本书共11章，包括计算机基础知识、人工智能概述、人工智能基础算法与应用、Python基础入门、Python编程基础、Python数据结构、Python图形处理、Python与爬虫、Python人工智能应用案例、国产麒麟(桌面)操作系统、国产办公软件WPS Office等内容。

本书采用漫画的形式，通过可爱的小仓鼠们的对话，讲述了人工智能助手ChatGPT的基本概念、使用方法、实际应用场景，也介绍了其他一些AIGC工具。第1章介绍ChatGPT的基本概念，告诉大家AIGC与ChatGPT分别是什么，GPT各个版本的演化历程，ChatGPT有哪些应用场景。第2章介绍了ChatGPT的账号与登录问题，指导读者在ChatGPT中问出第一个问题。第3章介绍了ChatGPT的一些进阶使用方式，包括Prompt Engineering，以及调用OpenAI API的方式。第4章介绍

本书带领读者初步学习和实践机器学习、深度学习的算法、流程和核心技术，并介绍了系统开发及开发环境，通过图解的方式将难懂的专业术语和算法表现出来，还介绍了一些比较常用的网站网络服务，让读者能够学以致用。

简单来说，“机器问题”是这样一个问题：机器能够被纳入道德共同体吗？ 本书详细考察了各种解答机器问题的可能方案，但到最后也没有告诉我们机器到底“能”还是“不能”被纳入道德共同体。这种选择是出于对康德意义上“批判哲学”的赞同，更是基于机器问题自身的内在要求，即道德共同体恰恰是通过对机器的排斥才得以建立。 或许可以说，《机器问题》是一部以机器为视角的伦理学著作。正是由于机器自始至终都是伦理学的他者，机器因而也就能够持续地为我们提供一个“不合时宜的视角”。从这个视角出发，我们能够对伦理学本身的根基和

通过技术创新为教育的未来发展注入强大势能，以智能技术解决教育难点问题、增强国家竞争力已成为国际共识。近年来，我国政府出台了系列文件，包括对教育信息化、教育新基建的部署等，旨在推动智能技术与教育的融合走向深入，以进一步推进教育创新和高质量发展，提升智慧教育的整体发展水平。
本书探索了人工智能与未来教育的关系，探讨了人工智能在教育变革中的作用，分析了人工智能教育应用的特征和规律，审视了人工智能融入教育的潜在风险及应对策略，为智能时代教育的健康有序发展提供指导。本书直接面对教育领域目前尚未完全展

本书根据教育部高等学校大学计算机课程教学指导委员会对计算机基础教学的基本要求编写，探索将 “线上”+“线下”混合式教学的最新教学改革思想融入教材的方法，使学生逐步掌握利用计算思维、计算 工具分析和解决问题的方法。本书以 Microsoft Of?ce 2016 和 Python 为主要教学平台，适应日新月异的计算 机技术发展。全书共 7 章，内容包括计算机概述、计算机系统、Windows 10 操作系统、办公软件应用、网络与信息安全、 Python 程序设计基础、人工智能基础。本书主要作为线上教

本书全面介绍了扩散模型这种新兴的深度生成模型在各个领域的应用，其内容包括AIGC与相关技术、扩散模型基础、扩散模型的高效采样、扩散模型的似然最大化、将扩散模型应用于具有特殊结构的数据、扩散模型与其他生成模型的关联、扩散模型的应用、扩散模型的未来等。本书旨在提供一个情景，帮助读者深入了解扩散模型，确定扩散模型的关键研究领域，以及适合未来进一步探索的研究领域。本书适合高等院校计算机科学、人工智能和医学、生物学等交叉学科专业的师生，以及相关人工智能应用程序的开发人员阅读。

PyTorch是一个开源的机器学习框架，它提供了动态计算图的支持，让用户能够自定义和训练自己的神经网络，目前是机器学习领域中****的框架之一。本书基于PyTorch 2.0，详细介绍深度学习的基本理论、算法和应用案例，配套示例源代码、PPT课件。
《PyTorch？2.0深度学习从零开始学》共分15章，内容包括PyTorch概述、开发环境搭建、基于PyTorch的MNIST分类实战、深度学习理论基础、MNIST分类实战、数据处理与模型可视化、基于PyTorch卷积层的分类实战、PyTor

《机器学习平台架构实战》详细阐述了与机器学习平台架构相关的基本解决方案，主要包括机器学习和机器学习解决方案架构，机器学习的业务用例，机器学习算法，机器学习的数据管理，开源机器学习库，Kubernetes容器编排基础设施管理，开源机器学习平台，使用AWS机器学习服务构建数据科学环境，使用AWS机器学习服务构建企业机器学习架构，高级机器学习工程，机器学习治理、偏差、可解释性和隐私，使用人工智能服务和机器学习平台构建机器学习解决方案等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方

图数据是对万物间联系的一般抽象，广泛存在于各行各业中。图表征学习为图数据的建模与分析提供了新范式，是近年来机器学习与数据挖掘领域的热门研究方向，并被有效地应用于推荐系统、交通预测等众多领域。本书将全面介绍图表征学习，特别是针对处于真实世界动态、开放环境之中图数据的图表征学习方法。本书分为3 篇：第1 篇介绍图嵌入和图神经网络等经典图表征学习方法；第2 篇围绕鲁棒性、动态性、可解释性、分布外泛化性等多个角度，系统地介绍针对动态开放环境中的图表征学习方法；第3 篇以四个不同领域为例，从推荐系统、交通