本书是作者多年在数据智能领域中利用机器学习实战经验的理解、归纳和总结。出于“回归事物本质，规律性、系统性地思考问题”“理论为实践服务并且反过来充实理论，为更多人服务”的想法和初心，本书系统地阐述了机器学习理论和工程方法论，并结合实际商业场景落地。全书分为3部分。第1部分是机器学习的数学理论理解，这部分不是对于机器学习数学理论的严谨推导和证明，更多是对于理论背后的“到底是什么，为什么要这样做”的通俗理解。尽可能通过对应到日常生活中的现象来进行讲述。第2部分是机器学习模型、方法及本质，这一部分针对机

近年来，深度学习在人工智能的发展过程中起到了举足轻重的作用，而图神经网络是人工智能领域的一个新兴方向，被称为图上的深度学习。本书详细介绍了从深度学习到图神经网络的基础概念和前沿技术，包括图上的深度学习、图神经网络的数学基础、神经网络学习与算法优化、深度学习基础、神经网络中的表示学习、面向图数据的嵌入表示、初代图神经网络、空域及谱域图卷积神经网络等内容。为增强可读性，本书叙述清晰、内容深入浅出、图文并茂，力求降低初学者的学习难度。本书既可作为人工智能领域研究和开发人员的技术参考书，也可作为对图上的

在这六年里，我跟踪过许多微妙线索，与超过千余位AI从业者进行了谈话，见证了一段AI的发展，看见了技术风暴。正是AI算力、框架、平台、算法模型的合力创造了AI大模型的成功。在扎实的基建之上，ChatGPT这个“庞然大物”得以横空出世。本书讲述了微软、阿里、京东、华为、百度等科技巨头，以及科创企业AI技术演进的故事，每个故事都有自己的声音，每个故事都有自己的主角。那些推动技术的人，他们身负伟大任务的托付。他们发出光，我们被照亮。

深度学习通常被视为数学博士和大型科技公司的专属领域。但是正如本书所呈现的那样，熟悉Python的程序员可以通过少量的数学背景、少量的数据和最少的代码在深度学习中取得令人震惊的成果。fastai是第一个为最常用的深度学习应用程序提供一致接口的库。本书的两位作者用口语化且简单明了的方式描述了各种抽象的理论概念，希望通过本书能让尽可能多的人了解深度学习。这本书深入浅出地介绍了深度学习的概念，并为读者提供了掌握深度学习的详细指导。本书的目标读者是对深度学习感兴趣的广大程序员，只要你有一些编程基础，即可通

本书以独特的角度，深入浅出地介绍了人工智能领域最新技术——ChatGPT、提示工程及自然语言处理等相关技术。在内容上，本书科普性与专业性并重，既为普通读者提供基础知识，又有对专业领域的深入探讨。本书通过7章的内容，在全面介绍ChatGPT内部原理的基础上，重点解析提示指令的构建方法，以及如何针对各类任务构建合适的提示指令，为广大读者提供了实战经验和指导。

本书介绍了ChatGPT的前世今生，重点聚焦普通人如何使用ChatGPT获得工作和生活效率的提升，各行各业如何通过ChatGPT来改变自己的赛道状态。使用ChatGPT的宝典以及普及ChatGPT背后的技术，普通人可以看懂而且也富有科普性。同时，把AIGC中的生成视频、图像和文本也做了介绍，并提供了大量的工具。最后本书认为通过ChatGPT到AIGC,千行百业都会发生革命性变革，应对新变化，只能拥抱新变化，掌握ChatGPT，快人一步。本书四色印刷，所有插图均为人工智能绘制，为本书增加了很多趣味

本书是2023年不可错过的AIGC入门读物，是介绍大语言模型时代ChatGPT的重要资料，由人工智能独角兽企业硅基智能核心团队编纂而成，结合生动的比喻和有趣的案例，从大模型的一个典型场景切入，详细解读了AIGC的由来及发展历程，探讨大模型在图像视频生成，短视频、数字人制作，语音合成、克隆与变换等方面的应用。书中还涉及了一些经典商业案例的解读，不是单纯的纸上谈兵。这样一本理论与实践相结合的书，读起来饶有趣味。

本书是一本由浅入深地介绍深度学习的理论原理及PyTorch深度学习框架的入门书籍，全书通过图文并茂的方式对重点知识进行讲解，注重实践，详细地介绍了PyTorch的基本使用、神经网络的构建和训练技巧、卷积神经网络和循环神经网络的实现，以及前沿的深度生成模型的应用。通过学习本书，读者不仅可以了解深度学习，而且可以轻松实现机器作诗、自动乐曲生成、机器翻译、图像去噪等有趣的应用。全书配有注释详细的代码，方便读者学习与实践。本书适用于对人工智能感兴趣的读者，也适合作为深度学习领域的入门教材。

《细说机器学习：从理论到实践》从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习重要与高频使用的模型，包括K-Means聚类、K近邻、回归、决策树、朴素贝叶斯、支持向量机、神经网络等内容。本篇不仅详细讲解各个算法的原理，还提供大量注释

本书从数据分析与机器学习算法入手，系统地介绍了机器学习各类算法的原理方法和实际应用。本书的主要内容包括：KNN算法、朴素贝叶斯、决策树、支持向量机、线性回归、K-means算法、人工神经网络、卷积网络深度学习以及基于Python数据分析进行职业规划。本书作为大数据技术与人工智能领域的入门教材，在内容上涵盖了机器学习经典算法的基础知识和应用实例，采用Python作为编程语言，强调基本算法的应用理解，内容由浅入深。各部分内容均配有相应的任务，注重实践应用，便于读者学习和掌握。本书可作为各类职业院校大