"本书循序渐进地介绍了深度学习的基础知识与常用方法，全面细致地提供了深度学习操作的原理和在深度学习框架下的实践步骤。本书共分为三部分，理论基础、实验和案例。第一部分理论基础，包括第1~7章，主要介绍深度学习的基础知识、深度学习在不同领域的应用、不同深度学习框架的对比以及机器学习、神经网络等内容； 第二部分实验，包括第8~9章，主要讲解常用深度学习框架的基础以及计算机视觉、自然语言处理、强化学习和可视化技术领域的一些实验讲解。第三部分案例包括第10~17章，通过8个案例介绍深度学习在图像分类、目标

因素空间是信息、智能和数据科学的数学基础理论。本书将介绍因素空间如何将智能生成的统一机制落实到各行各业，开展全民智能孵化的洛神工程。
　　本书主要内容包括：介绍因素的范式特质和智能孵化洛神工程的内容；介绍因素空间对智能生成机制的落实细则；介绍因素显隐的理论，将现有人工智能数学算法归结到回归和优化两大方面，突出支持向量机与因素空间对支持向量机的改进，并介绍作者在线性规划方面的独特贡献；强调智能的核心是因果分析，支持珀尔的因果革命论，并对其中的瑕疵进行改进；作为智能孵化的一个应用，介绍循证因素

本书从多角度覆盖了多智能体自主协同技术的内容，分5篇共18章，包括多智能体系统的协同基础、集群控制、通信优化、任务协同及目标追踪，旨在将多智能体自主协同技术中的方法和理论结合起来，并强调协同基础的重要性，具有基础性、应用性、综合性和系统性等特点。
本书可以作为多智能体系统领域研究的入门指南，或者作为协同无人系统工程师的自学教材，还可以用作高年级本科生以及研究生教材。另外，本书也可以作为协同无人系统、无人飞行系统以及无人系统的补充阅读材料。

本书聚焦于AIGC在数据分析与数据化运营中的实际应用，从业务、方法和场景三个角度深入探讨，旨在帮助读者轻松掌握AIGC技术并将其应用到实际业务场景中。本书共8章，分为三个部分。第一部分(第1章和第2章)主要介绍AIGC在数据分析中的应用，以及AIGC在数据分析报告交付中的创新应用。第二部分(第3章和第4章)专注于AIGC在外部业务场景方面的应用，有助于读者更全面地解决市场和竞争问题。第三部分(第5-8章)聚焦于AIGC在企业内部运营分析方面的实际应用，以提升业务决策的科学性和有效性。<

本书是一本人人都能读懂的大模型综合指南，既是一本大模型的科普书，又是一本大模型的商业书。从核心技术、基础设施、商业应用、产业体系、安全治理5个维度全面讲解了大模型。

这是一本与众不同的关于生成式AI的书。首先，它对AI产业和AI技术过去多年的发展脉络做了一个总结，以高屋建瓴的视角分析事物的全貌。其次，它深入浅出地讨论了AI尤其是生成式AI的关键技术问题，但没有“沉溺”于这些问题。再次，它既涉及欧美最先进的生成式AI产业，也涉及中国在追赶中的生成式AI产业。最后，它脱离了资本市场的短期视角，充分而全面地讨论了一些基本的、长远的问题，例如生成式AI到底要如何改造传统产业。“不疯魔，不成活”，只有“固执己见”的天才才能改变历史——这是研究生成式AI带给我

当前，ChatGPT和AIGC成为市场热点，本书就聚焦这一热点，对其进行详细讲述。本书分为ChatGPT的前世今生、ChatGPT开启AI新纪元、AIGC未来应用前景上、中、下三篇。在上篇，本书对ChatGPT这一核心应用的发展、行业赋能、职业趋势进行了讲解，让读者对ChatGPT有一个全面的了解。在中篇，本书从内容变革、技术图谱、产业链、发展趋势等方面讲解了ChatGPT背后的核心技术——AIGC的发展态势。在下篇，本书从资讯行业、教育行业、娱乐行业。电商行业、金融行业等多行业入手，讲解了AI

"本书从人工智能时代大学生应具备的基础素养出发，紧密围绕任务案例阐述生成式人工智能（AIGC）如何辅助学习、工作、科研、生活等方面，主要内容包括了解生成式人工智能、熟练使用“提示词”与AI高效沟通、AIGC助力“轻松”工作、AIGC辅助“高效”学习、AIGC创造“美好”生活、AIGC打造“爆款”文案、AIGC创作“大师”画作、AIGC生成“震撼”大片、AIGC作为“全能”专家、AIGC发展面临的挑战以及未来的展望。
本书既可以作为高等职业院校、应用型本科院校、中等职业学校的人工智能通识课程

本书分为四部分共22章, 涵盖AI的基本理论、核心技术和广泛应用, 介绍了AI的历史沿革、全球发展态势及中国的成果, 探讨了AI对未来就业市场的影响、机器学习、大数据、计算机视觉等技术原理, 以及AI在无人驾驶、智能制造、智慧医疗等领域的具体应用。同时, 强调了AI技术与国家未来发展的战略联系, 倡导科技创新与社会责任感, 并讨论了AI伦理的重要性。

群体智能算法是一类源于自然现象与社会规律启发的智能算法，是当前人工智能方法的重要组成部分。本书从群体智能算法的基本特征入手，介绍了常见的群体智能算法及其理论基础研究的三大内容：数学模型、收敛性与时间复杂度，详细阐述了粒子群优化算法、蚁群优化算法、鸽群优化算法、头脑风暴算法与烟花算法的数学模型、收敛性分析与时间复杂度分析等研究结果。为了方便读者开展算法理论分析的实践，部分章节提供了配套实用软件工具的使用案例。本书适合从事智能优化、进化计算、计算智能、智能优化、管理科学与应用数学领域研究的学者与研究