本书基于直播电商背景，以主播吸引粉丝效果为研究主线，从8个章节展开研究，旨在探索以下问题：直播视频中吸引粉丝效果的影响因素有哪些？这些因素影响吸引粉丝效果的中介机制是什么？如何基于直播视频预测吸引粉丝效果？通过采用定性访谈、计算机视觉和多模态机器学习的混合方法，研究基于说服知识理论的“情感、认知、技巧”维度，识别出12个吸引粉丝效果的影响变量，验证其重要性和显著性；构建出说服力的多模态测量方法，检验中介效应并可视化中介过程；为业界提供一个端到端（end-to-end）的吸引粉丝效果预测

在这本书中，作者着力讨论了几种获取机器学习和数据挖掘算法性能的相关知识的方法。作者展示了如何再次利用这些知识来选择、组合、编撰和调整算法和模型，从而为数据挖掘提供更快、更有效的解决方案，帮助研究人员改进算法，并开发能够自我改进的学习系统。本书的新版在旧版基础上就内容做了非常大的扩充。作者介绍了最新的自动机器学习方法，阐明了它与元学习之间的关系，他们解释了操作链设计方法的自动化问题。这本书将引起机器学习、数据挖掘和人工智能领域的研究人员和研究生的兴趣

本书涵盖了一系列有监督的机器学习方法，包括基础方法(k-NN、决策树、线性和逻辑回归等)和高级方法(深度神经网络、支持向量机、高斯过程、随机森林和提升等)，以及常用的无监督方法(生成模型、k-均值聚类、自动编码器、主成分分析和生成对抗网络等)。所有方法都包含详细的解释和伪代码。通过在方法之间建立联系，讨论一般概念(例如损失函数、最大似然、偏差-方差分解、核和贝叶斯方法)，同时介绍常规的实用工具(例如正则化、交叉验证、评估指标和优化方法)，本书始终将关注点放在基础知识上。最后两章为解决现

本书以通俗易懂的语言和有趣的插画来解释深度学习中的概念和方法, 生动形象的插图更容易帮助读者理解和记忆。 同时, 书中指导读者将自己的理解制作成短视频, 以加强学习效果。 另外, 书中还指导读者在 Colab 平台上进行实践。 本书内容全面, 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。 本书具有丰富的趣味性、 互动性和实践性, 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。

本书是新文科·新投资系列的一本。本教材将主要介绍机器学习的基本原理，以及它们在社会科学中的应用。本书的定位是面向熟悉计量经济学、因果识别理论，但不熟悉机器学习的社会科学研究者。因此本书将更加侧重于以浅显直白的语言介绍机器学习的基本原理，并以文献综述、案例详解等方式，介绍机器学习各个算法在社会科学实证研究中的代表性应用。对于代码实操，本书也尽量选取了贴近社会科学研究者的案例，进行详细阐述。 本书还以二维码的形式将相关的代码和具体应用呈现出来，供广大社会科学研究人员参考。

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这类强大的人工智能工具可以让我们相信它们是智能的，模糊了真实与模拟之间的界限。实际上，它们缺乏真正的理解、意识和常识。但这并不意味着它们不能改变世界。人工智能系统是否可以创造性地思考

教育信息化促进了教育测评理念的变革，人工智能时代的教育更加关注以智能技术驱动的学习者认知分析与个性化学习的诉求。本书遵循"理论-方法-应用"研究范式，探索人工智能时代的学习认知分析的新理论与新方法。

本书是作者对自2008年起系统分析"机器能否获得认知发展能力"这一问题而不得不先诉诸于"人工智能基础问题"或"认知哲学"方面的研究其结果的总结。本书立论开宗明义：将机器认知发展问题简化为"物理机器的概念产生问题"。据此，作者遂建立起自己对"概念体系"的理论和对"心灵哲学"的基本观念，之后使用符合哲学讨论习惯的方式进行论述，来揭示现有物理机器对此无能为力的本质原因，并指出我们目前对"认知发展如何进行理论化"在哲学准备上的欠缺之处。

这是一本讲解如何用ChatGPT、Github Copilot X、Cursor等主流AIGC工具优化和提升软件开发全流程效率和质量的实战性著作。

全书以软件开发的流程位主线来组织内容，详细讲解了程序员、架构师、项目经理、产品经理、技术团队管理者们如何在技术方案构建、需求文档撰写、代码编写与注解、客户端开发、前端开发、后端开发、测试和调试、性能优化、疑难问题解决、产品设计、软件架构与设计、应试与面试12个主题充分发挥AIGC工具的潜能，在提高研发效率和质量的同时，提升自身的实

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。在心得栏目里提供了作者在实际研究中一些很有价值的思考。