三民網路書店 中國圖書館分類法 / 工業技術 / 自動化技術、計算機技術 / 自動化基礎理論 / 人工智能理論

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製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，從旅遊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並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，助力讀者搶佔先機，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。

本書根據李宏毅老師“機器學習”公開課中與深度學習相關的內容編寫而成，介紹了卷積神經網絡、Transformer、生成模型、自監督學習（包括 BERT 和 GPT）等深度學習常見算法，並講解了對抗攻擊、領域自適應、強化學習、元學習、終身學習、網絡壓縮等深度學習相關的進階算法. 在理論嚴謹的基礎上，本書保留了公開課中大量生動有趣的例子，幫助讀者從生活化的角度理解深度學習的概念、建模過程和核心算法細節.

本書講述基於人工智能的控制技術，主要介紹了神經網絡控制、模糊邏輯控制和進化算法控制。全書分為兩部分，共10 章。第1 部分為基礎篇，包括第1～6 章，講述基礎理論。第1 章緒論講述人工智能和控制論的基礎；第2～4 章是神經網絡控制部分，主要講述神經網絡理論基礎、典型神經網絡、神經網絡自適應控制、強化學習和深度強化學習的內容；第5章講述模糊控制；第6 章講述進化算法。第2 部分是實用篇，包括第7～10章，以機械臂、無人機、五子棋和圖像優化處理等為例，具體說明了第1部分內容的應用。書中每章均附有習題。為加快推進黨的二十大精神進教材，本書深入挖掘科學研究和科學成果取得過程背後的“兩彈一星”精神、載人航天精神、科學家精神等，並以二維碼的形式進行教學指引。本書可作為人工智能、自動化、電氣工程及其自動化、智能控制等相關專業的本科課程教材，也可以作為相關工程技術人員的專業參考書。

本書是日本人工智能領域的暢銷書，作者均為模式識別領域的知名學者，他們基於多年的研究、實踐經驗和獨特的視角，從模式識別的基本概念開始，以通俗易懂的語言介紹了機器學習、識別函數設計、特徵的評價、特徵空間的變換、子空間法、最小二乘法等常用的模式識別基礎知識和算法。此外，精心設計的習題能幫助讀者進一步深入理解模式識別理論，心得欄目提供了作者在實際研究中的一些很有價值的思考。本書內容深入淺出且具有新意，適合對模式識別感興趣的初學者，對專業人士也具有較高的參考價值。

《人工智能（AI）應用從入門到精通》是一本人工智能應用入門級讀物，全書分基礎篇和應用篇兩個部分。基礎篇包括人工智能的基本認知、人工智能的關鍵技術、人工智能的基本要素、人工智能的產業應用和人工智能的倫理安全五部分內容；應用篇包括人工智能 教育、人工智能 醫療、人工智能 金融、人工智能 交 通、人工智能 安防、人工智能 零售、人工智能 物流、人工智能 制造和人工智 能 農業九章內容。本書去理論化，簡單

這是一本與眾不同的關於生成式AI的書。首先，它對AI產業和AI技術過去多年的發展脈絡做了一個總結，以高屋建瓴的視角分析事物的全貌。其次，它深入淺出地討論了AI尤其是生成式AI的關鍵技術問題，但沒有“沉溺”於這些問題。再次，它既涉及歐美最先進的生成式AI產業，也涉及中國在追趕中的生成式AI產業。最後，它脫離了資本市場的短期視角，充分而全面地討論了一些基本的、長遠的問題，例如生成式AI到底要如何改造傳統產業。“不瘋魔，不成活”，只有“固執己見”的天才才能改變歷史——這是研究生成式AI帶給我們的最大啟示。

本書主要介紹人工智能芯片設計相關的知識，包括作為人工智能芯片設計基礎的數字集成電路電路設計知識和數字集成電路系統設計知識，進而分析人工智能芯片設計面臨的挑戰，由此引出本書的重點：人工智能芯片的數據流設計和架構設計，包括了塊浮點數設計、卷積神經網絡數據量化算法、稀疏化算法、加速器系統控制策略、卷積層加速器設計、全連接層加速器設計等前沿技術。本書在幫助讀者獲得對人工智能芯片設計全面理解的基礎上，使讀者也能更好地把握人工智能芯片設計的重點和方向，為讀者在此領域進一步研究和開發打下堅實的基礎。 本書可作為普通高等學校電子信息類專業、人工智能專業、計算機類專業本科生的教材，也可作為從事人工智能芯片設計的工程技術人員的參考書。

本書前半部分介紹強化學習的重要思想和基礎知識，後半部分介紹如何將深度學習應用於強化學習，遴選講解了深度強化學習的最新技術。全書從最適合入門的多臂老虎機問題切入，依次介紹了定義一般強化學習問題的馬爾可夫決策過程、用於尋找最佳答案的貝爾曼方程，以及解決貝爾曼方程的動態規劃法、蒙特卡洛方法和TD方法。隨後，神經網絡和Q學習、DQN、策略梯度法等幾章則分別討論了深度學習在強化學習領域的應用。本書延續“魚書”系列的風格，搭配豐富的圖、表、代碼示例，加上輕鬆、簡明的講解，讓人循序漸進地理解強化學習中各種方法之間的關係，於不知不覺中登堂入室。

