本书分为两篇：第一篇算法原理：详细介绍了先进的深度学习模型，包括Transformer、GPT系列、深度生成模型，从基本架构、训练方法到特定应用，包括但不限于Seq2Seq结构、位置编码、注意力机制、残差连接、变分自编码器、GAN、ViT、CLIP、StableDiffusion、各模型训练实践的知识点。此外，探讨了预

本书共分为6章，第1章介绍了PyTorch的安装和基本操作；第2、3章介绍了深度学习的基础知识、简单的线性模型以及计算图知识；第4、5章在前文的基础上进一步扩展，介绍了各种神经网络模型；第6章介绍了PyTorch的高级特性。

本书旨在帮助没有任何人工智能技术基础的工程师们全面掌握AIGC的底层技术原理，以及大语言模型、扩散模型和多模态模型的原理与实践。本书的核心价值是，首先为想学习各种大模型的读者打下坚实的技术基础，然后再根据自己的研究方向展开深入的学习，达到事半功倍的效果。

人工智能不只是一种技术，更是一种政治。本书从当代政治哲学的具体主题切入讨论人工智能政治，包括：自由、操纵、剥削和奴役；平等、公正、种族主义、性别歧视和其他形式的偏见与歧视；民主、专业知识、参与和极权主义；权力、规训、监控和自我建构；与后人类主义和超人类主义相关的动物、环境和气候变化等，由此勾勒出了人工智能政治哲学的思考

本书是人工智能入门性教材。根据学科的迅速发展及广大读者的需要，在前两版的基础上保留原有编写风格和优势，对内容进行了修订升级，对难度较大的知识点进行了重新编写，使其更易理解。全书由4篇共17章组成。第一篇是人工智能基础理论篇，共9章(第1-9章)，从整体角度介绍人工智能的基本概念与基础理论。第二篇是应用技术篇，共4章(第

随着科技的不断进步，人工智能迅速发展。人工智能的发展离不开算法，而在算法中，分类技术是人工智能发展的重要组成部分。本书针对粗糙集分类技术的模型及其特征选择算法展开了深入研究。主要内容包括：(1)正向宏近似分类模型及其特征选择算法。正向宏近似分类模型把整个决策类集作为一个整体来近似，从宏观的角度描述了决策类集的上下近似，

本书主要内容涵盖人工智能的基本概念、搜索算法、机器学习、深度学习、自然语言处理、计算机视觉、人工智能安全与伦理、智能控制、智能机器人、智能医疗、智能金融、智能交通、智能安防、智能家居、智能农业和智能教育。本书内容丰富，条理清晰，注重理论与实践相结合，通过大量的案例和实验，使读者更好地理解和掌握人工智能技术及相关应用。同

勇敢的新世界：伪装的艺术……正如人工智能这个名字所暗示的，它是人工的，与人类智能根本不同。然而，人工智能的目标通常是模仿人类智能，这种欺骗从最初就开始了。自从艾伦·图灵回答了“机器能思考吗？”这个问题，并提出机器假装是人类以来，我们就一直在尝试模仿。现在，我们开始构建真正欺骗我们的人工智能。像ChatGPT这类强大的人

本书是日本人工智能领域的畅销书，作者均为模式识别领域的知名学者，并基于他们多年的研究、实践经验和独特的视角，从模式识别的基本概念开始，以通俗易懂的语言介绍了机器学习、识别函数设计、特征的评价、特征空间的变换、子空间法、最小二乘法等常用的模式识别基础知识和算法，精心设计的习题能帮助读者进一步深入理解模式识别理论。在心得栏

本书共10章，涵盖的主要内容：机器学习概述；为什么机器学习需要概率论；概率的定义；集合和事件；独立性；概率的性质；常见的计算概率方法；离散型和连续型概率分布；离散型和连续型概率分布的期望值、方差与标准差；几种常见的离散型和连续型概率分布；条件概率；联合概率；边缘概率；贝叶斯理论；随机过程简介；马尔可夫链；隐马尔可夫模型