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。

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。

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。

本书对人工智能和教育的融合与应用进行了探讨和分析，以期为教育的变革与创新发挥力量。本书共包括五章内容。第一章对人工智能的基本理论及其对教育的影响和挑战进行了概述；第二章探讨了人工智能时代教育行动的五个方向，分别是养成信息化的思维、发挥信息处理天赋、提升信息处理能力、提高信息处理效率以及适应信息更新速度；第三章是大数据技术在教育中的应用；第四章是机器学习技术在教育中的应用；第五章是 VR技术在教育中的应用。本书可供教育工作者参考。

本书系统阐述分布式机器学习的理论、算法、和实践。

本书深入探讨了AI（人工智能）如何革新软件开发领域，从AI辅助编程的演变、优势与挑战到具体的工具与技术实现，为开发者打开了一个全新的世界。全书共10章，第1章介绍了编程的历史演变和生成式AI的崛起；第2章深入技术细节，解释了AI辅助编程工具的主要功能和工作原理；第3章讨论了提示工程的重要性，以及如何与AI工具进行有效沟通；第4章和第5章通过GitHub Copilot和其他AI编程工具的案例，展示了AI在实际开发中的应用；第6章扩展到通用大语言模型，如ChatGPT和GPT-4，探讨了它们在日常任务处理中的应用；第7章和第8章覆盖了软件开发的早期阶段和代码编写过程，展示了AI如何辅助决策、提高学习效率和代码质量；第9章讨论了调试、测试和部署过程中AI的作用；第10章总结了AI辅助编程的一些启示，包括学习曲线、优势、不足及对未来工作的影响。 本书适合软件

本书系统地阐述机器学习的数学基础知识，但并非大学数学教材的翻版，而是以机器学习算法为依据，选取数学知识，并从应用的角度阐述各种数学定义、定理等，侧重于讲清楚它们的应用和实现方法。所以，书中将使用开发者喜欢的编程语言（Python）来实现各种数学计算，并阐述数学知识在机器学习算法中的应用体现。

大脑如何产生新想法？思维如何产生，又是如何运作的？意识缘何形成？什么是情感、感觉、想法？如果将人类大脑看成一台机器，那么这是否有益于我们设计出能够像人一样能理解、会思考的高级人工智能 情感机器？ 情感是人类特有的一种思维方式，如果机器具备了情感，是不是就可以取代人类？ 在《情感机器》中，人工智能之父马文 明斯基有力地论证了：情感、直觉和情绪并不是与众不同的东西，而只是一种人类特有的思维方式。也同时揭示了为什么人类思维有时需要理性推理,而有时又会转向情感的奥秘。通过对人类思维方式建模,他为我们剖析了人类思维的本质，为大众提供了一幅创建能理解、会思考、具备人类意识、常识性思考能力，乃至自我观念的情感机器的路线图。

本书旨在成为大模型在各行各业落地应用的 百科全书 ，专为对大模型感兴趣的从业者和企业管理者量身打造。本书结合了实地调研和多元视角，不仅对大模型进行了技术分析，还从商业、产品、行业等多个角度进行了应用探讨。全书共5章：第 1 章介绍了大模型的训练过程和核心技术；第 2 章分析了大模型对软件行业的影响，通过具体案例展示了软件公司如何适应大模型需求；第 3、4 章分别从产品和行业角度出发，讨论了大模型如何改变产品升级流程和工作流程，以及它对各行各业的具体影响；第 5 章展望了大模型的未来，预测了它将如何改变我们的世界。本书由互联网企业的大模型产品经理、公有云服务的战略规划专家、活跃于中美两国的大模型投资者和从业者，以及专注于行业应用的大模型创业公司共同参与创作。本书将为从业者提供如何选择合适的大模型

书中按照游戏项目开发的流程编排内容，用一个综合实例贯穿全书，详细介绍了蓝图的应用、游戏基础逻辑的编写、UI的制作、AI的开发、动画的制作、C 开发等知识。

本书基于创客教育、STEAM 以及 PBL 教学方式的理念编写，将三维设计、3D打印等数字技能的教学与趣味性的元素相结合，通过四大主题（沙滩小院、火车站、游乐园和星宿战争），详细介绍了利用 3D 打印技术完成从模型设计到制作的全过程。有趣而富有创意的设计主题能激发读者的兴趣，开拓创新思维。此外本书案例配有视频教学，读者通过视频讲解，可以快速掌握 3D 打印设计与制作的相关知识和技巧。本书可供 3D 打印爱好者、青少年及创客教学机构的学生和教师阅读。

