《具身智能》这本书深入探讨了人工智能中的一个新兴领——具身智能，即智能系统与物理身体的结合。本书系统论述了具身智能的理论框架，包括身体与思维的互动、感知与行为的统一性，以及智能体如何通过与环境的互动来学习写适应。书中详细介绍了自由能原理，这是理解生命体和智能系统组织原则的关键理论，同时探讨了这一原理在人工智能设计中的应用，如强化学习感知与行动的和谐统一等。此外，本书还讨论了多学科视角下的智能解读，以及空间智能与具身智能的整合策略，为读者提供了一个全面了解人工智能未来发展趋势的窗口。

本书紧跟当下AI风口，从AI指令学习出发，详细阐述了什么是AI指令、AI指令的重要性、AI指令的模板、怎么拆解AI指令、怎么创作AI指令，以及怎么让AI指令帮助自己变现、提升工作效率等。书里既有浅显易懂的理论阐述，又有详细的案例拆解，可以让你一看就懂，一学就会，轻轻松松掌握AI使用技能，解决90%的工作、学习和生活难题。
“无指令，不AI”，本书从AI的底层逻辑，讲到指令的方法论实操，是一本极具系统化、实操性强的AI指令宝典。

本书是一本针对初学者介绍人工智能基础知识的书籍。本书采用通俗易懂的语言讲解人工智能的基本概念、发展历程和主要方法，内容涵盖人工智能的核心方法，包括什么是人工智能、神经网络是如何实现的、计算机是如何学会下棋的、计算机是如何找到最优路径的、统计机器学习方法是如何实现分类与聚类的、专家系统是如何实现的等，每种方法都配有例题并给出详细的求解过程，以帮助读者理解和掌握算法实质，提高读者解决实际问题的能力。

ChatGPT，这个与人类对话的智能伙伴是《ChatGPT与人工智能的应用》中的一颗璀璨之星。该书将引领读者深入探究ChatGPT的奥秘，探讨它如何在人机交互中扮演重要的角色。通过阅读该书，读者能够深入了解ChatGPT的前世今生及技术原理，并且共同融入对未来应用场景的展望。ChatGPT的发展不仅是技术的进步，也是对人机关系、智能交互的重新定义。大数据如同ChatGPT的灵魂之源，为智能赋能提供源源不断的能量，从而带领读者深入了解大数据在数字时代下的价值体现。在该书中，大数据仿佛被置于聚光灯下

在生成式人工智能的时代，我们见证了模型推理对存储空间和计算能力的巨大需求，这对大语言模型和视觉生成模型的实际应用提出了前所未有的挑战。在这样的背景下，高效模型压缩和模型设计技术显得尤为重要，它们是降低模型计算和存储需求的关键，使得模型的快速部署和高效运行成为可能。本书系统地介绍了高效模型压缩和模型设计的方法，在编写上兼顾理论和实践。本书主体部分详细介绍了模型压缩的方法论，包括高效模块设计、模型剪枝、模型量化、模型二值化、神经网络架构搜索、知识蒸馏几大部分。另外，简要介绍了定制化硬件加速

本书共9章，主要内容有：深度学习模型性能评估、模型可视化、轻量级模型设计、模型剪枝、模型量化、迁移学习与知识蒸馏、自动化模型设计、模型优化与部署工具。

本书是“鸢尾花数学大系：从加减乘除到机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、数据方面的诸多问题，而本书将开启机器学习经典算法的学习之旅。本书设置了24个话题，对应四大类机器学习经典算法(回归、分类、降维、聚类)，覆盖算法包括：回归分析、多元线性回归、非线性回归、正则化与回归、贝叶斯回归、高斯过程、k近邻、贝叶斯分类、高斯判别分析、支持向量机、核技巧、决策树、主成分分析、截断奇异值分解、主成分分析进阶、主成分分析与回归、核PCA、典型相关分析、k均值聚类、高斯混合模型、

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