《深度学习模式与实践》通过介绍**实践、设计模式和可复制的架构，指导读者的深度学习项目从实验室走向应用。本书收集并阐明了近十年来真实世界中深度学习最紧密的洞察。读者将通过每个有趣的例子学习相关技能，并建立信心。
《深度学习模式与实践》深入研究了如何构建成功的深度学习应用程序。通过将经过验证的模式和实践应用到自身项目中，读者将节省数小时的试错时间。本书通过测试的代码示例、真实世界示例和出色的叙事风格，使复杂的概念变得简单和有趣。在此过程中，读者将学会相关技巧来部署、测试和维护项目。
本

本书侧重于实证维度的经济和金融问题，以及如何用机器学习方法求解这些问题，通过建立相关模型得出相应的结论。这包括各种区分深度学习模型(DNNs、cnn、lstm和DQNs)、生成机器学习模型(gan和VAEs)和基于树的模型。本书内容还涵盖了经济学和机器学习的经验方法的交叉，包括回归分析，自然语言处理，和降维。本书的读者对象为本专科学生以及研究生，在经济和金融领域工作的数据科学家，公共和私营部门的经济学家，以及社会科学研究者。

ChatGPT一经问世，在全球范围内引起巨大轰动，GPT-4接入未来办公软件更是让人震惊，而且技术正在以前所未有的速度快速迭代。那么，以这些技术为代表的生成式人工智能（AIGC）是否为新一轮的技术革命？它到底能做什么，具有哪些优势和场景应用趋势？面对新技术，未来商业的机会在哪里，对我们个人又有着什么样的影响？这些问题对于我们理解当下，面向未来都十分重要。本书基于作者的专业背景和长期实践，系统介绍生成式人工智能的内在逻辑与应用，并将其与产业发展，理论和实际相结合，帮助读者从本源了解生成式人工

本书探究了拥有强大算力支持的大语言模型如何汲取其创造者——人类的智慧和思想，来达成令人动容的成就。

ChatGPT火爆全球，但大语言模型（Large Language Model）才是幕后真正的智能大脑！生成式大模型正在开创新的时代，基于生成式预训练大模型的技术突破，也在带来面向个人、深入行业的多重应用。这势必引发新一轮的智力革命和产业重构，构建全新的脑机协作关系。但在同时，与机会如影随形的泡沫也会随之涌现。

为此，本书对大模型时代的技术、应用和产业变化进行了深入的分析和阐述。本书首先将专业的技术知识通过拟人化的形式进行呈现，生动形象地解释了ChatGPT大模型背后的原理，

本书系统地阐述了机器学习控制及其策略，全面介绍了当前有关机器学习控制在线性系统、非线性系统和湍流控制中的实验案例，展望了机器学习控制技术的未来发展和潜在应用。内容包括：反馈控制及其在实际复杂问题中面临的挑战；机器学习控制、实现方法及案例；线性控制理论中的几种经典方法；机器学习控制与经典控制方法的比较；非线性系统的机器学习控制；基于机器学习的流体控制实验；机器学习控制的战术与策略；未来机器学习控制的应用及其方法学的发展方向。

本书是人工智能和机器学习领域专家多年实践的结晶。它深入浅出地讲解了无代码人工智能开发平台实践，可以激发读者对人工智能的兴趣、学习人工智能知识、明确人工智能要素、掌握人工智能应用流程，并在学习和工作中不断拓展人工智能的应用领域，探索新的人工智能落地应用场景。本书首先介绍了人工智能和无代码人工智能平台EasyDL的基本用法，涉及图像智能分析、文本智能分析、语音智能分析、EasyDL OCR等；然后，重点阐释了人工智能模型调用、人工智能模型部署方面的内容；最后，分析人工智能在各个领域的应用案例并介绍相

《机器学习中的标记增强理论与应用研究》由东南大学计算机科学与工程学院助理研究员徐宁撰写。全书聚焦标记端多义性这一当今机器学习领域的热点问题，针对学习过程中不可避免的信息损失这一突出问题，提出了标记增强的概念，以期在不增加额外数据标注负担的前提下，挖掘训练样本中蕴含的标记重要性差异信息，将逻辑标记转化为标记分布。

《机器学习中的标记增强理论与应用研究》共六章：
第1章绪论，介绍了全书的研究背景和研究内容。
第2章标记增强研究进展，介绍了标记增强的研究进展。
第3章标

本书讲解了经典的高级机器学习算法原理与知识，包括常见的监督学习、无监督学习、概率图模型、核方法、深度神经网络，以及强化学习等内容，同时更强调动手实践。所有算法均利用PyTorch计算框架进行实现，并且在各章节配备实战环节，内容涵盖点击率预估、异常检测、概率图模型变分推断、高斯过程超参数优化、深度强化学习智能体训练等内容。
本书附赠所有案例的源代码及各类学习资料来源，适合具有一定编程基础的人工智能爱好者学习，也是相关从业者和研究人员的学习指南。

本书知识全面、实用, 共10章, 内容包括深度学习数学基础, 深度学习基础模型( 全连接网络、卷积神经网络、循环神经网络、Transformer等) 和实现, 多场景多领域最佳实践, 模型优化、加速与部署等。