在数字化时代，嵌入式人工智能系统和深度学习等技术变得越来越重要。在嵌入式平台上进行深度学习推理时会受到计算能力、存储空间、能耗等资源限制的挑战。本书从深度学习模型在资源受限的硬件平台上部署的角度，介绍嵌入式AI系统的基本概念、需求、挑战，以及其软硬件解决方案。 本书共分为7章。第1章介绍了边缘计算； 第2章介绍了嵌入式AI系统的基本概念及其面临的需求与挑战； 第3章介绍了嵌入式AI系统的硬件解决方案； 第4~6章介绍了嵌入式AI系统的软件解决方案，包括DNN模型的构建及实现、轻量级DNN模

本书全面介绍了统计机器学习的主要算法，内容涉及多元线性回归、对数线性回归、逻辑斯蒂回归、岭回归、Lasso回归、判别分析和聚类分析等传统方法，也涉及支持向量机、深度神经网络以及集成学习等比较热门的算法，并给出相应算法的R语言实现。本书还给出了向量和矩阵函数求导以及拉格朗日对偶等数学基础，便于读者理解相关算法推导。 本书可以作为统计机器学习等相关专业的教材和参考书，也可供从事相关领域研究的人员参考。

本套教材包括主教材《机器学习-工业大数据分析》，一套多媒体课件，一个工业大数据集，一套完整代码集。由授课教师在进行教学实践的基础上，适应当前国内教学改革的需要，结合清华大学《机器学习与大数据》的教学经验编写而成。本书以机器学习理论方法和工业大数据实践为两条并行主线贯穿整个课程。以经典机器学习、深度学习以及强化学习部分为理论主体，重点介绍方法原理、公式推导、算法设计和分析；以生产系统、交通系统、能源系统、电信系统、医疗系统为主体实践领域，重点介绍大数据与机器学习方法的联合应用以及评估。全书共分2篇

数据驱动的在线协作学习分析是提升协作学习效果的重要基础，是推动在线学习变革的重要力量。本书系统梳理了学习分析的研究现状，阐释了协作学习的理论基础与研究热点，构建了在线协作学习分析模型——KBS模型，设计了面向学习者和教师的群体感知工具，分别从学习者和教师视角分析了群体感知工具对学习者学习和教师教学的支持与指导，探讨了社会调节学习在协作学习中的发生机制，展望了在线协作学习交互分析的发展趋势，为研究者刻画了协作学习分析领域的最新理论模型与研究进展，具有较强的理论价值与应用价值。

《从概念到现实：ChatGPT和Midjourney的设计之旅》详细介绍了ChatGPT与Midjourney的使用方法和应用场景，并结合设计案例讲解了如何利用AIGC辅助不同行业的设计师提升工作效率和创造力，共涉及8个应用领域，近60个案例演示，生动展示了各行各业中融入AIGC技术的设计成果，为设计师提供了更开阔的设计思路。同时，书中还有很多实用的技巧和建议，可以帮助设计师更快地掌握相关技术。对于不熟悉AI技术的设计师来说，这将是一本很有价值的指南书。通过阅读《从概念到现实：ChatGP

本书主要为高等院校非计算机专业的人工智能导论课程设计编写，内容具有应用 理论的特色。针对高校学生的需求和人工智能发展的特点，本书分为引言篇、理论篇和应用篇三部分，可基于学习需求和进度，自主选择。引言篇包括绪论；理论篇包括人工智能之理论基础、人工智能之机器学习、人工智能之深度学习、人工智能之强化学习；应用篇包括人工智能开发平台和人工智能应用及展望。本书可用于普通高等学校各专业人工智能导论、医学人工智能导论等相关课程的教学，也可供对人工智能感兴趣的科研人员参考。

《人工智能技术及应用》主要以人工智能的几种核心技术与发展应用为脉络，以深入浅出的方式，系统、清晰地介绍了人工智能的基本概念、发展历程、关键技术和典型应用。 本书涉及计算机视觉技术、语音智能技术、自然语言处理技术、人工智能技术应用案例，为读者构造并描绘出人工智能全景图，向读者展示了一个全新、智慧、前沿的科技新时代，使读者能快速、直观地了解人工智能的实际应用，激发读者对人工智能的兴趣。 本书可作为非人工智能专业大学生的教学用书，也可作为人工智能爱好者的参考用书。

本书以人工智能与机器人项目为载体，构建集知识学习、项目实战为一体的人工智能与机器人专业实战训练平台。要求学生运用检测、控制等多学科知识，解决相关复杂工程问题，综合培养学生的系统工程能力、问题分析能力、算法应用能力与动手实践能力。本书分为三部分：第1部分为基础知识，介绍人工智能基础、机器人基础与机器鼠的相关知识；第2部分为环境感知与运动控制，包含机器鼠涉及的传感器技术、嵌入式系统原理和运动控制方案；第3部分为路径搜索与最优决策，讲解环境建模与决策、迷宫搜索策略、最优路径规划等经典算法。<

本书是一本面向所有人的提示工程工具书，旨在帮助你掌握并有效利用以ChatGPT为代表的AI工具。学习完本书后，你将能够自如地将ChatGPT运用在生活和专业领域中，成为ChatGPT进阶玩家。 本书共分为9章，内容涵盖三个层次：介绍与解读、入门学习、进阶提升。第1～2章深入介绍与剖析了ChatGPT与提示工程，并从多个学科的角度探讨了提示工程学科。第3～5章演示了ChatGPT的实际运用，教你如何使用ChatGPT解决自然语言处理问题，并为你提供了一套可操作、可重复的提示设计框架，让你能够熟练

构建通用人工智能的关键就是无监督学习，而不需要标签来训练模型，最简单的方法就是使用深度生成模型。本书主要讲述如何将概率建模和深度学习结合起来去构建可以量化周边环境不确定性的强大的 AI 系统。这种AI系统可以从生成的角度来理解周边世界。本书涵盖了深度生成模型的多种类型，包括自回归模型、流模型、隐变量模型、基于能量的模型等。这些模型构成了以 ChatGPT 为代表的大语言模型，以及以 Stable Diffusion 为代表的扩散模型等深度生成模型背后的技术基石。 本书适合具备微积分、线性代数、概