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

TensorFlow機器學習（原書第2版）

這是一本TensorFlow機器學習入門教程，書中通過大量實例，以淺顯易懂、循序漸進的方式詳細闡釋使用Python和TensorFlow構建機器學習模型的核心技術與方法。本書既涵蓋機器學習基礎理論，又介紹了如何將機器學習核心概念應用于現實世界的挑戰（例如，情感分析、文本分類和圖像識別）中，并通過實例展示了用于深度語音處理、面部識別以及使用CIFAR-10的自編碼器的神經網絡技術。全書共分為三部分。第一部分（第1～2章）討論機器學習的基本原理及其當前被大規模應用的原因；第二部分（第3～10章）通過大量實例詳細介紹回歸算法和分類算法，涵蓋回歸、分類、無監督聚類和隱馬爾可夫模型（HMM）等技術及應用；第三部分（第11～19章）主要介紹神經網絡及其應用，涵蓋使用隱藏層的自編碼器壓縮和表示輸入、用于自動分類圖像和面部識別的卷積神經網絡（CNN）、用于時間序列數據或語音轉文本的循環神經網絡（RNN），以及seq2seqRNN架構等內容。通過閱讀本書，你將能夠：使用TensorFlow進行機器學習選擇最佳的機器學習方法使用TensorBoard可視化算法與合作伙伴共享結果在Docker中運行模型

·16.8萬字

深度學習全書：公式+推導+代碼+TensorFlow全程案例

《深度學習全書——公式+推導+代碼+TensorFlow全程案例》共有15章，分為5部分，第一篇說明深度學習的概念，包括數理基礎，特點是結合編程解題，加深讀者印象，第二篇說明TensorFlow的學習地圖，從張量、自動微分、梯度下降乃至神經層的實踐，逐步解構神經網絡，第三篇介紹CNN算法、影像應用、轉移學習等，第四篇則進入自然語言處理及語音識別的領域，介紹RNN/BERT/Transformer算法、相關應用等，最后，介紹了強化學習的基礎知識，包括馬爾可夫決策過程、動態規劃、蒙特卡洛、QLearning算法，當然，還有相關案例實踐。

·16.8萬字

移動機器人自主控制

移動機器人自主控制不僅是機器人領域的重要問題，也是人工智能研究中的熱點課題之一。本書首先系統介紹移動機器人的結構和特點，以及移動機器人自主控制的關鍵技術等內容；然后詳細研究人工智能理論與方法在移動機器人導航、路徑規劃、機器人視覺、環境感知、同步定位與建圖、多機器人協作等方面的具體解決思路，并給出實驗結果和分析；最后介紹移動機器人自主控制的進展。

人工智能簡史

本書全面講述人工智能的發展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專家系統、神經網絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。本書作者和書中諸多人物或為師友或相熟相知，除了詳實的考證還有有趣的軼事。本書既適合專業人士了解人工智能鮮為人知的歷史，也適合對人工智能感興趣的大眾讀者作為入門的向導。

AIGC原理與實踐：零基礎學大語言模型、擴散模型和多模態模型

本書旨在幫助沒有任何人工智能技術基礎的工程師們全面掌握AIGC的底層技術原理，以及大語言模型、擴散模型和多模態模型的原理與實踐。本書的核心價值是，首先為想學習各種大模型的讀者打下堅實的技術基礎，然后再根據自己的研究方向展開深入的學習，達到事半功倍的效果。通過閱讀本書，您將學習如下內容：（1）AIGC技術基礎深入了解神經網絡的基礎知識，包括卷積神經網絡和循環神經網絡的原理與應用。并通過學習神經網絡的優化方法，您將掌握如何優化和提升神經網絡的性能。（2）圖像生成模型包括從自動編碼器（AE）、變分自編碼器（VAE）、生成對抗網絡（GAN）等圖像生成模型。通過學習優化方法，如WGAN、WGAN-WP、StyleGAN等，您將掌握如何提高圖像生成模型的質量和穩定性。同時，了解圖像生成模型的應用，如遷移學習、風格遷移等，讓您輕松實現個性化創作。此外，還將帶您深入了解DDPM、DDIM等擴散模型的前沿技術，為您展現圖像生成技術的最新成果，探索更加出色的生成效果和表達方式。（3）語言生成模型了解注意力機制、Transformer架構等基礎知識，深入探索GAT系列、大語言模型（如ChatGPT），讓您掌握自然語言處理的精髓。（4）多模態模型了解CLIP、StableDiffusion、DALL.E等多模態模型，觸碰視覺和文字的奇妙交織，領略多模態智能的廣闊前景。

