这本书将把人工智能、大数据、云、机器人和智能设备作为背景。揭示了人工智能如何帮助企业实现商业价值指数级增长。本书涵盖了我们为什么需要人工智能，如何开始，以及成功实施所需的框架和重要元素的全部内容。作者展示了其AI可视化版图，概述了计划和衡量一个成功的战略(包括潜在的权衡)所需的构建模块，涉及了人工智能、机器学习或预测分析，这个模块目的是指导一项人工智能和大数据不可忽视战略。人工智能和大数据正在影响着人类工作和生活的方方面面。这本书旨在向企业领导者、创业者、商务人士阐释如何理解、适应和利

《PyTorch语音识别实战》使用PyTorch 2.0作为语音识别的基本框架，循序渐进地引导读者从搭建环境开始，逐步深入到语音识别基本理论、算法以及应用实践，是较好的一本语音识别技术图书。本书配套示例源码、数据集、PPT课件等资源。
《PyTorch语音识别实战》分为13章，内容包括语音识别之路、PyTorch 2.0深度学习环境搭建、音频信号处理的理论与Python实战、音频处理常用工具包Librosa详解与实战、基于DNN的语音情绪分类识别、一学就会的深度学习基础

本书提到三个循环：第一个循环也是最核心的循环，即世代沿袭的人类本能。人类天生具有偏见，而且更倾向于使用大脑的系统1行事，在这个过程中，人类原有的偏见进一步被强化，形成第一个循环。第二个循环是来自现代的力量，如消费类技术、资本主义、营销和政治，它们对核心循环的人类行为进行采样，总结出模式，再将这些模式反作用于人类，最终引发了一系列问题。第三个循环，即本书书名所指的循环，是来自人工智能的影响。AI对人类偏见进行采样，总结出规律，最后把这些规律反作用于人类，形成第三个循环。

未来，白领大部分的工作，都是 AI 可以完成的。现在很多个人或企业客户已经在内部逐渐推广 AI 应用了。越来越多的人切身体会到，ChatGPT及相关新技术的出现将改变我们的工作内容和工作方式，在这本书里，我们将详细了解到职业场景下将有三个颠覆性的改变 ：获取知识和信息的模式的改变人，交互模式的改变人，个人和企业角色的改变。最重要的是，通过本书，你将有一个重大收获，即“我能做什么”转变为“我 +ChatGPT（AI 工具）能做什么”。这意味着，我们将有能力寻求职业瓶颈的突破，有能力洞见市场机遇。

本书从ChatGPT原理和提示工程的基本概念讲起，重点介绍了提示工程的各种技巧，不仅通 过实例生动地展示了如何运用这些技巧，还深度解析了各种技巧的使用场景及其潜在局限性。 进一步地，本书结合多个行业背景，系统地阐述了ChatGPT和提示工程的具体应用，帮助读者不 仅从理论上掌握提示工程，而且深化对ChatGPT在实际场景应用的理解。 本书分为11章，主要包含四部分：第1章解读ChatGPT的基础原理和提示工程的基本概念； 第2～5章详细介绍提示工程技巧，涵盖有效提示编写、针对复杂任务的

可解释AI(Interpretable AI)将教会你识别模型所学习的模式及其产生结果的原因。通过阅读《可解释AI实战（PyTorch版）》，你将掌握一些用于解释白盒模型(如线性回归和广义可加模型)的方法，以及一些用于解释复杂深度学习模型的方法。可解释AI是一个快速发展的领域，本书将该领域的前沿研究简化为你可以在Python中实现的实际方法。
主要内容
● 解释AI模型的技术
● 最大限度地减少错误、偏见、数据泄露和概念漂移
●

《机器学习实战：视频教学版》基于Python语言详细讲解机器学习算法及其应用，用于读者快速入门机器学习。本书配套示例源代码、PPT课件、教学视频、教学大纲、习题与答案、作者微信答疑。
《机器学习实战：视频教学版》共分12章，内容包括机器学习概述、Python数据处理基础、Python常用机器学习库、线性回归及应用、分类算法及应用、数据降维及应用、聚类算法及应用、关联规则挖掘算法及应用、协同过滤算法及应用，最后通过3个综合实战项目（包括新闻内容分类实战、泰坦尼克号获救预测实战、中药数据分析项

《PyTorch深度学习与企业级项目实战》立足于具体的企业级项目开发实践，以通俗易懂的方式详细介绍PyTorch深度学习的基础理论以及相关的必要知识，同时以实际动手操作的方式来引导读者入门人工智能深度学习。本书配套示例项目源代码、数据集、PPT课件与作者微信群答疑服务。
《PyTorch深度学习与企业级项目实战》共分18章，内容主要包括人工智能、机器学习和深度学习之间的关系，深度学习框架PyTorch 2.0的环境搭建，Python数据科学库，深度学习基本原理，PyTorch 2.0入门，

本书以“未来小镇”的规划建设及智能生活为主题，分为“探秘人工智能王国”“未来小镇初建设”“未来小镇新生活”三章，共17 个项目。书中设计了“灰灰”（人工智能初学者）和“大大”（人工智能专家）两个人物角色，通过他们的对话衔接每个项目和环节的主题，让学生更容易融入角色，切身体验项目设计的思路，主动完成项目内容的探究学习。每个项目包含“激趣引导”“探索分析”“创意设计”“拓展提升”“总结巩固”五个环节，按照项目思维结构图设计、编程实践、拓展优化的设计思路，充分激发学生对人工智能自主探究的学习兴趣，促进

深度学习是一门注重应用的学科。了解深度学习背后的数学原理的人，可以在应用深度学习解决实际问题时游刃有余。本书通过Python代码示例来讲解深度学习背后的关键数学知识，包括概率论、统计学、线性代数、微分等，并进一步解释神经网络、反向传播、梯度下降等深度学习领域关键知识背后的原理。

本书适合有一定深度学习基础、了解Pyho如编程语言的读者阅读，也可作为拓展深度学习理论的参考书。