算力、数据、AI已经成为驱动当今社会技术发展的三架马车，而算力也从传统的超级计算向云超算的方向发展。本书旨在探讨当前超级计算与云计算的融合而给算力带来的新的发展，介绍当前在算力领域的一些实践和探索，从理论到工程，帮助读者了解超级计算的关键技术与未来发展，从而更好地应用和发展高性能技术。

人力资源是企业取得和维系竞争优势的关键性资源，本书是在人力资源管理的认知基础上结合实践，阐述人力资源开发与管理、人力资源规划、职位分析与评价、员工培训与开发、绩效管理、薪酬管理、职业生涯开发与管理及跨文化人力资源管理。书中主要通过言简意赅的语言、丰富全面的知识点以及清晰系统的结构，对人力资源开发与管理进行了全面且深入地分析与研究，充分体现了科学性、发展性、实用性、针对性等显著特点，可以成为一本为相关研究提供参考和借鉴的专业学术著作。

本书以通俗的语言和生动的案例，将ChatGPT、AIGC和元宇宙等热点一网打尽，全面展示“台前”“幕后”的来龙去脉，是一本深入浅出的通识书。本书将为你拨开迷雾，搞懂底层逻辑，把握风靡全球的未来科技和AI新时代的成长机会。

本书从顶层设计角度总结了CIM平台的设计方法、需求分析、总体设计等内容。本书内容包括概论、CIM平台设计方法、CIM 平台需求分析、CIM平台总体设计、CIM基础平台设计、CIM典型应用设计、实施路径设计、CIM平台设计案例、总结与展望，可指导CIM平台设计和落地建设。第1章从相关技术背景和概念切入，阐述了CIM平台概念、特征和应用范畴。第2章明确了CIM平台设计的理论与方法。第3章从国家发展战略与目标着手，剖析了当前业务应用、信息系统、数据资源的现状、需求及差距，梳理了CIM平台需求。第4章介

AI绘画拥有速度快、准确性高、自动化、创造性丰富、数据驱动等优势，可以让专业绘画者更快速和高效地创作出各种图片和艺术作品，还可以为没有专业绘画技能的内容创作者提供一种新的方式来表达自己的创意和想法，让他们更轻松地在社交媒体平台上展示自己的作品，增加曝光度。 这是一本使用Stable Diffusion等AlGC模型绘制的人工智能画册，你可以了解如何收集灵感，如何使用AI快速绘制和调整作品，以及如何展览与交易作品，你会看到作者多年经验和精选作品的汇集。

本书以通俗易懂的语言对ChatGPT进行全面讲解。本书分为10章。第1章对ChatGPT及ChatGPT的创造者OpenAI进行初步讲解。第2章讲解ChatGPT的功能和使用方式，以及如何用ChatGPT在实际应用场景中解决问题。第3章讲解如何用Prompt（提示语）让ChatGPT输出更有价值的内容，并讲解设计Prompt的原则，以及如何用第三方工具提升Prompt的使用效率。第4章讲解ChatGPT的能力缺陷并提出一些解决方案。第5章讲解传统智能对话机器人的原理和实现架构，涉及知识问答

自2023年以来，AI聊天机器人ChatGPT火爆互联网，其颠覆性的使用体验重塑了人们对于AI的认知。而ChatGPT背后的技术—AIGC也引起了互联网圈的关注，打开了人们对AI应用的想象空间。本书从ChatGPT入手，以AIGC为中心，对AIGC的理论知识、应用场景、未来发展等内容进行了全面的梳理。 首先，本书对AIGC的概念、技术构成、产业生态、市场现状等进行了讲解，以便读者对AIGC形成一个清晰、完整的认知。其次，本书讲解了AIGC在传媒、电商、影视、娱乐、教育、工业等领域的应用，展现了A

本书首先介绍了业内多个具备代表性的数据安全理论及实践框架，从数据常见风险出发，引出数据安全保护最佳实践；然后介绍了数字经济时代数据要素市场的基本信息，基于构建数据要素市场、促进数据合规安全流通、释放数据价值等场景中的实践，抽象并总结了一套数据要素可信、安全、合规流通的体系架构，包括数据安全保护技术与保护数据价值释放的隐私计算技术；最后针对政务、金融、电力能源、公安行业等重点行业，分析了数据安全与数据孤岛现象的跟本原因，介绍了数据安全实践案例，并介绍了如何通过部署数据要素流通体系架构，打破“数据壁

本书以通俗易懂的方式从各个层面介绍了AIGC的基础知识，并辅以大量案例引领读者了解AIGC的应用实践，让读者可以更快速地利用AIGC改善工作和生活。 第1章从AI发展历史到资本市场近况阐述了AIGC产业的概况，第2章介绍了AIGC相关技术，第3章介绍了文本类AIGC技术的发展及其在传媒、教育、办公等场景中的应用，第4章介绍了声音类AIGC技术的发展及其在音乐、仿真等领域中的应用，第5章介绍了图片类AIGC的发展及其在图片生成、图片处理、图片识别等领域中的应用，第6章介绍了视频类AIGC的发

本书系统介绍了神经网络和深度学习，并结合实际应用场景和综合案例，让读者深入了解深度学习。全书共16章，分为4个部分。第1部分介绍了深度学习基础算法与应用，主要包括神经网络和深度学习的相关概念、多层神经网络的基本原理和具体应用、卷积神经网络的原理及项目案例实现、优化算法与模型管理。第2部分介绍了深度学习进阶算法与应用，主要包括经典的深度卷积神经网络，ResNet、DenseNet和MobileNet，目标检测的基本概念和常见算法，循环神经网络的基本概念和具体应用。第3部分介绍了时空数据模型与应用，