本书共分为七章。第一章主要介绍数学对应人工智能的重要性，以及代数学和分析学中的基础概念，是后面各章的基础。第二章和第三章分别介绍了微积分和线性代数核心内容，并将相关基础知识映射到人工智能领域，从这一视角理解数学基础知识的工程应用。第四章介绍了矩阵分解这一重要数学工具及其在人工智能领域的典型应用。第五章介绍了概率论基础知识及在人工智能领域的广泛应用。第六章介绍了最优化理论及算法，以及它们在机器学习和人工智能中的基础性应用。第七章主要介绍了信息论的基本概念和在人工智能中常见的应用。

本书以人与技术的关系为基点，既对人工智能技术发展进行梳理、对人工智能技术具体应用进行讨论，又对人工智能技术发展带来的社会前沿问题开展广义的哲学分析。一方面，及时跟进、关注人工智能技术发展现状与趋势，并以案例呈现人工智能技术发展的可能样态及应用。另一方面，关注人工智能技术发展在个人、社会、国家等多个方面产生的深刻影响，观察和审视从技术赋能到技术风险的可能传导层面，讨论促进技术发展、社会治理与人类共生之间良性互动的路径及方略。

本书为读者提供了一次深入探索人工智能和自动化编程的奇妙之旅。全书从AI（ArtificialIntelligence，人工智能）的基本概念和背景入手，逐渐深入到如何使用具有代表性的AIGC工具ChatGPT、GitHubCopilot和Claude2等进行自动化编程。此外，本书还详细介绍了其他多种AI代码生成解决方案。针对桌面应用、Web应用、游戏、办公自动化等场景，本书还提供了丰富的实例。本书适合对AI和自动化编程感兴趣的初学者阅读，也适合有一定基础并且想要提高开发技能的程序员阅读。同时，本书

ChatGPT，如同人类历史上的单向门——火、文字、造纸、蒸汽机、电和计算机一样，标志着人类科技进步的又一重大里程碑。ChatGPT的横空出世惊艳了世界，它不仅点燃了通用人工智能的火花，更预示着我们正步入通用人工智能的新纪元。 我们站在这一历史性的时刻，仿佛看见新时代的开端。全球对ChatGPT的广泛关注并不仅仅是因为其高超技术的突破，而是它在通用人工智能进程中所代表的意义。 那么，ChatGPT究竟是何方神圣？它的前世今生是怎样的？通用人工智能未来将给世界带来哪些巨

本书是一本围绕最优控制理论展开的实用指南，以深入浅出的方式介绍了最优控制理论、动态规划、线性二次型调节器（LQR）、模型预测控制（MPC）和卡尔曼滤波器以及它们之间的联系，并展示了它们在综合应用中的使用方法与技巧。本书旨在为读者提供全面而直观的学习资源，同时将这些概念有机地应用于实际控制问题。通过书中丰富的例子和详细的代码，读者可以直接实践和验证所学内容，从而深化对这些理论的理解。 本书的目标读者群体为自动化类专业的本科生和研究生以及相关领域的科研人员。

本书全面地介绍了网络表示学习的基本概念、模型和应用。本书从网络嵌入的背景和兴起开始介绍，为读者提供一个整体的描述；通过对多个代表性方法的介绍，阐述了网络嵌入技术的发展和基于矩阵分解的统一网络嵌入框架；提出了结合附加信息的网络嵌入方法——结合图中节点属性/内容/标签的网络嵌入；面向不同特性图结构的网络嵌入方法——面向具有社区结构的/大规模的/异质图结构的网络嵌入。本书还进一步介绍了网络嵌入的不同应用，如推荐场景和信息扩散预测。本书的最后总结了这些方法和应用，并展望了未来的研究方向。

本书以ChatGPT为中心，对ChatGPT的相关知识进行详细的讲解。本书共12章，前5章从ChatGPT概述、技术底座、内容变革、产业格局、商业展望5个方面对ChatGPT进行了解读，帮助用户全面了解ChatGPT，对其形成完整的认知。第6-12章从传媒、教育、娱乐、电商、金融、制造和医疗7个方面讲解了ChatGPT的应用，展现了ChatGPT的商业价值。

本书基于当前流行的深度学习框架之一——Keras，从新手的角度出发，详细讲解Keras的原理，力求帮助读者实现Keras从入门到精通。全书共9章，主要内容包括初识深度学习、深度学习的数据预处理技术、使用Keras开发深度学习模型、卷积神经网络及图像分类、循环神经网络在文本序列中的应用、自编码器、生成式对抗网络、模型评估及模型优化，以及深度学习实验项目。本书内容由浅入深、语言通俗易懂，从基本原理到案例应用、从基础算法到对复杂模型的剖析，让读者在循序渐进的学习中理解Keras。 本书可作为高等院校计

在以ChatGPT为代表的大模型掀起AIGC（人工智能生成内容）应用热潮之后，各行各业都希望深入了解流行的AI工具，将其引入日常工作，以节省工作时间，提高办公效率。本书作者团队较早开始将AI工具应用于实际工作，积累了丰富的使用经验，因此为没有太多技术基础的职场人士创作了这本实操指南。 本书分为三篇，上篇是基础篇，介绍了AIGC的基础知识及其应用潜力；中篇是工具篇，介绍了AI文本应用、AI绘画和AI图像处理的国内外流行工具的基本功能和基础用法；下篇是应用篇，分别介绍了通用办公场景下的AI应用以及

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StableDiffusion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、概率论等大学本科水