码，从而解决具体问题。

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。

本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikit learn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践篇（第4~19章），对监督学习、无/非监督学习、强化学习三大类常用算法逐一讲解，包括机器学习算法的原理、算法的优缺点、算法的实例解释以及Python的实践应用。 本书适合对人工智能、机器学习感兴趣的读者，希望用机器学习完成设计的计算机或电子信息专业的学生，准备开设机器学