&#23448;&#26415;&#32593;&#95;&#20070;&#21451;&#26368;&#20540;&#24471;&#25910;&#34255;&#33;

機器學習實戰：模型構建與應用

本書主要包括兩部分。第1部分（第1章-第11章）講解了如何使用TensorFlow來創建不同應用場景的機器學習模型。該部分介紹TensorFlow、計算機視覺、自然語言處理和序列建模。第二部分（第12章-第20章）將引導你了解如何將模型置于Android和iOS上的用戶手中、使用JavaScript的瀏覽器以及通過云提供服務的場景。

·12.4萬字

ChatGPT：人類新紀元

ChatGPT，如同人類歷史上的單向門——火、文字、造紙、蒸汽機、電和計算機一樣，標志著人類科技進步的又一重大里程碑。ChatGPT的橫空出世驚艷了世界，它不僅點燃了通用人工智能的火花，更預示著我們正步入通用人工智能的新紀元。我們站在這一歷史性的時刻，仿佛看見新時代的開端。全球對ChatGPT的廣泛關注并不僅僅是因為其高超技術的突破，而是它在通用人工智能進程中所代表的意義。那么，ChatGPT究竟是何方神圣？它的前世今生是怎樣的？通用人工智能未來將給世界帶來哪些巨變？人類是否會被AI取代而失業？針對這些迫在眉睫的問題，作者廣泛收集信息，深入研究，以兼具廣度和深度的寫作，為我們呈現了一個關于ChatGPT及通用人工智能的全景式解讀。同時，書中還為我們展示了中國企業在這場技術變革中所碰到的機遇和挑戰。這是一本為所有想深入理解ChatGPT如何塑造未來、如何繼續人類探索歷程的讀者而寫的書。

·12.4萬字

機器學習算法評估實戰

機器學習算法評估力求用科學的指標，對機器學習算法進行完整、可靠的評價。本書詳細介紹機器學習算法評估的理論、方法和實踐。全書分為3個部分。第1部分包含第1章～第3章，針對分類算法、回歸算法和聚類算法分別介紹對應的基礎理論和評估方法；第2部分包含第4章～第8章，介紹更復雜的模型（如深度學習模型和集成樹模型）的對比與評估，并且針對它們實際應用的業務場景介紹一些特有的評估指標和評估體系；第3部分包含第9章～第11章，總結算法評估的常用工具、技術及方法論，包括實用的可視化工具介紹，并討論機器學習算法的本質。本書適合機器學習專業相關從業者和算法工程師閱讀，也適合想要從事人工智能和機器學習工作的人士學習和參考。

機器學習基礎：從入門到求職

本書是一本機器學習算法方面的理論+實踐讀物，主要包含機器學習基礎理論、回歸模型、分類模型、聚類模型、降維模型和深度學習模型六大部分。機器學習基礎理論部分包含第1、2章，主要介紹機器學習的理論基礎和工程實踐基礎。第3章是回歸模型部分，主要包括模型的建立、學習策略的確定和優化算法的求解過程，最后結合三種常見的線性回歸模型實現了一個房價預測的案例。第4至11章詳細介紹了幾種常見的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機模型、隨機森林模型、AdaBoost模型和提升樹模型，每一個模型都給出了較為詳細的推導過程和實際應用案例。第12章系統介紹了五種常見的聚類模型，包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類，每一個模型的原理、優缺點和工程應用實踐都給出了較為詳細的說明。第13章系統介紹了四種常用的降維方式，包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入，同樣給出了詳細的理論推導和分析。最后兩章分別是詞向量模型和深度神經網絡模型，其中，詞向量模型詳細介紹了Word2Vec和Doc2Vec模型的原理推導和應用；深度神經網絡模型系統介紹了深度學習相關的各類基礎知識。

