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.

本书将从强化学习最基本的概念开始介绍，将介绍基础的分析工具包括贝尔曼公式和贝尔曼最优公式，之后会推广到基于模型的和无模型的强化学习算法，最后会推广到基于函数逼近的强化学习方法。本书强调从数学的角度接引入概念、分析问题、分析算法。并不强调算法的编程实现，因为目前已经有很多这方面的书籍，本书将不再重复造轮子。 本书面向对强化学习感兴趣的本科生、研究生、研究人员和企业研究所从业者。 它不需要读者有任何关于强化学习的背景，因为它会从最基本的概念开始介绍。如果读者已经有一些 强化学习的背景，这本书也可以帮助他们更深入地理解一些问题或者带来新的视角。 本书要求读者具备一定的概率论和线性代数知识。本书的附录中包含了一些必需的数学基础知识。

DeepSeek 是一种基于 Transformer 架构的生成式 AI（Artificial Intelligence）大模型，融合了MoE 架构、混合精度训练、分布式优化等先进技术，具备强大的文本生成、多模态处理和任务定制化能力。本书系统性地介绍了开源大模型 DeepSeek-V3 的核心技术及其在实际开发中的深度应用。 全书分三部分共12章，涵盖理论解析、技术实现和应用实践。第一部分从理论入手，详细解析了Transformer 与注意力机制、DeepSeek-V3 的核心架构与训练技术等内容，并探讨了 Scaling Laws 及其在模型优化中的应用。第二部分聚焦于大模型初步体验、开放平台与API 开发、对话生成与代码补全的实现，以及函数回调与缓存优化（Visual Studio Code），帮助读者快速掌握关键技术的基础理论和落地实践。第三部分则通过实际案例剖析DeepSeek在Chat类客户端、智能 AI 助理、VS Code编程插件等多领域中的实用集成开发，

本书是关于如何从零开始构建大模型的指南，由畅销书作家塞巴斯蒂安 拉施卡撰写，通过清晰的文字、图表和实例，逐步指导读者创建自己的大模型。在本书中，读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练，以及定制特定任务的微调。此外，本书还将探讨如何利用人工反馈确保大模型遵循指令，以及如何将预训练权重加载到大模型中。

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

本书是一本全面探索DeepSeek大语言模型应用的实用指南，涵盖了近200个精心设计的实用案例，以 场景思维 为核心，从用户实际需求出发，系统地展示了DeepSeek如何在日常工作、学习和生活的各个方面发挥智能助手的作用。 全书共分为20章，内容丰富且有层次： （1）从基础工具使用和提示词工程入门，到内容创作、知识工作、创意设计等应用场景，涵盖了多个专业领域（医疗、金融、法律、心理）的深度应用。 （2）介绍了日常生活、创业自媒体、行业赋能的多维度实践，提供了API集成方案和30个精选高频场景的深度解析； （3）每个实例都针对特定用户群体的痛点和需求，提供了具体、可操作的解决方案，帮助读者快速掌握如何将DeepSeek融入工作流程，真正实现AI赋能。 书中不仅关注 如何使用 ，更着眼于 为何使用 和 何时使用 ，帮助读者建立对AI辅助工具的系统性

《立心之约 中学生AI微课十讲》是关于人工智能（AI）是什么、研究什么及其应用与发展现状的科普读物，分十讲进行编写：第一讲，人工智能的现状、趋势与战略；第二讲，机器眼中的大千世界 计算机视觉；第三讲，语言与机器的火花碰撞 自然语言处理；第四讲，认知科学与AI世界的邀约 认知推理；第五讲，机器自我成长进步 机器学习；第六讲，未来生活离不开的伙伴 智能机器人；第七讲，机器世界不孤单 多智能体；第八讲，机器生活的世界 物理世界仿真模拟；第九讲，舞动科技的音符 人工智能音乐；第十讲，人工智能在北大。 《立心之约 中学生AI微课十讲》可作为人工智能的的科普读物，也可作为中学校本课教材或大学通识教育课教材。

本书收录了约百道大模型工程师常见的面试题目和解答，系统、全面地介绍了与大模型相关的技术，涵盖语义表达、数据预处理、预训练、对齐、垂类微调、组件、评估、架构、检索增强生成（RAG）、智能体、PEFT（参数高效微调），以及训练与推理等内容。书中通过丰富的实例、图表及代码讲解，将复杂概念阐释得通俗易懂，是大模型领域的一本不可多得的实用指南。本书适合对大模型和Transformer等技术感兴趣的学生、研究者和工程师阅读和参考。

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.

当前，人工智能作为一项引领未来的颠覆性战略技术，已在经济、军事、社会等各领域广泛用，成为世界各国科技竞争和战略布局的重中之重。本书以人工智能的“起点、拐点、奇点、看不见的终点”为线，突出认知新思维、技术新发展、应用新构想，从人工智能前世今生、思维方法、大模型、机器学习、感知认知、人机交互、脑科学、机器人，以及无人智能作战和未来发展等多维度、多层次、多领域进行全面深入剖析。

本书是媒体从业者结合自身实践经验编写的AIGC实操手册，帮助读者尤其是媒体从业者从专业角度掌握复杂技术世界中的运行法则，塑造先进的媒介技术观，深入了解并合理使用AIGC。 全书内容涵盖AIGC的基础概念、实践案例、项目管理、风险管理等方面，分五大部分：第一部分为AIGC理论简述；第二部分对目前国内主流大模型的使用场景与案例进行了梳理和展示；第三部分着眼媒体项目规划、资源分配、团队协作等方面，详细介绍在媒体生产传播和运营中应用AIGC的实操方法与工作流程；第四部分归纳分析了AIGC在媒体应用中可能存在的风险点；第五部分对AIGC的未来发展与应用进行展望。

