亲密人机：AI浪潮下的生存美学与商业想象

本书全面探讨人工智能三维仿真竞赛，包括竞赛的立意、类型和流程，并详细介绍人工智能三维仿真软件的核心功能，如编程、控制、循迹、定位等的应用。本书首先介绍人工智能三维仿真竞赛的基础知识，为读者打下坚实的理论基础；其次转向人工智能三维仿真软件的详细教学，通过具体案例强化读者的学习效果；最后总结人工智能三维仿真竞赛中的常见任务类型，并结合历史竞赛案例，为读者提供实际参考。本书适合准备参加人工智能三维仿真竞

（1）AI与AIGC基础知识：从基础入手，深入讲解AI技术的基本概念和原理。通过通俗易懂的讲解和示例，帮助读者建立坚实的理论基础，为后续章节的深入学习打下良好基础。（2）智能设备上的AIGC系统设计：详细介绍AIGC技术在实际应用过程中的各种功能设计和实现方法。内容涵盖算法选择、模型训练、系统集成等各个环节，通过丰富的技术细节和设计策略，帮助读者全面掌握AIGC技术的应用要点。（3）AIGC关键工

本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分：第一部分习题对应《机器学习》第1~10章的内容，包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含6章应用专题，通过综合题的形式对知识点进行多角度考查，包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络

本书是继《EasyRL：强化学习教程》（俗称“蘑菇书”）之后，为强化学习的读者专门打造的一本深入实践的全新教程。全书大部分内容基于3位作者的实践经验，涵盖马尔可夫决策过程、动态规划、免模型预测、免模型控制、深度学习基础、DQN算法、DQN算法进阶、策略梯度、Actor-Critic算法、DDPG与TD3算法、PPO算法等内容，旨在帮助读者快速入门强化学习的代码实践，并辅以一套开源代码框架“Joy

本书分为4章，共20章。其中第1篇为基础算法篇，从第1章到第9章，讲述排序、查找、线性结构、树、散列、图、堆栈等基本数据结构算法；第2篇为机器学习算法篇，从第10章到第14章，讲述分类算法、回归算法、聚类算法、降维算法和集成学习算法；第3篇为强化学习算法篇，从第15章到第16章，讲述基于价值的强化学习算法和基于策略的强化学习算法；第4篇为深度学习算法篇，从第17章到第19章，讲述神经网络模型算法、

这是一本全面介绍AI应用的实用工具书，旨在为不同行业的专业人士提供实用的AI使用方法和策略。本书用简单易懂的语言解释了AI的基本工作原理，详细介绍了20多个通用AI指令，并通过案例展示如何运用这些指令解决工作问题；提供了AI在文案写作、数据处理、编程、教学和科研等场景中的实战应用案例，同时还提供了商业级解决方案和企业应用案例。本书既有AI应用的通用原则和方法，又有具体的流程步骤和样例演示，还提供了

本书是一本关于AIGC提示工程师的实用指南，讲解了成为优秀AIGC提示工程师所需的技术特长和知识、沟通和协作能力、持续学习和自我提升方法等。本书分为3篇，共13章。第1篇为AIGC提示工程师基础，内容包括AI崛起下的新职业──AIGC提示工程师、设计高效提示的基本原则、常用的提示方法以及提示工程实践中的常见问题等；第2篇为提示进阶技巧，内容包括优化提示的除错过程、解决复杂问题的高级提示技巧、提升提

本书主要从软件开发者的角度探讨如何构建和设计深度学习系统。作者首先描述一个典型的深度学习系统的整体，包括其主要组件以及它们之间的连接方式，然后在各个单独的章节中深入探讨这些主要组件。对于具体介绍的章节，会在开始时讨论需求，接着介绍设计原则和示例服务/代码，并评估开源解决方案。通过阅读本书，读者将能够了解深度学习系统的工作原理，以及如何开发每个组件。本书的主要读者对象是想要从事深度学习平台工作或将一

本书从人工智能导论入手，阐述人工智能的发展及现状，重点介绍了机器学习和神经网络基础、反向传播原理、卷积神经网络和循环神经网络等内容。本书内容由浅入深，循序渐进，从神经元和感知机入手，逐步讲解深度学习中神经网络基础、反向传播以及更深层次的卷积神经网络、循环神经网络。本书知识体系完整，内容覆盖面广，介绍了深度学习中常用的模型和算法，助力读者多方位掌握深度学习的相关知识。本书可作为高等院校计算机等相关专