Python視覺分析應用案例實戰

本書以Python3.10.7為平臺，以實際應用為背景，通過概念、公式、經典應用相結合的形式，深入淺出地介紹了Python圖形圖像處理經典實現。全書共10章，主要包括緒論、邁進Python、Python圖形用戶界面、數據可視化分析、圖像視覺增強分析、圖像視覺復原分析、圖像視覺幾何變換與校正分析、圖像視覺分割技術分析、圖像視覺描述與特征提取分析、車牌識別分析等內容。通過本書的學習，讀者可領略到Python的簡單、易學、易讀、易維護等特點，同時感受到利用Python實現圖像視覺處理應用的簡捷、功能強大。本書可作為高等學校相關專業本科生和研究生的教學用書，也可作為相關領域科研人員、學者、工程技術人員的參考用書。

代數大腦：揭秘智能背后的邏輯

本書英文版出版至今已近20年，但關于大腦究竟如何工作的問題至今仍無答案，而符號主義（認為大腦是類似于計算機的加工符號的機器）與聯結主義（認為大腦是并行運轉的大型神經網絡）之間的爭論也從未停息。本書分析了聯結主義模型和符號加工模型在計算方面的優勢和劣勢，關注不同聯結主義模型之間的差異以及特定模型與符號加工的特定假設之間的關系，并圍繞多層感知器展開討論。書中的觀點在今天依然頻繁成為學術討論的焦點，并為認知科學、人工智能、深度學習等領域的未來研究指明了可能的方向。

大模型應用開發：核心技術與領域實踐

本書由科大訊飛與中國科大的大模型的資深專家聯合撰寫，一本書打通大模型的技術原理與應用實踐壁壘，深入大模型3步工作流程，詳解模型微調、對齊優化、提示工程等核心技術及不同場景的微調方案，全流程講解6個典型場景的應用開發實踐。本書共10章，從邏輯上分為“基礎知識”“原理與技術”“應用開發實踐”三部分。基礎知識（第1章）介紹大模型定義、應用現狀、存在的問題，以及發展趨勢。原理與技術（第2和3章）詳細講解大模型的構建流程、Transformer模型，以及模型微調、對齊優化、提示工程等核心技術，之后介紹了推理優化、大模型訓練、大模型評估、大模型部署等拓展技術。應用開發實踐（第4～10章）詳細講解大模型插件應用開發、RAG實踐，以及智能客服問答、學科知識問答、法律領域應用、醫療領域應用、智能助寫平臺等多領域的實踐。

面向中國制造2025的智造觀

本書提供了基于智造觀的技術架構：提出實現智能制造的四部曲，即流程精益化、適應自動化、系統數字化以及信息云端化；分析產品生命周期管理導向的生產制造模式及實現方法，包括大數據的應用、互聯網自動控制網絡的應用、數字化與信息技術的深度融合。

·12.2萬字

AI爆款文案：巧用AI大模型讓文案變現插上翅膀

本書通過對10款人工智能應用的介紹及調試，幫助讀者快速掌握人工智能輔助文案變現的方式。本書共10章，分別講解AI智能創作，AI爆款文案寫作工具，人工智能輔助泛流量文案、泛商業文案、私域文案創作，利用人工智能實現文案變現的底層邏輯，以及在今日頭條、百家號、小紅書、知乎等平臺及不同展示形式下進行文案創作的實戰案例等。

·12.2萬字

揭秘大模型：從原理到實戰

本書從技術角度深度解析大模型的原理，從大模型的基礎概念及領域發展現狀入手，概述大模型的理論基礎，介紹OpenAIGPT、清華大學GLM、MetaLlama等主流大模型的技術原理，并從大模型參數高效微調、大模型指令微調、大模型訓練優化和大模型推理優化等多角度解析大模型背后的技術，帶領讀者全方位掌握大模型的原理和實踐方法。本書最后介紹私有大模型的構建，手把手指導讀者做技術選型并搭建自己的私有大模型。本書適合人工智能領域有大模型開發需求或對大模型技術感興趣的技術人員閱讀，也適合普通用戶擴展了解大模型的前沿應用。

