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

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。

機器人傳感器及其信息融合技術

本書詳細介紹了機器人傳感器的基礎知識和工作原理，以及多傳感器信息融合技術的應用實例。全書共分10章，主要內容有傳感器的定義與分類、基本組成，機器人的系統組成，機器人常用的傳感器，智能傳感器技術及應用，多傳感器信息融合技術的定義、分類，多傳感器信息定量和定性融合的方法，最后介紹了多傳感器信息融合技術在裝配機器人、焊接機器人、移動機器人導航、測距和避障中的應用實例。本書既可作為從事機器人學研究、開發和應用，以及正在學習機器人傳感器相關技術的工程師和技術人員的參考書或培訓教材，也可以作為高等院校自動控制、電子工程、機械工程、機電一體化、計算機應用等相關專業的高年級本科生或研究生的教材。

情感分析進階

本書包括五個部分：第一部分介紹文本情感分析的研究背景、研究現狀和基礎技術；第二部分從內容語義理解的角度出發，介紹基于隱式表達的諷刺檢測技術；第三部分從用戶個性化建模的角度出發，介紹多輪對話中的情緒分析技術；第四部分介紹小樣本場景下的立場檢測解決方案；第五部分介紹對抗攻擊場景下的情感分類防御技術。

機器學習與Python實踐

機器學習是計算機科學與人工智能的重要分支領域.本書作為該領域的入門教材，在內容上盡可能涵蓋機器學習基礎知識的各方面.全書共16章，大致分為3個部分：第1部分（第1～3章）介紹機器學習的基礎知識；第2部分（第4～10章）討論一些經典而常用的機器學習方法（決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）；第3部分（第11～16章）為進階知識，內容涉及特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等.每章都附有習題并介紹了相關閱讀材料，以便有興趣的讀者進一步鉆研探索。本書可作為高等院校計算機、自動化及相關專業的本科生或研究生教材，也可供對機器學習感興趣的研究人員和工程技術人員閱讀參考。

Python+ChatGPT辦公自動化實戰

本書對Python在職場辦公領域的應用進行了系統梳理與介紹。全書共12章，第1～6章主要圍繞與Python辦公自動化相關的基礎知識展開；第7～12章包括走進ChatGPT，文件操作自動化，Word、PPT辦公自動化，Excel辦公自動化，PDF文檔操作自動化和郵件發送，數據分析與可視化等內容。本書提供了豐富的案例，并配有相關資源，以增強讀者的實戰能力。本書內容易學易懂，適合追求高效工作、對辦公自動化感興趣的產品經理、運營人員等職場人士閱讀。

智慧家庭終端開發教程

本書是一本介紹智慧家庭終端開發的高職教材。全書共分6章：第1章基礎知識，第2章智慧家庭幾種智能終端簡介，第3章智慧家庭終端的幾種常見硬件，第4章嵌入式軟件開發，第5章智慧家庭終端的開發，第6章智慧家庭終端開發案例。其中第6章既有產品功能定位，還有單元電路原理圖和主要器件性能介紹。本書內容豐富、語言通俗，圖文并茂，可以作為高等職業院校物聯網應用、智能終端技術與應用與智能產品開發等專業教材，還適合于廣大創客、智能產品開發技術人員閱讀，也可作為上崗培訓班的教材。

深度學習案例精粹

本書主要講述了深度學習中的重要概念和技術，并展示了如何使用TensorFlow實現高級機器學習算法和神經網絡。本書首先介紹了數據科學和機器學習中的基本概念，然后講述如何使用TensorFlow訓練深度學習模型，以及如何通過訓練深度前饋神經網絡對數字進行分類，如何通過深度學習架構解決計算機視覺、語言處理、語義分析等方面的實際問題，最后討論了高級的深度學習模型，如生成對抗網絡及其應用。

基于NI Multisim 11的PLD/PIC/PLC的仿真設計

本書主要講解最新的EDA設計軟件NIMultisim11在PLD可編程邏輯器件、PIC系列單片機、PLC可編程控制器設計中的應用，包括PLD可編程邏輯器件、PIC系列單片機、PLC可編程控制器分別介紹、如何使用仿真平臺、具體仿真步驟及過程、匯編及C語言的要點、基本的編程方法、圖形化設計的使用、VHDL代碼的自動生成方法、梯形圖的設計過程、各種接口電路的使用等內容，并給出了大量的仿真實例。

增強型分析：AI驅動的數據分析、業務決策與案例實踐

增強型分析是數據科學的未來，本書講解了如何通過前沿的大數據技術和AI技術實現智能的數據分析和業務決策，即增強型分析。本書的三位作者是來自德勤、前華為和前IBM的資深數據科學家，在大數據和AI領域至少都有10年以上的工作經驗，他們將各自多年來在“構建數據挖掘模型，解決實際業務問題”方面積累的經驗全部總結在了這本書中。全書的內容由兩條主線貫穿：技術主線：一方面講解了預測模型、序列分析、預測分析、Prescriptive分析等前沿數據處理技術，一方面講解了CNN、RNN和GNN等前沿的AI技術如何為數據分析賦能。業務主線：在數字化轉型的大時代背景下，如何通過數據分析實現智慧營銷、智慧風險管控，實現由初級的“主動營銷”到“被動營銷”，再到“全渠道協同營銷”等營銷手段的升級應用。本書的重點聚焦在本質內容上，即數據處理、算法及模型、“模型洞見到業務決策”的分析等。

