本书内容范围包括：智能优化算法，人工神经网络，深度学习，强化学习，迁移学习，联邦学习，推荐系统，知识图谱。本书知识结构包含传统的智能优化算法原理和应用，人工神经网络原理和应用，深度学习中卷积神经网络的典型结构和实现，强化学习经典算法原理和应用，迁移学习经典算法原理和实现，以及深度学习高阶应用：推荐系统和知识图谱。

本书系统呈现了情绪识别技术在脑电、外周生理信号与面部图像等多模态领域的发展脉络，重点面向跨设备、多认知变量、隐性情绪等条件下的情绪识别难题，突破了跨设备干湿脑电特征迁移、操控状态负性情绪脑电特征解耦，以及微表情与多生理信号融合的隐藏情绪识别等关键技术，为情绪识别技术从实验室走向更真实、更复杂的人机交互应用场景提供了理论

本书深刻分析算法对人类和社会发展造成的价值冲击，并尝试对其进行伦理批判。一直以来，算法被概括为一系列解决问题的指令、步骤或策略机制。但是在大数据、人工智能的背景下，借助“技术操作”、“技术社会”等思想，算法越来越广泛地成为解决问题的技术、成为社会技术系统、成为象征权力的技术力量。因此，算法也因为其过于强调算法功效而产生

本书从介绍智能体开始，讲解接收任务、撰写各类公文材料、调研访谈、组织活动、会议纪要与任务追踪、台账管理等，延伸到个人工作室、小微企业经营实务，避开专业晦涩的AI大模型、接口等技术理论，立足一线真实工作困境，提出资料包工作法。本书不需要读者先懂模型原理、系统架构，它从普通工作者每天面对的任务出发，不仅写“如何使用”，也特

本书阐述了自动控制原理中的经典控制理论部分，内容包括自动控制的一般概念、控制系统的数学模型、线性系统的时域分析法、根轨迹法、频域分析法以及线性系统校正的方法。结构上从概念至模型再到方法与设计，思路清晰，在编写时力求表达精准、通俗易懂，同时注重突出工程应用。本书为新形态教材，特别为书中的重难点内容制作了微课讲解视频和章节

PyTorch深度学习与大语言模型实战：基础、算法、实现

Codex是OpenAI推出的新一代AI编程与软件工程智能体，能够理解需求、生成代码、调用工具并参与完整的软件开发流程。本书围绕Codex的软件工程实践展开，系统介绍AI时代的软件开发方法与工程体系。 全书共分为10章，首先介绍Codex的技术原理、工作机制及开发环境搭建，帮助读者建立对AI软件工程的整体认知；随后围绕

FDE（前沿部署工程师）是AI技术落地的关键角色，直面客户现场，将模糊需求转化为确定性结果。针对“技术越强，越容易失速”的普遍困境，本书提出“先造局，再交付”的核心解法——在编写代码之前，先推动客户、业务方、IT部门及管理层达成深度共识。全书围绕FDE全周期工作，系统地提供从机会识别到项目沉淀的完整方法论：识局篇穿透伪

在生成式AI重塑软件开发范式的今天，如何真正将人工智能的能力融入开发全流程，而不仅仅是片段式的代码生成，成为开发者面临的核心挑战。本书系统性地提出“氛围编程”这一人机协同新范式，并以业界领先的两大AI编程工具——Cursor与Windsurf为实践双核，为开发者提供从理念到实战的完整解决方案。 本书的结构就是一次完整的

全书共12章，分五部分，依次覆盖大模型学习推理认知、RL基础与大模型适配、大模型RL核心训练、分布式/多智能体与世界模型进阶，以及RLHF/DPO等落地方法与CoT/ToT推理增强。第一部分搭建大模型学习与推理的整体认知框架，第二部分夯实强化学习基础并解析与大模型的适配逻辑，第三部分聚焦核心算法与大模型的深度结合，第四