人工智能導論

本書致力于推動人工智能的普及教育，結合最新的人工智能科學技術的發展成果，使用通俗易懂的語言深入淺出地介紹了人工智能的相關知識，重點介紹了人工智能的孕育、人工智能的誕生、人工智能的復蘇、人工智能的高速發展、人工智能的應用分支和哲學與思考等方面，在每章節后都有與之對應的章節習題，供學習者學習，以強化學生解決問題的能力。

AI時代項目經理成長之道：ChatGPT讓項目經理插上翅膀

本書通過13章的探討，帶領讀者踏上項目管理卓越之路。第1章“人工智能顛覆與重塑項目管理”，首先揭示了人工智能對項目管理的深刻影響和帶來的機遇與挑戰。緊接著，第2章至第13章依次介紹了使用ChatGPT編寫各種文檔、在項目啟動中的應用、幫助組建高效團隊、輔助項目溝通管理、項目計劃與管理、項目成本管理、項目時間管理、項目質量管理、項目風險管理、輔助采購計劃與采購流程、輔助項目績效管理以及進行項目總結等各方面的內容。

·16.6萬字

基于機器學習的數據缺失值填補：理論與方法

這是一部講解如何基于機器學習技術實現數據缺失值填補的專著，與傳統的基于統計學的缺失值填補方法相比，效率上得到了較大的提升。作者基于多年的研究和實踐成果，創新性地提出了基于神經網絡的缺失值填補方法和基于TS模型的缺失值填補方法。全書共8章，可分為4個部分。第一部分（第1~3章）：首先介紹缺失值填補領域的缺失數據機制、基本概念、性能度量等基礎知識，隨后詳細闡述目前基于統計學、機器學習的缺失值填補理論與方法。第二部分（第4~5章）：對目前神經網絡在缺失值填補領域的研究成果進行歸納總結，并從網絡模型、填補方案角度闡述神經網絡填補方法的設計及應用。第三部分（第6~7章）：詳細介紹面向不完整數據的TS建模過程，隨后通過特征選擇算法處理TS建模中的特征冗余問題，并從前提參數優化和結論參數優化兩個角度改進TS模型。第四部分（第8章）：以缺失值填補方法在我國貧困問題研究中的應用為例，展現缺失值填補方法的現實意義。

·16.6萬字

涌現：AI大模型賦能千行百業

AI大模型正成為數字經濟時代的新質生產力，它將對經濟社會的各行各業產生重大影響。本書詳細介紹了AI大模型在各個領域的無限潛力和廣闊前景。從精準農業的種植建議到智能制造的質量控制和精益生產，從醫療診斷的精準高效到文化傳媒的智能化創新，從旅游業的個性化服務到教育領域的智能化輔助，從零售業的創新應用到交通運輸業的智能化變革，AI大模型正在深度融入并引領各領域和行業的數字化轉型。本書不僅提供全面的行業洞察，而且給出了相關的策略指導和實踐指南，助力讀者搶占先機，實現高效創新。本書既可作為政府相關部門負責人及企業高級管理人員的參考資料，也可作為人工智能產業相關單位、科研院所人員及高校人工智能相關專業師生的培訓用書。