AIGC(人工智能生成內容)的興起使大量低成本的構思、設計的實現和精美的演示文稿、圖片、視頻、動畫的製作成為可能。現在互聯網上出現了不少由AIGC技術生成的高質量內容，如生活、哲理、心理、知識、技能類短視頻，得到了觀眾的高度認可。本書是為致力於創作高質量內容的讀者而精心編寫的，以系統化、結構化的思維，將策劃和製作高質量內容的知識、技能和工具有組織、有條理地編寫出來，供讀者學習。本書適合想要創作高質量、有品位的互聯網內容創作者(圖片生成、短視頻製作等)閱讀，也適合熱衷傳播知識和技能的知識工作者(知識付費、課件製作等)閱讀。

《機器學習: 全彩圖解微課Python編程》是「鳶尾花數學大系：從加減乘除到機器學習」叢書的最後一冊，前六本解決了編程、視覺化、數學、 數據方面的諸多問題，而《機器學習: 全彩圖解微課程Python編程》將開啟機器學習經典演算法的學習旅程。《機器學習: 全彩圖解微課程Python編程》設定了24 個主題，對應四大類機器學習經典演算法（迴歸、分類、降維、聚類），涵蓋演算法包括： 迴歸分析、多元線性迴歸、非線性迴歸、正規化迴歸、貝葉斯迴歸、高斯過程、k 最近鄰分類、樸素貝葉斯分類、高斯判別分析、支援向量機、核子技巧、決策樹、主成分分析、截斷奇異值分解、主成分分析進階、 主成分分析與迴歸、核主成分分析、典型相關分析、 k 均值聚類、高斯混合模型、最大期望演算法、層次聚類、 密度聚類、譜聚類。《機器學習：全彩圖解微課程Python編程》選取演算法模型的目標是涵蓋Scikit-Learn 函式庫的常用機器學習演算法函數，讓讀者充分理解演算法理論， 又能連結實際應用。因此，在學習《機器學習: 全彩圖解微課程Python程式設計》時，特別希望呼叫Scikit-Learn 各種函數來解決問題之餘，更要理解演算法背後的數學工具。因此，《機器學習: 全彩圖解微課程Python編程》給出適度的數學推導以及擴展閱讀。《機器學習: 全彩圖解微課程Python編程》提供程式碼範例和影片講解，「鳶尾花書」強調在JupyterLab 自主探究學習才能提升程式設計技能。本書配套微課也主要以配套Jupyter Notebooks 為核心，希望讀者邊看視頻，邊動手練習。《機器學習: 全彩圖解微課程Python編程》讀者群包括所有試圖用機器學習解決問題的朋友，特別適用於機器學習入門、初級程式設計師轉型、 高級資料分析師、機器學習進階。

本書選取當下大熱的AIoT（人工智能物聯網）為應用場景，以NVIDIA Jetson Nano為硬件平臺，系統介紹了人工智能的開發知識，重點講解了人工智能中邊緣計算技術的應用。首先介紹了NVIDIA Jetson Nano開發平臺和開發環境的配置，然後通過具體的案例介紹了人工智能邊緣計算在物體檢測、深度學習等領域的應用。本書適合人工智能初學者、嵌入式開發技術人員、對人工智能技術感興趣的青少年及創客教師自學使用，同時也可用作高等院校人工智能相關專業的教材及參考書。

人工智能領域正在以超乎人們想像的速度發展，本書趕在人工智能徹底佔領世界之前完成編寫，實屬萬幸。書中收錄了超過100道機器學習算法工程師的面試題目和解答，其中大部分源於Hulu算法研究崗位的真實場景。本書從日常工作、生活中各種有趣的現象出發，不僅囊括了機器學習的基本知識，而且還包含了成為出眾算法工程師的相關技能，更重要的是凝聚了筆者對人工智能領域的一顆熱忱之心，旨在培養讀者發現問題、解決問題、擴展問題的能力，建立對機器學習的熱愛，共繪人工智能世界的宏偉藍圖。“不積跬步，無以至千里”，本書將從特徵工程、模型評估、降維等經典機器學習領域出發，構建一個算法工程師必-備的知識體系；見神經網絡、強化學習、生成對抗網絡等新科研進展之微，知深度學習領域勝敗興衰之著；“博觀而約取，厚積而薄發”，在末一章為讀者展示生活中各種引領時代的人工智能應用。

本書共11章，主要介紹機器學習的基本概念和兩大類常用的機器學習模型，即監督學習模型和非監督學習模型。針對監督學習模型，本書介紹了線性模型（線性回歸、Logistic回歸）、非線性模型（SVM、生成式分類器、決策樹）、集成學習模型和神經網絡模型及其訓練；針對非監督學習模型，本書講解了常用的降維技術（線性降維技術與非線性降維技術）和聚類算法（如均值聚類、GMM、層次聚類、均值漂移聚類、DBSCAN和基於密度峰值的聚類等）。本書可作為高等院校計算機應用、人工智能等專業的機器學習相關課程的教材，也可作為計算機應用與人工智能等領域從業人員的學習參考用書。

