本书重点围绕众智科学智能理论与计算方法展开介绍，主要内容包括众智的定义和建模、众智的分析与计算方法、单个智能体和多个智能体的智能进化方法、众智水平分析方法，以及众智科学智能理论在典型场景的应用。

ChatGPT在全球掀起了AI大模型的浪潮，它是基于GPT-3.5架构的大模型所产生惊艳效果的典型代表。AI大模型是指具有大规模参数和复杂结构的人工智能模型。随着计算能力的不断提高和数据量的增大，AI大模型在自然语言处理、图像识别、语音识别等领域取得了重大的进展和成果，OpenAI于今年3月也刚刚发布了ChatGPT的升级版本GPT-4。人工智能不仅是社会关注的热点，更以燎原之势向各领域迅速渗透。如何全面认识人工智能，了解大模型所带来的机遇与隐忧，这是人们能否顺利拥抱人工智能的关键所在

《智能边缘计算》对智能边缘计算的概念、发展历程以及边缘计算的网络形态进行了介绍，阐述了边缘计算系统架构和部署方案，并对边缘计算的关键技术，如计算卸载、边缘缓存、商业模式、移动性管理以及安全技术进行了详细分析，针对智能边缘计算的几种实际场景以及与新兴技术的融合进行了综述说明。

本书涉及的内容广泛，对算法、技术的阐述足够清晰，将应用场景与实际结合，并对与新兴技术的融合发展进行了展望。本书可以作为从事边缘计算、边缘智能方面课题研究的硕士、博士研究生的教材或参考书，也可以作为对边缘计算感兴

ChatGPT作为人工智能领域的一大进步，引起了热议，其强大功能的背后离不开大模型的支持。大模型指的是参数规模超过千万的机器学习模型，主要应用于语音识别、计算机视觉等领域。
本书聚焦大模型，对大模型的技术场景和商业应用展开详细叙述。本书主要从典型应用ChatGPT入手，探寻其背后支撑大模型的魅力。首先，本书对大模型的基础概念、产业格局、带来的新型商业模式进行讲解，展现了大模型的发展现状和商业化潜力。其次，本书从数据服务、智能搜索、办公工具、对话式AI、休闲娱乐、生产制造、智慧营销、智慧城市

本书首先介绍深度强化学习的基础知识以及TensorFlow 2.x的**主要版本。随后介绍OpenAI Gym、基于模型的RL和无模型的RL，并学习如何开发基本代理。深入介绍发现如何实施高级深度强化学习算法，例如行动者批评、深度确定性策略梯度、深度Q网络、近端策略优化以及深度循环Q网络，以训练RL代理。同时，本书通过构建用于自动完成任务的加密货币交易代理，股票/股票交易代理和智能代理等实例，探索现实世界中的强化学习。最后，本书介绍如何使用TensorFlow 2.x将深度强化学习代理部署到云并构

本书内容包括人工智能概述、人工智能通用技术（计算机视觉、智能语音、自然语言处理等）、人工智能典型应用场景与职业发展、机器学习与深度学习、人工智能法律与伦理，并围绕迎宾机器人的典型应用开发了相关项目。在内容的选取上，本书突出人工智能主流技术和典型案例，覆盖了目前市场上最常见的人工智能技术及应用。编者仔细研究了国内15家国家级新一代人工智能开放创新平台的接口，归纳相关平台的共性内容，选取图像、语音、自然语言处理、智能问答等方面的人工智能通用技能，并针对这些人工智能通用技能安排了相应的实训。编者通过调

概念认知学习是人工智能、大数据领域关注的多学科交叉研究方向，涵盖了哲学、数学、心理学、认知科学以及信息科学等领域．《概念认知学习理论与方法》旨在为广大学者和科研工作者提供概念认知学习领域的基础理论与学习方法．《概念认知学习理论与方法》主要内容包括概念认知学习的基本概念和基础知识、概念认知系统的逻辑推理、概念认知的双向学习机制、对象 -属性诱导概念学习理论、多注意力概念认知学习模型、渐进模糊三支概念的增量学习机理、复杂网络下的概念认知学习以及概念的渐进式认知等理论体系．

本书从人工智能这一颠覆性技术的前世今生说起，对我国人工智能发展历程、人工智能应用领域以及人工智能对社会经济的影响进行了梳理，深入探讨了人工智能背景下实体经济、产业工人、技术技能、职业教育等相关领域交叉融合的关系以及面临的挑战与对策，提出了智能化进程中技术技能、职业教育与产业工人的发展互动路径。
全书共七章，具体为：人工智能大爆炸，实体经济高质量发展，技术技能与产业工人的发展，职业教育与产业工人的发展，人工智能时代技术技能、职业教育与产业工人的发展，产业工人队伍发展演化——技术技能、职

本书是基于Python以及飞桨（PaddlePaddle）深度学习框架的实践性机器学习入门教程，内容涵盖Python基础语法、机器学习常用算法以及在计算机视觉和自然语言处理等经典领域的详细案例解析。

本书语言简洁易懂，注重实践与理论相结合，旨在帮助读者掌握机器学习的核心概念和技能。通过阅读本书，读者可以快速了解机器学习各种算法的应用场景，并掌握使用PaddlePaddle来解决机器学习问题的方法。对于想要入门机器学习的人来说，本书是一本实用性较强的参考书。

本书聚焦深度学习算法的基础理论和核心算法，全面系统地论述深度学习的基础理论，兼顾人工智能数学基础知识与领域**原创基础理论，构建脉络清晰的人工智能理论体系。本书首先介绍了深度学习的相关数学基础，主要包括线性代数、概率论、信息论三部分；紧接着系统地介绍了深度学习的重点内容，主要分为五方面，即深度学习的逼近理论，深度学习的表征理论，深度学习的学习理论，深度学习的优化理论，深度学习的核心算法。