·16.6萬字

智能革命：迎接人工智能時代的社會、經濟與文化變革

人類歷史上的歷次技術革命，都帶來了人類感知和認知能力的不斷提升，從而使人類知道更多，做到更多，體驗更多。以此為標準，李彥宏在本書中將人工智能定義為堪比任何一次技術革命的偉大變革，并且明確提出，在技術與人的關系上，智能革命不同于前幾次技術革命，不是人去適應機器，而是機器主動來學習和適應人類，并同人類一起學習和創新這個世界。大數據是智能社會運轉的根本動力和燃料。以百度為代表的搜索引擎公司，由于對數據資源的獲取和使用類似深度學習的商業模式，也與大數據—深度學習—提取模式—創造用戶價值這一研發文化相匹配，使其天然具備了人工智能的基因。本書從硬件集群、計算能力、大數據資源、人工智能文化等方面提出了智能化的基本標準，并且從制造業升級、金融革新、無人駕駛、管理革命、智能生活等多個維度，描繪即將到來的智能社會，反思人類即將面臨的種種挑戰。“人工智能”正式寫入2017年政府工作報告，折射出未來人工智能產業在我國經濟發展與轉型中的重要性。本書內容涵蓋了人工智能發展的主要領域，刻畫了人工智能未來發展的場景和商業模式，對我國各行各業應對智能化轉型提供了很好的指引和借鑒。

新未來簡史：區塊鏈、人工智能、大數據陷阱與數字化生活

本書為您揭示：面對極速變快、復雜的社會，“三大沖突”映射到未來，人類或將面臨兩輪崩潰或翻轉的“生死”大沖擊。危機與機遇交織呈現，如何抉擇？未來，區塊鏈、時間戳與智能等技術被深度運用，社會模式或將被改寫，萬物可溯與追算“你被丟失的90%的價值”成為可能。如何理解？人工智能，單一、少許維度的超級能力，“非通用”與“難破意識”的范式牢籠將會讓其長久性地被困限于工具范疇（“智能與意識的分離”子虛烏有）。不過，人工智能對未來生產力的成倍提升，或將真正開啟“讓90%的人最終徹底擺脫無用階級”的偉大旅程，而絕非淪為“無用”。當然，在過渡期內，人們將會面臨挑戰。如何應對？大數據悖論、陷阱與誤解，讓其被神話（如“數據主義”“數據宗教”等）的可能性微乎其微。在共享、透明的大趨勢下，大數據也將成為等同于電能、信息與空氣等人類生存、發展所需的一種“習慣性擁有”。如何認知？未來，互聯網或將被替代，人類將會在兩大超級“新時空”中生活、進化，成為新人類。如何準備？

深度學習從0到1

深度學習是人工智能研究領域中的一個極其重要的方向。本書是一本介紹深度學習理論和實戰應用的教程，從深度學習的發展歷史，單層感知器，線性神經網絡，BP神經網絡，一直介紹到深度學習算法卷積神經網絡CNN，長短時記憶網絡LSTM。并從圖像，自然語言處理，音頻信號三方面分別介紹了深度學習算法的實際應用。案例實戰部分使用的深度學習框架為Tensorflow2/Keras。

深度學習

全球科技巨頭紛紛擁抱深度學習，自動駕駛、AI醫療、語音識別、圖像識別、智能翻譯以及震驚世界的AlphaGo，背后都是深度學習在發揮神奇的作用。深度學習是人工智能從概念到繁榮得以實現的主流技術。經過深度學習訓練的計算機，不再被動按照指令運轉，而是像自然進化的生命那樣，開始自主地從經驗中學習。本書作者特倫斯·謝諾夫斯基是全球人工智能十大科學家之一、深度學習先驅及奠基者，親歷了深度學習在20世紀70年代到90年代的寒冬。但他和一眾開拓者，利用大數據和不斷增強的計算能力，終于在神經網絡算法上取得重大突破，實現了人工智能井噴式的發展。作為深度學習領域的通識作品，本書以恢弘的筆觸，通過3個部分全景展現了深度學習的發展、演變與應用，首次以親歷者視角回溯了深度學習浪潮在過去60年間的發展脈絡與人工智能的螺旋上升，并前瞻性地預測了智能時代的商業圖景。