TensorFlow技術解析與實戰

TensorFlow是谷歌公司開發的深度學習框架，也是目前深度學習的主流框架之一。本書從深度學習的基礎講起，深入TensorFlow框架原理、模型構建、源代碼分析和網絡實現等各個方面。全書分為基礎篇、實戰篇和提高篇三部分。本書深入淺出，理論聯系實際，實戰案例新穎，基于zui新的TensorFlow1.1版本，涵蓋TensorFlow的新特性，非常適合對深度學習和TensorFlow感興趣的讀者閱讀。

數智化轉型：人工智能的金融實踐

人工智能技術是金融體系進化的動力之一，但要用好這一技術，還需要理解金融體系本身的邏輯。在金融行業智能化轉型的過程中我們要解決的問題很多、很雜，但是在金融領域已經形成一套完整的運行規則。如果不能深刻理解問題、痛點在哪兒，金融機構在轉型的過程中很容易陷入僵局。在本書中，作者基于“客戶—資管—風控”框架，梳理了金融領域中涉及的多種業務場景，探討其智能化方向。關注要解決的核心業務問題，從核心業務問題中抽象出其技術需求，解釋具體業務落地時可能存在的差異性。本書幫助金融科技的從業者，在思考金融行業智能化轉型時有更清晰的思維框架，不至于陷入謀一域而難謀全局的困境。

科學+預見人工智能

在科學技術發展一日千里的今天，“人工智能”成為了時代熱詞。人工智能引領的科技浪潮席卷而來，正從方方面面改變著你我的生活、推動著社會和時代的進步。關于人工智能，每個人有著不同的解讀。在本書中，你將看到科學家、投資人，甚到藝術家，從各自的角度暢談對科學技術的獨到見解，探討人工智能未來發展的無限可能。李開復、張亞勤、張首晟、李飛飛、魯白、張元豪、梁晗、楊培東、鮑哲南等20余位科學家通過對從業領域的深度思考和對科技發展規律的總結，勾勒出“科學復興，跨界共振”的美好愿景。《科學+預見人工智能》對于人工智能的討論深入淺出，觀點犀利，適合人工智能領域從業者、研究者、關注者閱讀與探討。

人工智能：未來商業與場景落地實操

經過近幾年的發展，人工智能已經從實驗室走出來，被應用到人們的實際生活和工作中。那么，人工智能的應用是怎樣落地的呢？它又給人們帶來了哪些變化？本書就是帶著這些問題，為讀者做出解答。首先，本書重點講述了人工智能的發展歷史、技術支撐等內容，其技術支撐點包括大數據、云計算及深度學習；然后，本書選取農業、工業、金融、醫療、泛娛樂、生活、文化產業及教育8個領域，通過大量的實際案例，對人工智能的商業應用落地進行了詳細介紹。總之，本書立足于時代發展，以豐富的案例向讀者介紹人工智能的落地應用，力求為從事人工智能業務的企業提供借鑒。本書適合所從事工作與人工智能相關的企業管理者、專家、創業者及高等院校相關專業的師生閱讀。

智能優化技術：適應度地形理論及組合優化問題的應用

智能優化技術作為解決工程領域優化問題的核心方法，在金融、醫療、交通、航空、航天等領域發揮著非常重大的作用。適應度地形理論作為智能優化技術的研究熱點，從優化問題解空間特性分析方法出發，挖掘問題解空間特性，為優化問題的求解方法設計以及參數控制等方面提供指導。作者基于多年從事智能優化技術以及組合優化問題研究的思考，從時域、頻域和空域分別對適應度地形理論進行研究、整理，并以工程應用中的組合優化問題為載體，對適應度地形理論的實際應用進行介紹。作者在本書內容的介紹過程中，結合個人及相關人員的研究成果，不僅可以對智能優化理論提供技術支持，同時也可為各領域中實際工程問題的特性分析以及解決方法提供借鑒。本書可供計算機、電子、自動化、管理、航天工程等各領域的本科生、研究生以及相關領域的科學技術人員閱讀，同時為從事智能優化技術及工程應用的相關機構提供翔實的資料。

21個項目玩轉深度學習：基于TensorFlow的實踐詳解

本書以實踐為導向，深入介紹了深度學習技術和TensorFlow框架編程內容。通過本書，讀者可以訓練自己的圖像識別模型、進行目標檢測和人臉識別、完成一個風格遷移應用，還可以使用神經網絡生成圖像和文本，進行時間序列預測、搭建機器翻譯引擎，訓練機器玩游戲等。全書共包含21個項目，分為深度卷積網絡、RNN網絡、深度強化學習三部分。讀者可以在自己動手實踐的過程中找到學習的樂趣，了解算法和編程框架的細節，讓學習深度學習算法和TensorFlow的過程變得輕松和高效。