本書系統介紹了機器學習的基本內容及其代碼實現，是一本著眼於機器學習教學實踐的圖書。本書包含4個部分：第一部分為機器學習基礎，介紹了機器學習的概念、數學基礎、思想方法和簡單的機器學習算法；第二部分為參數化模型，講解線性模型、神經網絡等算法；第三部分為非參數化模型，主要討論支持向量機和決策樹模型及其變種；第四部分為無監督模型，涉及聚類、降維、概率圖模型等多個方面。本書將機器學習理論和實踐相結合，以大量示例和代碼帶領讀者走進機器學習的世界，讓讀者對機器學習的研究內容、基本原理有基本認識，為後續進一步涉足深度學習打下基礎。本書適合對機器學習感興趣的專業技術人員和研究人員閱讀，同時適合作為人工智能相關專業機器學習課程的教材。

本書遵循理念與方法、經典與前沿、技術與應用相融合滲透的原則，在理念、結構、內容和資源上都極具特色和創新。按照人工智能新知識體系，本書內容分為五大部分13 章。 將傳統或經典人工智能理論、方法與技術以及新一代人工智能技術和方法相結合，形成基礎概念(1-3章)+基礎技術(4-5章)+重點研究內容與方向(機器智能)(6-12章)+行業應用與倫理基礎(12、13章)的新知識體系模式。 本書提供了配套學習資源，可通過人郵教育社區(www.ryjiaoyu.com)下載本書配套的電子資源，包括教學大綱、教案、教學課件PPT、習題答案、思政素材、實踐案例及其他拓展學習資料。

本書通過扎實、詳細的內容和清晰的結構，從算法理論、算法源碼、實驗結果等方面對深度學習算法進行分析和介紹。本書共三篇，第一篇主要介紹深度學習在計算機視覺方向的一些卷積神經網絡，從基礎骨幹網絡、輕量級 CNN、模型架構搜索 3 個方向展開，介紹計算機視覺方向的里程碑算法；第二篇主要介紹深度學習在自然語言處理方向的重要突破，包括基礎序列模型和模型預訓練；第三篇主要介紹深度學習在模型優化上的進展，包括模型優化方法。 通過閱讀本書，讀者可以深入理解主流的深度學習基礎算法，搭建起自己的知識體系，領會算法的本質，學習模型優化方法。無論是從事深度學習科研的教師及學生，還是從事算法落地實踐的工作人員，都能從本書中獲益。

本書是智能計算平臺應用開發中級教材，主要介紹了智能計算平臺搭建、平臺管理、數據管理、應用開發等相關知識。全書共分9章，內容包括智能計算平臺應用開發概述、人工智能與平臺搭建、平臺管理、數據采集、數據存儲、數據處理、數據備份與恢復、機器學習基礎算法建模和人工智能模型開發測試。

ChatGPT引發了新一輪關於人工智能討論的熱潮，科技圈乃至各行各業都躍躍欲試，希望借助這次AI浪潮乘勢而起。那麼，回歸到個人層面，我們該如何更好地利用互聯網和AI技術，實現自我價值，創造社會價值，充分地享受美好生活呢？本書不僅揭示了ChatGPT的神奇之處，而且解讀了全球範圍內的生成式人工智能產業格局。此外，本書還剖析了如何在大模型時代構建個體競爭優勢，梳理了超級個體的成長秘訣，並通過豐富而翔實的案例總結了ChatGPT、文生圖工具、AI繪圖工具等的使用技巧，展示了一系列超級個體實踐案例。最後，本書還客觀地分析了使用大模型可能面臨的安全風險及應對措施。本書旨在幫助普通人理解人工智能、大模型等新技術、新應用，並將其與自己的工作和生活緊密地結合在一起。本書旨在從實踐角度出發，探索一條讓更多人通過人工智能放大自身優勢，成為“超級個體”的可行路徑。

本書基於當前流行的深度學習框架之一――Keras，從新手的角度出發，詳細講解Keras的原理，力求幫助讀者實現Keras從入門到精通。全書共9章，主要內容包括初識深度學習、深度學習的數據預處理技術、使用Keras開發深度學習模型、卷積神經網絡及圖像分類、循環神經網絡在文本序列中的應用、自編碼器、生成式對抗網絡、模型評估及模型優化，以及深度學習實驗項目。本書內容由淺入深、語言通俗易懂，從基本原理到案例應用、從基礎算法到對複雜模型的剖析，讓讀者在循序漸進的學習中理解Keras。 本書可作為高等院校計算機、通信、大數據等專業相關課程的教材，也可作為人工智能、圖像處理、計算機等方向的科研人員和深度學習技術愛好者的參考書。