本书是机器学习的入门书，深入浅出地讲解机器学习的基础理论与应用，不仅注重给理论添加浅显易懂的解释和详述，而且探讨何种创新思维或科学思维可以产生或引导出某个理论，让学习者在学习理论过程中自然地培养创新思维与科学思维。本书知识点包括回归分析、k-近邻算法、决策树、贝叶斯分类器、支持向量机、模型性能评估、集成学习、降维方法、聚类、EM 算法与高斯混合模型、神经网络与深度学习等。本书每章都设计手工计算的应用例题，以演示理论解题和计算过程，帮助学习者理解和掌握理论。每章配有编程实践的实例，不仅示范解题的P

本书采用理论与实训案例相结合的形式，深入浅出地介绍了大模型的基础知识。本书共分为8章，内容涵 盖大模型的基础知识、传统语言模型基础知识、神经网络基础知识、大模型的主要技术、大模型的微调与部署、 大模型的应用，以及面对的挑战和未来发展等。

本书不仅适合作为高等院校人工智能、计算机科学与技术或相关专业学习大模型的入门教材，也适合从事相关工作的人工智能爱好者和工程师学习阅读。

本书讲述了自动控制原理和传感器与检测技术方面的相关实验，不仅介绍了自动控制原理、传感器技术等的基础实验、综合设计实验，还介绍了MATLAB及LabVIEW软件的使用，以及在“自动控制原理”与“传感器与检测技术”两门课程中的应用。

本书系统地介绍了矩阵理论的相关内容及其在控制系统中的应用。全书共11章，主要内容包括：矩阵理论的基本知识及应用、范数与测度、矩阵的相似标准形、矩阵分解、矩阵特征值的估计与定位、矩阵函数及运算、几种重要的矩阵、矩阵的广义逆、矩阵不等式、矩阵方程以及矩阵乘法的推广及应用等。本书内容丰富，每章都配有适当的例题和一定量的习题，便于读者阅读与练习。

本书涵盖人工智能领域的多个重要方向和交叉领域，旨在向读者介绍人工智能的最新进展、应用和发展趋势，同时探讨人工智能与其他学科交叉的原则、重要性和潜在影响。主要内容包括人工智能基础与前沿、人工智能+教育、人工智能+医疗、人工智能+法律、人工智能+哲学，涉及人工智能技术在多个学科的理论前沿知识、不同领域的案例应用和辨证思考等内容。

本书以交互设计开发的全流程为基础，涵盖了设计师在设计方案中的所有环节。本书共7章，循序渐进地讲解了交互设计的流程，涉及交互设计、用户体验设计、SWOT分析模型、PEST分析模型、竞品分析、定性定量研究、用户访谈、问卷调研、用户画像、用户体验地图、KANO模型、原型的制作工具、可用性测试、A/B测试、眼动测试、交互验证及综合案例。本书将交互设计中系统的理论知识和设计方法与案例融合，详细讲述了作者在教学过程中指导学生的部分获奖作品，包括PPE脱卸交互系统设计（获2021年IF设计奖、2021年东莞杯

本书全面介绍人工智能的发展、基础知识、主要技术及应用。全书共12章，分别是人工智能发展、人工智能主要技术、大语言模型、生成式人工智能、通用人工智能、人工智能安全、人工智能与制造、人工智能与教育、人工智能与健康、人工智能与交通、人工智能与经济和人工智能与社会。
本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本思路，拓宽科学视野，培养创新精神。 本书的适用对象广泛，可作为高等学校各专业“人工智能”通识课程或“人工智

本书介绍了人工智能(AI)的核心技术、应用实践及伦理治理，旨在使读者初步认识人工智能。书中阐述了AI的起源、发展历程及关键技术，展示了AI在各个领域的应用与技术突破。通过分析机器学习、深度学习和预训练模型，帮助读者理解AI如何从基础算法发展到复杂的智能系统。同时，本书还介绍了多模态AI、生成式AI和智能机器人，展示了AI模型的不断进步以及AI模型如何深刻改变人们的生活。通过对AI在科学研究和交叉学科应用方面的讨论，揭示了AI赋能各行各业的巨大潜力。最后，本书探讨了人工智能的伦理与治理问题，强调技

本书严格依据人工智能训练师国家职业技能标准（2021年版）进行精心编撰。其内容系统地涵盖了5级至3级的相关知识体系，全书共计8章。其中，除第8章外，其余各章均精心设置了实训环节，有效实现了理论与实际的有机结合，旨在全方位提升读者的知识掌握水平与实践操作能力。本书特色鲜明：其一，相关内容于深圳多区开展了多轮培训实践，积累了丰富经验。其二，案例紧扣时代脉搏，将基础知识传授与大模型工具应用有机融合，极大提升学习效果与效率。其三，内容全面且深入浅出，与高校专业教材相比，阅读难度适中，适合广大受众研读，可

本书旨在深入浅出地介绍统计方法与机器学习的核心概念和算法应用。它不仅涵盖了传统统计方法的基础知识，还深入探讨了机器学习领域的关键技术。本书首先从机器学习中的数学基础入手，包括数据的描述存储、线性变换和特征分解、概率的基本思想、概率论和统计方法在机器学习中的应用等。其次，根据机器学习的基本概念、各种分类和路径等，较全面地给出机器学习的俯瞰图。最后，本书将视角投放到当前人工智能最火爆的深度学习领域，从神经元模型到神经网络，再到目前人人关注的大语言模型。本书通过丰富的实例和实际数据集，帮助读者深入理解