本书系统阐述了机器学习的基本理论、算法和实现。全书共11章：第1章着重介绍了机器学习的基本知识；第2章介绍了样本数据预处理和提取的传统算法(如PCA和LDA)，并增加了流形学习和稀疏表征等理论；第3-8章系统介绍了传统机器学习算法，如监督学习(贝叶斯、最近邻、线性模型、非线性模型和集成学习)和非监督学习(聚类)；第9、

大模型作为人工智能技术的重要发展方向，逐渐成为未来科技发展的重要方向之一。基于此，本书重点介绍与大模型相关的基础知识、原理与技术。本书分为14章，内容包括深度学习基础、自然语言处理、大模型网络结构、大模型训练与优化、大模型微调及相关应用案例等。全书强调内容的科学性与系统性，从大模型历史发展脉络、理论基础、构建方法到应用

机器学习虽然在改进产品性能、产品流程和推进研究方面有很大的潜力，但仍面临一大障碍——计算机无法解释其预测结果。因此，本书旨在阐明如何使机器学习模型及其决策具有可解释性。本书探索了可解释性的概念，介绍了许多简单的可解释模型，包括决策树、决策规则和线性回归等。本书的重点是模型不可知方法，用于解释黑盒模型（如特征重要性和累积

大模型技术掀起了新一轮人工智能浪潮，以ChatGPT为核心的大模型相关技术可以应用于搜索、对话、内容创作等众多领域，在推荐系统领域的应用也不例外。本书主要分为3部分。第1部分简单介绍大模型相关技术，包括大模型的预训练、微调、在线学习、推理、部署等。第2部分将大模型在传统推荐系统中的应用抽象为4种范式——生成范式、预训练

"《数字人+虚拟主播+AI视频+AI音频+AI产品造型从新手到高手》探讨了人工智能技术在多个领域的实际应用策略，内容主要涵盖了办公学习、信息咨询、艺术创作、数字人像构建、虚拟主播的呈现、AI驱动的视频与音频处理，以及AI辅助产品设计等前沿应用场景，并深入剖析了各种实用型AI软件的操作关键点，旨在降低读者独立探索AI工具

本书分为八章，内容涵盖深度学习概念、深度学习框架、深度学习网络结构等基础知识，以及图像分类、目标检测、文本分类、文本翻译等深度学习实践任务。

本书从知识系统构建的支撑技术和制造企业的实际应用出发，系统地介绍了知识工程的概念、方法和应用。全书共7章，重点介绍了知识获取、知识表示、知识推理及知识管理，在此基础上，针对制造企业知识工程实施方法、工具展开了介绍，最后介绍了知识系统的结构、开发，以及知识工程技术在机械制造领域的应用。本书结合知识工程技术在制造业的应用案

本教材内容包括机器学习概述、机器学习开发环境安装及使用，以及8个预测任务(涵盖监督学习、无监督学习、集成学习、深度学习等知识点)。在内容的选取上，本教材突出数据的多样性、方法的代表性和继承性，通过丰富的机器学习任务深入浅出地介绍机器学习技术在现实生活中的应用和实践。本教材共有10章，第1-2章是实施机器学习任务前的概念

本书是一本精简的神经网络入门教程，用通俗易懂的语言讲解神经网络的相关知识。本书共6章，第1章对神经网络领域进行概述，包括其历史和应用；第2章深入探讨神经元的数学模型，包括其输入、权值、偏置和激活函数；第3章介绍感知机的概念，讨论感知机的结构，并解释如何用它来解决简单的分类问题；第4章介绍多层感知机的概念，讲述如何使用前

本教材系统地讲解了机器学习的理论与方法，内容主要包括高斯混合模型和EM算法、主题模型、采样与非参数贝叶斯方法、聚类分析、支持向量机、概率无向图模型、概率有向图模型、矩阵与张量分解、多层感知机与卷积神经网络、序列神经网络，以及强化学习。本教材旨在使读者了解机器学习的发展，理解和掌握机器学习的基本原理、方法与主要应用。本书