本书共8章，内容涵盖广泛，语言表述通俗易懂，采用图文并茂的方式进行讲解。第1章概述了文心一言的发展历程、基础知识以及实用技巧；第2章聚焦于文心一言在写作与绘画领域的具体应用，并提供了相关案例供读者参考；第3章介绍了如何利用文心一言提高工作效率，同时展示了相关的应用场景和案例；第4章则针对教育学习领域，详细讲解了文心一言在该领域的应用及相关案例；第5章将视角转向生活方面，深入探讨了文心一言在日常生活中的各种应用，并提供了丰富的案例以资借鉴；第6章介绍了使用文心一言增添生活趣味性的各种应用

《具身智能》这本书深入探讨了人工智能中的一个新兴领——具身智能，即智能系统与物理身体的结合。本书系统论述了具身智能的理论框架，包括身体与思维的互动、感知与行为的统一性，以及智能体如何通过与环境的互动来学习写适应。书中详细介绍了自由能原理，这是理解生命体和智能系统组织原则的关键理论，同时探讨了这一原理在人工智能设计中的应用，如强化学习感知与行动的和谐统一等。此外，本书还讨论了多学科视角下的智能解读，以及空间智能与具身智能的整合策略，为读者提供了一个全面了解人工智能未来发展趋势的窗口。

智能办公时代，人工智能正在进入千行百业，成为降本增效的生产力工具。每个企业、每个人都将拥有个性化的超级助理，以人机协同的新常态创造AI时代的工作方式。
本书以钉钉的探索与实践为基础，展现了基于人工智能的超级助理将为企业和个人带来的巨大变革。从战略制定到业务增长，从组织协同到人事管理，超级助理将利用感知、记忆、规划和行动四种主要能力，在企业协作、创新和决策方面提供更好的支持。
此外，本书也详细叙述了钉钉自诞生至今，数次迭代升级的底层逻辑和实施过程，以及乡村小学、传统巨头和

智能传播，这是一个与时代同行的话题，一个与科技同步演进的领域。在这个信息风暴不断升级的时代，我们面临着前所未有的挑战与机遇。而本书则在这个时代的大舞台上，以独特的视角探讨了智能媒体与智能传播的多重层面。本书从计算社会科学的角度出发，深度挖掘了智能媒体与智能传播其定义、背景、以及未来的发展图景，探索了智能媒体是如何通过技术改变传播介质，如何与媒体业务深度融合，以及如何智能感知并满足用户媒体需求；梳理了人工智能相关技术及其在社交网络、舆情监控、个性化推荐等领域的应用。同时，也正视了人工智能

本书介绍了使用机器学习进行个性化预测的通用原理和方法，以及其在推荐系统等具体场景下的应用。第一部分简要介绍了机器学习的基础内容，主要围绕回归和分类展开对基本内容、特征设计和评估方法的探讨。第二部分详细介绍了个性化机器学习的基础知识。首先围绕推荐系统设置介绍了基于记忆和基于模型的推荐方法等相关知识，并探讨了将社交关系和价格等特征纳入推荐中的个性化设置；之后，从时序和序列建模的角度介绍了自回归和马尔可夫链等基本方法，以及基于神经网络的更复杂的个性化技术。第三部分介绍了个性化机器学习的一些新

在生成式人工智能的时代，我们见证了模型推理对存储空间和计算能力的巨大需求，这对大语言模型和视觉生成模型的实际应用提出了前所未有的挑战。在这样的背景下，高效模型压缩和模型设计技术显得尤为重要，它们是降低模型计算和存储需求的关键，使得模型的快速部署和高效运行成为可能。本书系统地介绍了高效模型压缩和模型设计的方法，在编写上兼顾理论和实践。本书主体部分详细介绍了模型压缩的方法论，包括高效模块设计、模型剪枝、模型量化、模型二值化、神经网络架构搜索、知识蒸馏几大部分。另外，简要介绍了定制化硬件加速

本书共9章，主要内容有：深度学习模型性能评估、模型可视化、轻量级模型设计、模型剪枝、模型量化、迁移学习与知识蒸馏、自动化模型设计、模型优化与部署工具。

《基于深度学习的图像处理与实践》循序渐进、深入浅出地讲解了基于深度学习的图像处理的核心知识，并通过具体实例演示了开发深度学习图像处理程序的方法和流程。全书共 14 章，分别讲解了图像识别技术基础，scikit-image数字图像处理，OpenCV 图像视觉处理，dlib机器学习和图像处理，face_recognition人脸识别，采样、变换和卷积处理，图像增强，图像特征提取，图像分割，目标检测，图像分类，国内常用的第三方人脸识别平台，斗转星移换图系统，智能OCR文本检测识别系统等内容。本书

本书是一本全面介绍深度学习和PyTorch实战的入门指南。全书共11章，第1章主要介绍了深度学习的概念、应用场景及如何搭建开发环境。第2章详细介绍PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及案例。第3章则介绍了数据预处理及常用工具，包括NumPy、Matplotlib、数据清洗、特征工程以及深度学习解决问题的一般步骤等。第4章分别介绍了PyTorch的基本概念、深度神经网络以及数据建模。第5章重点介绍了卷积神经网络、循环神经网络等；第6章则涵盖了回归分析、聚类分析

在这本书中，作者着力讨论了几种获取机器学习和数据挖掘算法性能的相关知识的方法。作者展示了如何再次利用这些知识来选择、组合、编撰和调整算法和模型，从而为数据挖掘提供更快、更有效的解决方案，帮助研究人员改进算法，并开发能够自我改进的学习系统。本书的新版在旧版基础上就内容做了非常大的扩充。作者介绍了最新的自动机器学习方法，阐明了它与元学习之间的关系，他们解释了操作链设计方法的自动化问题。这本书将引起机器学习、数据挖掘和人工智能领域的研究人员和研究生的兴趣