《机器学习原理及应用》从机器学习原理和应用出发，结合案例介绍了机器学习的基础技术和典型模型算法，包括机器学习的基础、特征选择与降维、典型学习算法、深度学习与神经网络、集成学习与迁移学习、强化学习、计算机视觉与语音识别等技术；详细介绍了机器学习典型模型算法及神经网络学习、计算机视觉和语音识别技术应用，并以实例介绍了应用场景需求、特征表示、深度神经网络设计、预训练模型及预测应用的开发方法和开发过程。
每个案例配有源码，每章配有习题，帮助读者进行深入学习。
《机器学习原理及应

本书是面向高等院校计算机相关专业的机器学习教材。全书以机器学习应用程序的开发流程为主线，详细介绍数据预处理和多种算法模型的概念与原理；以Python 和Spark 为落地工具，使读者在实践中掌握项目代码编写、调试和分析的技能。本书最后两章是两个实战项目，举例讲解机器学习的工程应用。本书内容丰富、结构清晰、语言流畅、案例充实，还配备了丰富的教学资源，包括源代码、教案、电子课件和习题答案，读者可以在华信教育资源网下载。

本书介绍了机器学习的概念、算法和原理，全书主要分为两部分，第一部分是机器学习所涉及的数学基础、基础理论和机器学习基础；第二部分是常见的机器学习讲解和实现，主要涉及常见的生成式模型和判别式模型。

本书内容包括深度学习的基本原理和常用算法、深度学习框架PyTorch的环境搭建及基础编程方法、使用PyTorch实现手势识别、CNN图像分类、数据处理、国际航空乘客预测等项目，以及张量的应用、手写数字体识别、面部表情识别等拓展案例。本书每个单元都配备知识点微课，“任务实施”结合实践应用有序排列学习任务，符合人才成长的特点和教学规律，突出培养学生的专业数字化素养，实现理论与实践的统一。

本书系统构建了深度学习理论与应用的全栈知识体系，从数学基础与机器学习核心原理出发，贯通线性代数、概率统计等关键数学工具，夯实算法研发的理论根基。面向新一代通用图形处理器(GPGPU)硬件架构，深入解析专用编程语言的语法设计与高效编程实践，剖析主流训练与推理框架的底层机制，并结合壁仞科技GPGPU平台，提供针对性的适配与性能优化方案。通过计算机视觉与自然语言处理领域的经典案例，展示传统算法在异构计算架构下的性能跃迁。聚焦大模型技术前沿，系统阐述大语言模型(LLM)、视觉语言模型(VLM)

定制化GPTs（Custom?GPTs）是由OpenAI推出的一种创新技术，它允许用户根据自己的特定需求和应用场景来创建定制版本的GPTs。定制化GPTs结合了用户自定义的指令、额外的专业知识以及多样化的技能，旨在为用户提供日常生活、工作或特定任务中的更多帮助和支持。 本书详细介绍了GPTs的概念、功能特点、创建第一个GPTs、指令使用技巧、知识库使用技巧，以及如何根据个人需求和应用场景创建定制化GPTs，如学习辅助类GPTs、个人成长类GPTs、办公助手类GPTs、电商和社交媒体类GPTs、短

本书是为高等院校、职业本科院校计算机、人工智能各专业“人工智能导论”课程设计编写的教材，具有丰富的应用特色。全书较为系统、全面地介绍了人工智能相关的概念、理论、技术与应用，可以帮助读者扎实地打好人工智能的专业知识基础。本书共18章，内容包括概论、模糊逻辑与大数据思维、智能体与智能代理、知识表示及其方法、规则与专家系统、机器学习及其算法、神经网络与深度学习、创建智能系统的强化学习、数据挖掘与经典算法、计算机视觉与处理、包容体系结构与机器人、自然语言与语音处理、GPT大语言模型崛起、向动物

这是一本深入讲解 AI 电影制作前沿科技的高效指南，让每个人都有机会成为电影导演。本书揭 示了 AI 如何革新电影产业，并通过丰富的实践案例和操作指南，帮助读者轻松掌握使用 AI 技术制 作短视频和大电影的过程。书中涵盖了 AI 生成脚本、音乐、配音、图片和视频素材等内容，介绍了 如何通过数字人技术生成影视演员，并展示了传统虚幻引擎与 AI 技术相结合后的强大潜力。 无论您是电影爱好者、AI 技术研究者，还是专业电影人，《硅基物语·AI 电影大制作：人人都 可以成为导演》都将成为您电影创作的高效

针对当前智能传感器、人工智能、数字孪生等的发展趋势，本书以智慧地球概述、智慧地球建设战略需求、关键技术、核心支撑技术、应用案例为线索组织写作，在系统阐述智慧地球概念、内涵和剖析智慧地球发展现状以及面临的问题和挑战的基础上，依次分析面向行业的智慧地球建设战略需求、智慧地球构建关键技术，以及包括通导遥一体化复杂环境智能感知、智慧地球辅助决策系统、基于多源信息融合技术的复杂环境认知、感知-认知-决策-行动互馈应用模式、轻量级云边端一体化运行环境等在内的智慧地球构建依赖的核心支撑技术

本书聚焦人工智能处理器硬件设计的算力瓶颈问题，介绍了神经网络处理内核电路与系统的设计目标、优化技术、评价方式，以及应用领域。全书共9章，以人工智能硬件芯片组织架构的核心处理单位“卷积神经网络”在系统架构层面的算力性能提升为目标，在回顾了CPU、GPU和NPU等深度学习硬件处理器的基础上，重点介绍主流的人工智能处理器的各种架构优化技术，包括并行计算、流图理论、加速器设计、混合内存与存内计算、稀疏网络管理，以及三维封装处理技术，以业界公认的测试集与方法为依据，展现不同架构设计的处理器在功耗