本书从基础的神经网络、卷积神经网络、循环神经网络等入门知识，到深度学习的应用领域如计算机视觉、自然语言处理等高级主题都有涉及，可以帮助读者更好地理解深度学习知识，并为未来的职业发展打下坚实的基础。

当你凝望夜空时，你是否曾望向繁星背后的虚空：“宇宙的边界在哪里？时空的本质究竟是什么？幽暗的深空中此刻是否也有一双眼睛正在凝视着你？”当你凝视镜中的自己时，你是否曾望向双眼背后的大脑：“我”到底是谁？寄居在这副皮囊之中的灵魂是否真的存在？当肉体衰亡，“我的灵魂”是将随之消散还是化为飘荡于宇宙之中的一股电波？下载知识、移植记忆、意念互通与大脑联结这些科幻电影中的场景能否成为现实？人脑被称为“内在的宇

本书的主题是强化学习（ReinforcementLearning，RL），它是机器学习（MachineLearning，ML）的一个分支，强调如何解决在复杂环境中选择最优动作时产生的通用且极具挑战的问题。学习过程仅由奖励值和从环境中获得的观察驱动。该模型非常通用，能应用于多个真实场景，从玩游戏到优化复杂制造过程都能涵盖。

Web3时代已经正式拉开序幕，不管你我是否愿意，都将不可避免地进入Web3的新世界。Web3不只是Web1.0和Web2.0的延伸，更是从底层协议上对传统互联网的全面革新。正如20年前的互联网一样，Web3虽然目前只是星星之火，但已经呈现出燎原之势。因此，现在学习Web3知识，可谓恰逢其势，正当其时。《Web3超入门》共有五大篇，第1篇趋势篇（第1、2章）从多个维度详细阐述了Web3时代到来的必然

全球科技巨头纷纷拥抱深度学习，自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在20世纪70年

《深度学习进阶：自然语言处理》是《深度学习入门：基于Python的理论与实现》的续作，围绕自然语言处理和时序数据处理，介绍深度学习中的重要技术，包括word2vec、RNN、LSTM、GRU、seq2seq和Attention等。本书语言平实，结合大量示意图和Python代码，按照“提出问题”“思考解决问题的新方法”“加以改善”的流程，基于深度学习解决自然语言处理相关的各种问题，使读者在此过程中更

全书共分为两篇：在上篇中，将从浩瀚的数学海洋中撷取机器学习研究人员最为必须和重要的数学基础。内容主要包括：微积分（含场论）、数值计算和常用最优化方法、概率论基础与数理统计、线性代数等。在下篇中，将选取机器学习中最为常用的算法和模型进行讲解，这部分内容将涉及（广义）线性回归、图模型（包含贝叶斯网络和HMM等）、分类算法（包括SVM，逻辑回归，神经网络等）和聚类算法（包括K均值和EM算法等）等话题。

本书对因果推断相关知识进行了系统、全面的介绍，为便于学习，对大多数知识点都进行了详细的推导说明。

本书从基础知识入手，详细讲解通过强化学习和深度学习构建AI系统所需的一切，并通过5个完整的项目实例，循序渐进展示如何使用最佳、最简单的AI编程工具（包括Python、TensorFlow、Keras和PyTorch）构建智能软件。具体内容包括AI工具包、Python基础、AI基础技巧、你的第一个AI模型、销售和广告中的AI、Q学习、物流行业中的AI、人工大脑、自动驾驶车辆中的AI、商业中的AI、深

本书是一本介绍什么是数值模拟技术，以及数值模拟技术如何与工程科学相结合，基于COMSOLMultiphysics解决实际工程问题的书。全书涉及实际工程问题的方方面面，涉及声学、结构力学、流体力学、热量传递、质量运移、电磁场计算、化学反应工程分析等等，是真正的多物理数值仿真的入门指导书。作者希望通过本书，能让读者理解数值仿真技术的真谛，以及这些理论知识应该如何与实际相结合。进一步，或许读者能够领悟

ChatGPT一经问世，在全球范围内引起巨大轰动，GPT-4接入未来办公软件更是让人震惊，而且技术正在以前所未有的速度快速迭代。那么，以这些技术为代表的生成式人工智能（AIGC）是否为新一轮的技术革命？它到底能做什么，具有哪些优势和场景应用趋势？面对新技术，未来商业的机会在哪里，对我们个人又有着什么样的影响？……这些问题对于我们理解当下，面向未来都十分重要。本书基于作者的专业背景和长期实践，系统介

