本书是一部揭示ChatGPT与AIGC的背后真相及未来发展趋势的重要著作。首先，本书全景式展现了ChatGPT背后的创造者群像，揭示了创新、创造和创业的成功之路。其次，本书系统回顾了AIGC发展过程中的重要里程碑，从早期的神经网络到深度学习技术，再到大语言模型的突破，全面展示了这一领域的进展和创新。再次，本书聚焦剖析了ChatGPT的技术渊源、技术架构、进化之路、商业模式及未来发展趋势。从次，本书将关于ChatGPT的讨论扩大到AIGC领域，深刻分析了AIGC的生产力革命内涵。然后，本书深

在很长一段时间里，人类是地球上唯一会使用符号的生物。现在，计算机越来越智能，人类有了使用符号的伙伴。而要了解人工智能，就必须了解人工智能奠基人和科学家。本书作者帕梅拉·麦考黛克回忆了自己从20世纪60年代初识人工智能到21世纪深切体验人工智能对我们生活产生的影响，记述了这一过程中对人工智能形成和发展做出举足轻重的贡献的人物，探讨了人文与科学这两种文化之间的碰撞和结合。

《Copilot和ChatGPT编程体验：挑战24个正则表达式难题》呈现了两方竞争的格局。一方是专业程序员David Q. Mertz，是网络上****的正则表达式教程的作者。另一方则是强大的AI编程工具OpenAI ChatGPT和GitHub Copilot。
比赛规则如下：David编写了24个正则表达式难题，并展示如何解决每个难题。David解题后，会让AI工具重解一遍。AI工具给出的结果令David大为惊叹。哪方的结果更正确？哪方编写的代码更简洁优雅？哪方更机智地利用了鲜为人知的

本书介绍人工智能的基础理论、技术及应用。全书共9章,主要内容包括人工智能概述、知识表示与知识图谱、搜索策略、机器学习、人工神经网络、典型卷积神经网络、智能图像处理、机器学习开发框架、机器学习项目剖析。本书强调理论联系实际，既深入浅出地介绍了人工智能领域的基础知识和实用技术，又详细介绍了两个机器学习开发框架： PyTorch和百度公司研发的PaddlePaddle（飞桨），并带领读者逐步剖析在飞桨平台上实现的项目案例。案例的代码清晰，易于理解，读者可快速提高采用机器学习方法解决实际问题的实践

人工智能是研究利用计算机系统实现人类智能的理论、方法和技术的学科。本书较系统进介绍了人工智能的基本内容，主要包括人工智能发展的三次热潮、知识与知识表示、推理方式、搜索策略、专家系统、机器学习、神经网络模型、深度学习、计算机视觉、自然语言处理、知识图谱、智能体、群智能算法、生物征识别和智能机器人等。
本书注重基本概念、基本方法和应用实例的介绍，谱言精炼、逻辑层次清晰、透合作为高等学校人工智能”课程的教材，也可以用作科技人员的参考书。

本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。本书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现文本生成等。本书大部分章包含实训和课后习题，希望通过练习和操作实践，帮助读者巩固所学的内容。 本书可以作为高等学校数据科学与大数据技术或人工智能相关专业的教材，也可作为深度学习爱好者的自学

本书以项目实践作为主线，结合必需的理论知识，以任务的形式进行内容设计，每个任务都包含任务描述及任务实施的步骤，读者按照实施步骤进行操作就可以完成相应的学习任务，从而不断提升项目实践能力。本书主要内容涉及机器学习的基础知识，模型评估与选择，回归、分类、聚类等机器学习算法，数据挖掘的基础知识，数据分析与应用，以及通过用户行为分析预测项目学习如何将机器学习与数据挖掘应用到实际中。 本书适合使用机器学习与数据挖掘技术进行大数据处理的程序员、架构师和产品经理作为技术参考和培训资料，也可作为高校本科生和研究

本书系统介绍了众包学习的概念、应用领域、前沿课题和研究实践。在基础知识方面，本书介绍了众包的起源与发展、众包技术的研究方向，分析众包模式给机器学习带来的机遇与挑战。在前沿技术方面，本书详细阐述了众包标注真值推断与面向众包标注数据的预测模型学习等前沿研究课题。在研究实践方面，本书介绍了面向偏置标注的众包标签真值推断、基于机器学习模型的众包标签噪声处理、众包标签利用方法与集成学习模型、基于不确定性度量的众包主动学习等典型研究案例。

本书以统计/数学为出发点, 介绍深度学习必备的数理基础, 讲解PyTorch的主体架构及最新的模块功能, 包括常见算法与相关套件的使用方法, 例如对象侦测、生成对抗网络、深度伪造、图像中的文字辨识、脸部辨识、BERT/Transformer、聊天机器人、强化学习、自动语音识别、知识图谱等。

本书是一本深度学习从入门、算法到应用实践的书籍。全书共9章，第1章介绍深度学习基础，主要介绍基本概念和基本算法；第2章介绍深度学习的计算平台，主要介绍深度神经网络计算芯片TPU的架构原理；第3章介绍深度学习编程环境和操作基础，引导零基础读者快速入门Linux操作系统、Python编程语言、TensorFlow和PyTorch深度学习框架，为实现深度学习算法开发及应用部署奠定基础；第4～8章基于卷积神经网络，分别聚焦计算机视觉领域的几大经典任务，包括图像的分类、目标检测、语义分割、实例分割、人脸检