《机器学习从线性回归到大模型》以回归为主线，系统介绍统计学、机器学习与深度学习中最常用的分类与回归方法，力图在大数据与人工智能背景下，突破传统统计建模的局限，构建一个融合多学科视角的现代回归分析框架。全书覆盖线性回归、岭回归、Lasso、Logistic回归等经典线性模型，决策树、随机森林、GBDT、XGBoost等集

本书分三部分，分别是第一部分人工智能的基本认知、第二部分人工智能行业应用、第三部分人工智能与社会，具体内容包括人工智能的前世今生、人工智能原理、人工智能的核心技术、大模型的基本原理、智慧城市、智慧医疗、智慧农业、智慧教育、人工智能伦理与法律、人工智能与职业发展、人工智能与创新。本书对人工智能的经典知识内容进行了介绍，理

本书以理论与实践结合的方式深入讲解了Qt开发框架的基本知识和编程实践，案例既包含和学生学业密切相关的绩点计算器，也包含影视大数据图形图像操作网络通信等媒体特色鲜明的实例，具有实用性或行业特色，适用于具备一定编程基础的学生或编程爱好者。基于教材的几大案例，读者可以创新组合形成新的桌面应用程序。

本书设计了一系列从基础到提高的实验内容,涵盖基础实验、验证型实验、EDA虚拟仿真实验、设计型实验、ARM单片机拓展实验等多种实验类型，每种实验类型都提供了多个实验项目。实验内容包括指令操作、汇编算法编程、常用接口芯片编程虚拟仿真实验、ARM系统实验以及计算机应用系统设计等。这些实验能够帮助学生理解计算机系统的运行机制,

本书首先介绍了在实际数字孪生项目开发中，经常会用到的Unity基础知识，包括：3D场景构建、模型导入、常见模型格式转换、材质系统、UI系统以及C#脚本编程等。接着通过一个完整的实战案例，介绍了数字孪生项目中的常见功能，包括：UI弹窗、摄像机视角切换、构件交互、网络数据接入与呈现、物联网硬件数据接入与物联网硬件控制、项目

本书以教育部高等学校教学指导委员会印发的《新时代大学计算机基础课程教学基本要求》和2024年11月全国高等院校计算机基础教育研究会发布的《人工智能通识课程体系规范》为指引，深入浅出地介绍新一代信息技术的基本理论体系，阐述大数据技术的概念与处理流程，介绍人工智能的关键技术及其在各行各业的应用。旨在培养学生理解和掌握新一代

本书是面向理工类专业的计算机基础课程教材，是学习计算机与人工智能的入门教材。全书以计算思维能力培养为出发点，以数据的表示、存储、处理、分析为主线，介绍系统平台原理、C语言程序设计、算法分析与数据结构基础，并从大数据的视角，介绍数据的组织管理和分析的基本方法，力求说明大数据与人工智能的关系。 本书共10章，主要内容包括：

本书致力于全面且系统地讲授Python程序设计知识。全书由浅入深，先介绍Python语言的基础语法、基本数据类型、基本的控制流程，然后再逐步深入介绍函数、组合数据类型、模块、面向对象编程等核心概念，再到文件操作、科学计算、数据处理、图形绘制和数据可视化等进阶应用。 在内容编排上，本书以实际应用为导向，每章节配备大量实例

本书不仅涵盖了计算机科学的核心概念、人工智能的发展历程和技术进步，还深入探讨了数据表示与计算机系统智能化、网络技术（如互联网和云计算）中人工智能的应用、大模型实践等内容。此外，本书还特别关注了AI跨行业应用及其伦理和社会影响，强调构建安全、透明且负责人的AI生态系统的重要性，为读者提供了一个深入理解人工智能技术及其广泛

本书从基础概念到实际应用，全面介绍了计算与人工智能的核心知识。 本书共9章，遵循理论为基、实践导向、前沿引领的编写理念。前4章构建了完整的计算机科学知识体系，为后续人工智能、大模型、具身智能技术的理解、机器学习、算法的应用奠定基础。后4章紧扣人工智能核心理论、前沿技术及应用。最后1章作为一个应用场景，以国产软件WPS为