《机器学习／计算机科学丛书》展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。《机器学习／计算机科学丛书》综合了许多的研究成果，例如统计学、人工智能、哲学、信息论、生物学、认知科学、计算复杂性和控制论等，并以此来理解问题的背景、算法和其中的隐含假定。《机器学习／计算机科学丛书》可作为计算机专业本科生、研究生教材，也可作为相关领域研究人员、教师的参考书。

随着ChatGPT掀起了新一轮人工智能浪潮，AIGC（artificial intelligence generated content）逐渐成为焦点，它不仅使科技更深地融入人们的日常生活，也极大地提升了各专业领域的工作效率。为了帮助读者快速入门并系统地掌握AIGC的知识，我们特组织编写了本书。 全书共分14章，其中，第1章介绍了人工智能的发展、应用与历史进程，以及AIGC的概念与应用；第2~6章和第14章分别从文本生成（ChatGPT）、图像创意（Midjourney和Stable Diffusion）、音频应用（Suno、Google Dialogflow）和视频生成（Runway、Stable Video Diffusion、ComfyUI）等技术层面进行理论剖析，为后续在各领域的应用实践奠定坚实基础；第7~13章分别从视觉插画设计、产品与电商设计、动漫设计、室内设计、建筑与环境设计、服装设计、游戏设计等多个应用场景出发，以提示词编写、绘画技巧、图片生成、参数描述、模型训练等为学

本书以介绍机器学习中的优化算法为主要内容，以当前机器学习会议的热门话题加速算法为主线，涵盖机器学习中常用的凸优化、非凸优化，以及随机优化和分布式优化。

本书主要介绍量子机器学习的背景知识、基础概念，以及一些重要的量子机器学习算法的基本原理与实现。本书共9 章，主要内容包括量子机器学习背景知识、量子计算基础、量子机器学习框架VQNet、支持向量机、聚类、卷积神经网络、循环神经网络、生成对抗网络，以及自然语言处理。 本书既可作为高等院校量子机器学习相关专业研究生、教师及科研人员的教材或参考书，也可作为量子机器学习爱好者的自学用书。

本书全面且系统地介绍了机器学习测试技术与质量体系建设，分为5部分，共15章。*部分（第1～4章）涵盖了机器学习、Python编程、数据分析的基础知识；第二部分（第5～7章）介绍了大数据基础、大数据测试指南及相关工具实践；第三部分（第8～10章）讲解了机器学习测试基础、特征专项测试及模型算法评估测试；第四部分（第11～13章）介绍了模型评估平台实践、机器学习工程技术及机器学习的持续交付流程；第五部分（第14章和第15章）探讨了AI（Artificial Intelligence）在测试领域的实践及AI时代测试工程师的未来。 本书能够帮助读者了解机器学习是如何工作的，了解机器学习的质量保障是如何进行的。工程开发人员和测试工程师通过阅读本书，可以系统化地了解大数据测试、特征测试及模型评估等知识；算法工程师通过阅读本书，可以学习模型评测的方法和拓宽模

《深入浅出强化学习：原理入门》用通俗易懂的语言深入浅出地介绍了强化学习的基本原理，覆盖了传统的强化学习基本方法和当前炙手可热的深度强化学习方法。开篇从*基本的马尔科夫决策过程入手，将强化学习问题纳入到严谨的数学框架中，接着阐述了解决此类问题*基本的方法 动态规划方法，并从中总结出解决强化学习问题的基本思路：交互迭代策略评估和策略改善。基于这个思路，分别介绍了基于值函数的强化学习方法和基于直接策略搜索的强化学习方法。*后介绍了逆向强化学习方法和近年具有代表性、比较前沿的强化学习方法。 除了系统地介绍基本理论，书中还介绍了相应的数学基础和编程实例。因此，《深入浅出强化学习：原理入门》既适合零基础的人员入门学习、也适合相关科研人员作为研究参考。