·12.2萬字

大語言模型：原理、應用與優化

這是一本從工程化角度講解大語言模型的核心技術、構建方法與前沿應用的著作。首先從語言模型的原理和大模型的基礎構件入手，詳細梳理了大模型技術的發展脈絡，深入探討了大模型預訓練與對齊的方法；然后闡明了大模型訓練中的算法設計、數據處理和分布式訓練的核心原理，展示了這一系統性工程的復雜性與實現路徑。除了基座模型的訓練方案，本書還涵蓋了大模型在各領域的落地應用方法，包括低參數量微調、知識融合、工具使用和自主智能體等，展示了大模型在提高生產力和創造性任務中的卓越性能和創新潛力。此外，書中進一步介紹了大模型優化的高級話題和前沿技術，如模型小型化、推理能力和多模態大模型等。最后，本書討論了大模型的局限性與安全性問題，展望了未來的發展方向，為讀者提供了全面的理解與前瞻性的視角。無論是人工智能領域的研究員、工程師，還是對前沿技術充滿好奇的讀者，本書都將是您了解和掌握大模型技術的必備指南。

空間計算：人工智能驅動的新商業革命

空間計算是一種不斷發展的以三維世界為中心的計算形式和交互形式，是以計算機視覺為基礎的高階應用。其核心是使用AI、計算機視覺和擴展現實將虛擬體驗融入物理世界，讓用戶擺脫屏幕的束縛，自然地與數字世界中的對象互動，就像與真實世界中的對象互動一樣。隨著生成式AI的爆發，空間計算平臺將擁有更加豐富的內容，將在很大程度上改變我們的生活和工作，重新定義商業模式，并改變我們與技術和整個世界互動的方式，推動我們進入一個充滿創新和想象力的時代。這本書重點闡釋了與商業相關的空間計算應用，AI與空間計算時代的領導力轉變，以及空間計算的策略、實施與未來發展方向。全球商業技術和游戲領域高管凱西·哈克爾與沉浸式空間領域專家伊雷娜·克羅寧聯合創作，揭示了繼手機之后的下一代人機交互平臺——空間計算的未來！

深度學習原理與應用

本書系統性地介紹了深度學習的原理、關鍵技術及相關應用，首先從基本概念、必備的線性代數、微積分、概率統計等數學知識等入手，這些預備知識可幫助讀者更好地理解深度學習技術。接著對深度學習方法和技術進行了詳細介紹，包括卷積神經網絡、反饋神經網絡、循環神經網絡、生成對抗網絡等，針對每個技術都力圖用簡單易懂的語言、詳盡的公式推導說明和生動的圖形展示知識點，并附上應用樣例，便于讀者將概念、原理、公式和應用融會貫通。本書還考慮到初學者盡快入門的需求，對深度學習開發工具和處理技巧進行了細致的梳理和總結。最后本書對深度學習應用前景、發展趨勢、未來研究趨勢等進行了分析，具有一定前瞻性。本書涵蓋了大量深度學習的技術細節，適用于不同層次的讀者。

互聯網下半場

互聯網的上半場已經落幕，隨著IT技術的進一步發展，移動互聯網、智聯網、物聯網、人工智能一一涌現，互聯網下半場已經到來！掌握了這六大鐵律，就掌握了它的入場券：粉絲即用戶、媒介即渠道、內容即品牌、一切皆是分享、一切皆是社交、游戲化思維。現在，新風口已經登場。入口隨時隨地，意味著財富隨時隨地。本書系統梳理了互聯網上半場和下半場的發展歷程，以及互聯網下半場將引發的商業變革。從實操策略著手，解決以下問題：如何抓住新風口；如何從品牌、產品、營銷、IP等多個角度入手創造全新的價值；同時詳細剖析傳統企業和互聯網企業成功轉型的案例。