《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。本书极具专业性、

本书为普通高等教育“十一五”国家级规划教材。系统地阐述了人工智能的基本原理、方法和应用技术，比较全面地反映了国内外人工智能研究领域的最新进展和发展方向。全书共分为11章。首先简要介绍了人工智能的发展历史及概况；然后重点介绍了人工智能的知识表示方法，搜索技术和知识推理；最后详细介绍了人工智能的主要应用以及一些应用实例。内容由浅入深、循序渐进，条理清晰，各章均有大量的例题，便于读者掌握和巩固所学知识，

这是一本人人都能读懂的大模型综合指南，既是一本大模型的科普书，又是一本大模型的商业书。由中国电信研究院天翼智库官方出版，从核心技术、基础设施、商业应用、产业体系、安全治理5个维度全面讲解了大模型。语言上通俗易懂，内容上深入浅出，呈现上图文并茂，给读者良好阅读体验的同时，让读者对大模型的理解事半功倍！无论你是AI工程师，还是完全没有IT技术背景的爱好者；无论你是一线的从业人员，还是企业的管理者和决策

本书由中科院计算所、软件所的专家学者倾心写就，以“图像风格迁移”应用为例，全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新，第1章回顾人工智能、智能计算系统的发展历程，第2、3章在介绍深度学习算法知识的基础上增加了大模型算法的相关知识，第4章介绍深度学习编程框架PyTorch的发展历程、基本概念、编程模型和使用方法，第5章介绍编程框架的工作原理，第6章回顾深度学习所用的处理器结构从

深度学习是人工智能研究领域中的一个极其重要的方向。本书是一本介绍深度学习理论和实战应用的教程，从深度学习的发展历史，单层感知器，线性神经网络，BP神经网络，一直介绍到深度学习算法卷积神经网络CNN，长短时记忆网络LSTM。并从图像，自然语言处理，音频信号三方面分别介绍了深度学习算法的实际应用。案例实战部分使用的深度学习框架为Tensorflow2/Keras。

本书深入阐述了大语言模型的基本概念和算法、研究前沿以及应用，涵盖大语言模型的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。首先，本书介绍了人工智能领域的进展和趋势；其次，探讨了语言模型的基本概念和架构、Transformer、预训练目标和解码策略、上下文学习和轻量级微调、稀疏专家模型、检索增强型语言模型、对齐语言模型与人类偏好、减少偏见和有害性以及视觉语言模型等内容；

零基础读者应如何快速入门机器学习？数学基础薄弱的读者应如何理解机器学习中的数学原理？这些正是本书要解决的问题。本书从数学基础知识入手，通过前3章的介绍，帮助读者轻松复习机器学习涉及的数学知识；然后，通过第4-第13章的介绍，逐步讲解机器学习常见算法的相关知识，帮助读者快速入门机器学习；最后，通过第14章的综合实践，帮助读者回顾本书内容，进一步巩固所学知识。《机器学习的数学原理和算法实践》适合对机器

本书深入全面地讲解了现代推荐算法，同时兼顾深度和广度，介绍了当下较前沿、先进的各类算法及其实践。本书从总览篇开始，介绍推荐系统的基本概念及工作环节。在模型篇中，除了梳理推荐系统的发展史，本书还重点讲解面向工业实践的选择及改进，为读者打下推荐系统的算法基础；进而带着读者进阶到前沿篇、难点篇，面对推荐系统中的各式问题，并给出解决方案；最后在决策篇中，从技术原理和用户心理出发，解释一些常见决策背后的依据

本书分为两大部分：第一部分主要基于Scikit-Learn，介绍机器学习的基础算法；第二部分则使用TensorFlow和Keras，介绍神经网络与深度学习。此外，附录部分的内容也非常丰富，包括课后练习题解答、机器学习项目清单、SVM对偶问题、自动微分和特殊数据结构等。书中内容广博，覆盖了机器学习的各个领域，不仅介绍了传统的机器学习模型，包括支持向量机、决策树、随机森林和集成方法，还提供了使用Sci