智能化變革：人工智能技術進化與價值創造

智能化變革將是一輪經濟社會全面變革，涉及科學研究、技術創新、商業落地、社會融合、科技倫理等方方面面。本書立足技術趨勢，著眼業界動向，給出對人工智能理論、技術、產業化和社會融合等方面趨勢的科普解讀，希望對讀者開展人工智能科學研究、產品研發和行業應用等有所啟發。

深入理解XGBoost：高效機器學習算法與進階

本書主要介紹：XGBoost相關的機器學習基礎算法；XGBoost安裝編譯與簡單使用；XGBoost的實現原理與理論證明；XGBoost基于CPU多線程的實現以及分布式訓練方法；剖析XGBoost源碼，從代碼層面洞徹XGBoost的實現原理，以及XGBoost的應用與調優，通過典型示例為讀者提供使用參考，掌握實戰技能。通過閱讀本書，不僅能使讀者理解XGBoost的原理，將XGBoost應用到業務場景中，更能從源碼的角度深入學習XGBoost的并行化和分布式實現等優化技術，以更短的時間訓練出高準確度的模型，使XGBoost成為學習和工作中的一把利劍。

·16.2萬字

人工智能訓練師基礎（上冊）

本書基于《人工智能訓練師國家職業技能標準（2021年版）》，對“人工智能訓練師”這一新興職業給予了清晰的描述。全書從人工智能的相關技術入手，介紹了人工智能領域的發展歷程和相關知識，重點講述了人工智能訓練師的職業技能鑒定要求和各等級從業人員工作要求，講述了人工智能訓練師相關的工作內容及流程方法，包括數據采集和處理、數據標注、智能系統運維、業務分析、智能訓練、智能系統設計、培訓與指導等方面，對人工智能訓練相關工作做了系統的描述和指導。本書可以幫助新入行的人員較快熟悉行業知識和崗位技能，幫助已入行的人員明晰自身的崗位能力定位和職業發展方向。

·16.2萬字

多智能體技術及應用

多智能體系統是分布式人工智能的一個重要分支。本書介紹了多智能體建模的基本理論與技術，將基于多智能體的模型應用于自然與環境、智能城市、交通、地理信息與空間智能、社會與民生、復雜網絡等，涵蓋了智能交通、智能城市、地理空間智能和人工智能社會等方面的系統智能建模與問題優化求解。本書主要面向各高等院校本科人工智能專業、計算機等專業開設多智能體系統課程或相關專業開設人工智能的通識核心課程需求，也可以作為研究生、科研院所科技工作者及相關企業的工程技術人員閱讀參考。

·16.2萬字

高性能超標量CPU：微架構剖析與設計

《高性能超標量CPU：微架構剖析與設計》基于當前主流的高性能CPU設計規格，全面介紹了高性能超標量CPU微架構的設計，并做出對應的分析。主要內容包括業界主流高性能處理器架構及超標量流水線背景知識（第1章）；CPU前端，包括指令提取單元、分支預測單元、指令譯碼單元的設計和優化，以及指令緩存的相關設計（第2、3章）；分支預測單元的原理、設計和優化，寄存器重命名與發射隊列的原理和設計（第4、5章）；執行單元與浮點運算單元的設計實現（第6、7章）；訪存單元與數據緩存設計（第8章）；重排序緩沖的原理及設計（第9章）；IntelP6CPU微架構設計實例（第10章）。微架構設計對應于指令的生命周期，為讀者提供直觀和清晰的視角，便于讀者對高性能CPU設計深入理解。《高性能超標量CPU：微架構剖析與設計》可作為從事高性能CPU相關研發工作專業人員的參考書，或用作高等院校計算機及集成電路相關專業研究生和高年級本科生的教學參考用書，也可供對CPU設計感興趣的讀者閱讀。

·16.1萬字