本书生动地讲述了底层视觉的发展历史，总结了人工智能前沿的最新成果，揭示了高清大片背后的科学奥秘，展现了实事求是和永无止境的科学家精神。 同时，附有作者的科研感悟和心路历程，富有启发性。 本书适合理工科专业的大学生和研究生、科研人员，以及人工智能爱好者阅读。

近年，人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该领域打下基础。另外，书中设有专栏和“小贴士”，介绍了相关术语的背景知识，可帮助读者扩充知识面，进一步理解相关技术。

本书从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAI GPT、清华大学GLM、Meta Llama等主流大模型的技术原理，并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术，带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建，手把手指导读者做技术选型并搭建自己的私有大模型。 本书适合人工智能领域有大模型开发需求或对大模型技术感兴趣的技术人员阅读，也适合普通用户扩展了解大模型的前沿应用。

本书基于项目化的学做方式，将一个个独立功能单元设计成学习项目，带领读者完成机器人设计与制作的入门学习。 主要内容包括：如何制作 飞毛腿 机器人、构建机器人开发平台、机器人如何用灯光表达信息、机器人如何用声音传情达意、机器人如何实现移动、机器人如何感知环境、为机器人造型、机器人需要怎样的电源系统、桌面助理机器人的设计、自主移动机器人的设计。 每个项目均是作者亲自设计制作完成，过程有效，数据可靠。 书中配有二维码，扫码即可观看视频讲解。 本书可为想学习机器人设计与制作相关知识的入门级读者、初级机器人工程师提供帮助，也可供大学院校相关专业师生学习参考。

在科技迅猛发展的今天，生成式人工智能不仅在创意产业、商业领域和教育系统中发挥着越来越重要的作用，也正在改变人们的生活和工作方式。《AIGC极简入门》以简明易懂的方式介绍AIGC的基本概念和原理，同时精选了多个实用案例，详细讲解如何在实际工作和生活中应用AIGC技术，帮助读者将知识转化为实际操作的能力。

本书聚焦3D创意设计与制作，在三维设计知识的基础上，详细讲解实体建模、数字雕刻、程序建模、作品的呈现与表达、实体造物等方法，使读者的设计能力得到启发和提高，同时本书通过STEAM、PBL等综合应用实践案例，将3D设计与电子、编程等充分融合，将造物变得更加有趣。本书配有相应的讲解视频，以便读者学习。本书适合青少年和创客使用，也可作为中小学和青少年培训机构的教学用书和学生自学辅助教材。

工业机器人作为一种高科技集成装备，对专业人才有着多层次的需求。 本书根据机器人行业发展趋势，从生产实际出发，详细讲解了工业机器人的应用基础、KUKA工业机器人的现场编程与操作、WorkVisual的编程与操作、KUAK工业机器人的运输与安装、KUAK工业机器人的调整与保养等内容。 本书实用性与可参考性强，可为从事工业机器人操作与维护相关工作的工程技术人员提供帮助，也可供普通高等院校、职业院校机电专业、机器人专业的师生学习参考。

本书系统地介绍了机器人技术与智能系统的基础知识、工作原理以及设计与应用实例。全书共分8章,主要内容有：机器人的定义与分类，机器人的基本组成、技术参数、移动机构和传动机构，机器人的液压驱动、气压驱动、步进电动机驱动、直流伺服电动机驱动、交流伺服电动机驱动等，机器人传感器的类型与工作原理、多传感器信息融合，机器人位置控制、运动轨迹控制、动作与知觉及相关的机器人软件等，不同领域机器人的设计与应用，机器人新技术与系统，美国机器人技术发展路线图。本书从机器人学及其所运用的人工智能等领域的关键技术出发，在内容安排上突出科学性与系统性，注重理论与工程实际的结合、基础知识与现代技术的结合、系统设计与应用的结合。 本书可作为科研工作者和工程技术人员的参考书，也可作为高等院校机器人工程、智能制造

内容简介AI让所有人都能轻松成为短视频创作高手，你欠缺的只是一本合适的指导书！这是一本专门写给小白（包括0基础的老年人）的AI短视频高手速成教程，跟着做就能快速生成高质量短视频。本书通过70个实用案例、128个实用知识点、160余分钟教学视频、170余个素材与效果文件、530余张精美插图，53组精心撰写的提示词，全面展示了AI赋能下的短视频高效创作流程，可帮助读者从新手快速变成AI短视频创作高手。本书共包括9章，从技能和案例两条线展开介绍。技能线：对文案生成、文生视频、图生视频、视频生视频、数字人生成、剪同款、一键成片、图文成片、营销成片、音乐MV、游戏大片、智能裁剪、视频降噪、智能运镜、镜头追踪、智能抠像、智能字幕等短视频生成技能进行详细介绍，通过这一本书，你就能快速上手所有类型的短视频创作。案例线：选取了城

布鲁萨德写这本书的用意是为了给读者 赋能 。通过这本书，你会了解人工智能、 机器学习、大数据是怎么回事，了解计算机的本质是什么，从此对人工智能和大数据这些大词没有畏惧心理。 这本书会告诉你，高估了人工智能会带来什么社会问题，以及自动驾驶这件事有多难，它还会告诉你，现阶段人工智能的社会化应用的根本矛盾是什么。人们不应该假设计算机能够永远正确，如果人们能够认识到技术使用的局限性，可以让技术更好地造福人类。 人工智能想大规模取代人类并不是一件容易的事情，它还有很长的一段路要走，我们对于人工智能的恐慌，其实都是在过度想象。现实中，从人员招聘到自动驾驶，从支付餐费到选择伴侣，人们迫切地想要将所有事情数字化。这种将计算机技术应用到生活方方面面的热情，导致出现了大量存在设计缺陷的系统，带来了

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。