全书分为7 个章节。第1 章绪论，梳理了人工智能不同技术流派的特点、深度学习的发展及前沿技术；第2 章介绍相关预备知识，包括线性代数、概率论、优化理论以及机器学习的基础知识；第3 章从前馈神经网络的基础模型——感知器出发，介绍前馈神经网络的基本结构以及涉及的激活函数、梯度下降、反向传播等内容；第4 章，介绍深度模型的优化问题，讨论了神经网络优化中常见的病态问题；第5 章介绍深度学习中的正则化方法，包括范数惩罚、数据集增强与噪声注入、提前停止等；第6 章介绍了卷积神经网络，以及卷积神经网络在计算机

本书首先介绍了人工智能的基本概念与应用现状；其次阐述了经典机器学习理论与实践的相关内容，包含基础知识、人工智能的开发工具以及一系列机器学习分类、聚类和回归等算法；最后介绍了深度学习的相关理论，包括深度学习的基本概念、卷积神经网络、循环神经网络以及部分强化学习的经典方法。本书在介绍人工智能相关理论知识的同时，还介绍了部分其涉及的数学原理以及编程实例。

全书共6章，依次对人工智能的基础知识、发展现状、研究热点、技术支撑等方面进行简明通俗的阐述。本书包含大量人工智能应用案例，涉及安防、金融、医疗、农业、交通、教育、零售、娱乐、物联网等领域，并结合人工智能发展背景及应用场景，介绍人工智能给各行业带来的重大变革，分析人工智能在各行业的发展现状，为广大读者了解人工智能、学习人工智能、运用人工智能提供了切实可靠的参考。

本书全面叙述了蒙特卡罗方法，包括序贯蒙特卡罗方法、马尔可夫链蒙特卡罗方法基础、Metropolis算法及其变体、吉布斯采样器及其变体、聚类采样方法、马尔可夫链蒙特卡罗的收敛性分析、数据驱动的马尔可夫链蒙特卡罗方法、哈密顿和朗之万蒙特卡罗方法、随机梯度学习和可视化能级图等。为了便于学习，每章都包含了不同领域的代表性应用实例。本书旨在统计学和计算机科学之间架起一座桥梁以弥合它们之间的鸿沟，以便将其应用于计算机视觉、计算机图形学、机器学习、机器人学、人工智能等领域解决更广泛的问题，同时使这些领域的科学

为完成高等教育培养杰出人才的目标，北京大学、清华大学和北京通用人工智能研究院共同编写了这本《通用人工智能人才培养体系》，构建了世界上第一个聚焦通用人工智能的人才培养体系和“通识、通智、通用”的“通才”培养框架，旨在培养具备人文素养和家国情怀，拥有独立思辨和跨学科思维，掌握人工智能核心理论和技术，勇于实践开拓科研格局的国际领先的高层次复合型人工智能领军人才。 本书介绍了人工智能领域的发展背景以及学科内涵，包含了围绕本科生的人才培养，重点介绍了依托于北京大学元培学院、清华大学自动化系建设的“通用人工

本书旨在探讨AI提示工程(通常简称提示工程或Prompt工程)在各领域的应用。大语言模型是人工智能领域的重要成果，在自然语言处理和生成任务中发挥着重要的作用。读者通过深入了解和应用提示工程，能充分挖掘和利用大语言模型的潜力，提升效率、促进创新，并解决实际问题。本书涵盖人工智能发展历程，提示工程的概念和设计原则、策略和技巧、不同领域的典型应用，以及数据分析与挖掘领域的应用。本书旨在以通俗易懂的方式呈现复杂概念和技术，并通过案例和实践指导，帮助读者掌握和应用提示工程，以取得更好的成果。本书适合从事A

物联网工程是计算机、控制、通信等学科交叉的跨学科专业。本书主要从物联网中所需要的控制技术、计算机控制的基础知识、过程控制的理论技术和方法以及基于各种实际控制系统应用背景的工程分析与设计等方面，带领读者深入浅出地体会物联网控制技术的过程。本书语言简明，注重应用，理论与实际相结合，遵循“理论-扩展-应用”的过程，章节中对应地方都有公式、定理辅佐，有利于学习。
本书可作为高等院校物联网工程专业“物联网控制技术”课程的教材，也可作为计算机、电子信息、机械类专业本科生学习自动控制技术的参

本书以情感识别模型作为研究对象提高模型识别率作为研究目标，开展基于加权融合策略的情感识别建模方法研究。考虑人体情感信息类型和情感特征的多样性根据模型对正确率和运算量的要求，针对建模过程中的特征级融合、模型级融合、决策级融合以及权重确定方法等关键技术进行深入的研究。

本书遵循理念与方法、经典与前沿、技术与应用相融合渗透的原则，在理念、结构、内容和资源上都极具特色和创新。按照人工智能新知识体系，本书内容分为五大部分13 章。 将传统或经典人工智能理论、方法与技术以及新一代人工智能技术和方法相结合，形成基础概念（1-3章）+基础技术（4-5章）+重点研究内容与方向（机器智能）（6-12章）+行业应用与伦理基础（12、13章）的新知识体系模式。 本书提供了配套学习资源，可通过人邮教育社区（www.ryjiaoyu.com）下载本书配套的电子资源，包括教学大纲、教案

本书主要介绍主流的人工智能理论、算法以及Python实现方法，目的是使学生学会人工智能理论及推导过程，并且掌握调用Python人工智能库和自定义编码的方法。全书共分10章，分别为人工智能与Python概述、Python基础、线性回归及其Python实现、逻辑斯蒂分类及其Python实现、最大熵模型及其Python实现、K-近邻分类与K-均值聚类及其Python实现、朴素贝叶斯分类及其Python实现、决策树及其Python实现、神经网络及其Python实现、图像识别领域的应用案例。 本书可作为计