《AIGC：让生成式AI成为自己的外脑》针对近期较为火热的AIGC技术及其相关话题，介绍AIGC的技术原理、专业知识和应用。 全书共分为九章。第一章介绍AIGC技术的基本概念和发展历程；第二、三章介绍AIGC的基础技术栈和拓展技术栈；第四、五章分别讨论了AIGC技术在文本生成和图像生成两个领域的现状和前景；第六章列举了目前较为热门的AIGC技术应用；第七章描述了AIGC的上、中、下游产业链及未来前景；第八章主要关注AIGC在法律和道德上可能存在的争议与问题；第九章对AIGC技术进行了总结与

本书以ChatGPT为主线，通过大量实用案例*介绍如何运用ChatGPT来提高工作和生活效率。 在工作方面，本书详细讲解了如何使用ChatGPT来辅助写作、制作PPT、行数据分析等。这些章节的内容*为丰富，也*能体现ChatGPT的强大作用。读者可以学会运用ChatGPT来优化工作流程，提高工作效率。在生活方面，本书通过许多案例来教会读者如何使用ChatGPT生成思维导图、解答常识问题、学习英语、实现简单助手等，这些功能可以让生活变得更轻松便捷。*后，本书还利用一个完整的章节介绍了如何通过Cha

本书介绍了人工智能标准研究的必要性、思路和方法，并通过人工智能发展历史、现状、关键技术及其在工业中应用存在的问题剖析出制定人工智能标准的重要性，分析了人工智能标准研究的现状、成果以及应用情况，并给出了工信部已经发布或者正在制定的人工智能重点标准，最后介绍了我国人工智能标准化研究面临的挑战及下一步工作建议。

本书是2020年上海老年教育教材研发丛书之一，旨在帮助老年人快速了解当今人工智能的基本知识和应用现状，从而更好地融入智慧共享的新型数字生活。本书共分为四章，不仅深入浅出地介绍了人工智能的发展简史及日常生活中各种高科技场景背后的人工智能技术，还细致地介绍了老年人可主动体验的人工智能产品及服务和人工智能技术在各行各业中的应用。在写作风格上，本书力求贴近老年人的实际生活，语言生动，通俗易懂，融科学性、知识性、趣味性于一体；在呈现形式上，本书图文并茂，符合老年人的认知规律和心理特点，尽量从熟悉的场景引入

本书主要为高等院校非计算机专业的人工智能导论课程设计编写，内容具有应用 理论的特色。针对高校学生的需求和人工智能发展的特点，本书分为引言篇、理论篇和应用篇三部分，可基于学习需求和进度，自主选择。引言篇包括绪论；理论篇包括人工智能之理论基础、人工智能之机器学习、人工智能之深度学习、人工智能之强化学习；应用篇包括人工智能开发平台和人工智能应用及展望。本书可用于普通高等学校各专业人工智能导论、医学人工智能导论等相关课程的教学，也可供对人工智能感兴趣的科研人员参考。

本书全面介绍了统计机器学习的主要算法，内容涉及多元线性回归、对数线性回归、逻辑斯蒂回归、岭回归、Lasso回归、判别分析和聚类分析等传统方法，也涉及支持向量机、深度神经网络以及集成学习等比较热门的算法，并给出相应算法的R语言实现。本书还给出了向量和矩阵函数求导以及拉格朗日对偶等数学基础，便于读者理解相关算法推导。 本书可以作为统计机器学习等相关专业的教材和参考书，也可供从事相关领域研究的人员参考。

人工智能驱动的组学挖掘是数据驱动的生物医学研究的支撑技术。组学测序技术逐步向多尺度、跨模态、有扰动等方向发展，但体现出的高维度、高噪声、多模态、标记稀缺等特点，成为制约其有效挖掘的瓶颈。本书面向生命组学数据特点，较为系统和深入地对组学机器学习的主要研究范式、适用场景、分析方法、理论思想进行介绍。结合相应组学挖掘的具体研究案例，向读者展示组学人工智能驱动的生命健康交叉研究的绚烂图景。

数据驱动的在线协作学习分析是提升协作学习效果的重要基础，是推动在线学习变革的重要力量。本书系统梳理了学习分析的研究现状，阐释了协作学习的理论基础与研究热点，构建了在线协作学习分析模型——KBS模型，设计了面向学习者和教师的群体感知工具，分别从学习者和教师视角分析了群体感知工具对学习者学习和教师教学的支持与指导，探讨了社会调节学习在协作学习中的发生机制，展望了在线协作学习交互分析的发展趋势，为研究者刻画了协作学习分析领域的最新理论模型与研究进展，具有较强的理论价值与应用价值。

本书兼顾深度学习的理论和应用，特别强调大规模训练应用案例，引导学生进人深度学习的前沿领域．主要内容有深度学习的核心理论问题：网络拓扑结构设计、网络参数初始化方法. 大规模网络训练的优化方法、正则化方法、激活函数的研究方法. 书中引人深度学习在计算机视觉中的大型经典和前沿应用案例，包括图像分类任务. 目标检测与跟踪任务、多源遥感图像融合任务、超分辨率任务. 图像隐写与图像信息安全任务等内容. 本书拥有丰富的数字化资源，扫描每章末二维码即可观看学习.

本套教材包括主教材《机器学习-工业大数据分析》，一套多媒体课件，一个工业大数据集，一套完整代码集。由授课教师在进行教学实践的基础上，适应当前国内教学改革的需要，结合清华大学《机器学习与大数据》的教学经验编写而成。本书以机器学习理论方法和工业大数据实践为两条并行主线贯穿整个课程。以经典机器学习、深度学习以及强化学习部分为理论主体，重点介绍方法原理、公式推导、算法设计和分析；以生产系统、交通系统、能源系统、电信系统、医疗系统为主体实践领域，重点介绍大数据与机器学习方法的联合应用以及评估。全书共分2篇