AIGC提示工程師精進之道

本書是一本關于AIGC提示工程師的實用指南，講解了成為優秀AIGC提示工程師所需的技術特長和知識、溝通和協作能力、持續學習和自我提升方法等。本書分為3篇，共13章。第1篇為AIGC提示工程師基礎，內容包括AI崛起下的新職業──AIGC提示工程師、設計高效提示的基本原則、常用的提示方法以及提示工程實踐中的常見問題等；第2篇為提示進階技巧，內容包括優化提示的除錯過程、解決復雜問題的高級提示技巧、提升提示效果的高級技巧以及酷炫的生成式AI繪圖與視頻平臺等；第3篇為提示應用實戰，內容包括語言和翻譯提示技巧、社交對話提示技巧、知識查詢和解答提示技巧、創意和故事寫作提示技巧以及創新應用的提示技巧等。本書適合AI開發者、數據科學家、軟件工程師，以及其他對AI及其應用領域感興趣的讀者學習使用。

ChatGPT時代：ChatGPT全能應用一本通

本書共16章，內容包括人工智能、OpenAI、ChatGPT的概述及其操作技巧。生動展示了ChatGPT在教育與學術、商業管理、新媒體、辦公、求職等12個領域的實際運用，同時探討了ChatGPT當前面臨的挑戰以及大模型的未來發展方向。

人工智能數學基礎

本書是面向高級人工智能人才培養的高等學校人工智能相關專業規劃教材中的一本，通過梳理人工智能涉及的相關數學理論，并通過Python實現相關案例，使抽象的理論具體化，從而加深讀者對數學的感性認識，提高讀者對數學理論的理解能力。本書首先介紹了人工智能所需的基礎數學理論，然后根據數學內容的邏輯順序，以微積分、線性代數、概率論、數理統計為基礎，對函數逼近、最優化理論、信息論、圖論進行了深入介紹，同時給出了它們在人工智能算法中的實驗案例。另外，該書將免費提供配套PPT、實驗及應用案例等基本教學材料。

機器學習：公式推導與代碼實現

作為一門應用型學科，機器學習植根于數學理論，落地于代碼實現。這就意味著，掌握公式推導和代碼編寫，方能更加深入地理解機器學習算法的內在邏輯和運行機制。本書在對全部機器學習算法進行分類梳理的基礎之上，分別對監督學習單模型、監督學習集成模型、無監督學習模型、概率模型四個大類共26個經典算法進行了細致的公式推導和代碼實現，旨在幫助機器學習學習者和研究者完整地掌握算法細節、實現方法以及內在邏輯。

Serverless架構下的AI應用開發：入門、實戰與性能優化

這是一部指導讀者在Serverless架構下開發、部署和運維機器學習項目的實戰性著作。本書由阿里巴巴官方出品，來自阿里云和螞蟻集團的Serverless產品專家、AI算法專家、Serverless解決方案架構師、Serverless工具鏈技術負責人聯合撰寫，全方位地梳理和總結了阿里在Serverless架構下的機器學習實戰經驗，得到了企業界和學術界的10余位專家的高度認可。具體內容上，本書主要包含如下幾個方面：（1）Serverless架構基礎詳細介紹了Serverless架構的概念、特點和應用場景，Serverless架構下的應用開發、部署的流程和方法，以及傳統的Web框架如何向Serverless架構遷移和部署，這些都是在Serverless架構下開發和部署應用必備的基礎知識。（2）機器學習算法和機器學習框架在Serverless架構下的應用詳細講解了支持向量機、神經網絡等各種機器學習常用的算法和模型，以及Scikit-learn、TensorFlow、Pytorch、PaddlePaddle等4種主流深度學習框架與Serverless架構的結合，為讀者在Serverless架構下開發機器學習應用打下基礎。（3）Serverless架構下的機器學習項目實戰首先通過幾個實戰案例講解了圖像識別、模型升級、情感分析等機器學習領域的高頻應用的Serverless化，為傳統的AI應用遷移和部署到Serverless架構給出指引；然后通過兩個綜合案例講解了機器學習應用在Serverless架構上從設計、開發、部署到運維的全流程。（4）Serverless應用性能優化總結了Serverless架構下應用性能優化的方法和經驗，比如冷啟動的優化方案、開發注意事項等。