《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

本书系统介绍了近年来稀疏学习与分类领域常见的理论及技术,并结合作者多年的研究成果,展示了相关理论及技术在HIC领域的实践情况。全书共5章,主要内容包括稀疏学习的基本工具、稀疏学习的数学基础、最小二乘支持向量机、基于拉普拉斯支持向量机的HIC及基于张量稀疏编码的HIC等。

本书共11章，内容包括：基于生成样本分布优化的不平衡分类方法、基于样本空间映射的不平衡分类方法、面向多类样本特征交叠情况下的不平衡分类方法、面向数据多模态分布条件下的不平衡分类方法等。

本书分为五篇，覆盖基础理论、自然语言处理、计算机视觉、图学习及综合应用，重点解析自然语言处理、计算机视觉、图深度学习与多模态深度学习的发展脉络；以Transformer为核心，详解其结构、经典模型及其在生成式任务中的应用。同时，本书聚焦图卷积网络与图注意力网络，从谱图卷积到多头注意力机制，探讨其在节点分类、图对齐等问题

本书详细阐释深度学习的数学基础与架构设计，通过精心设计的章节，逐步带领读者从基础的数学工具深入复杂的深度学习架构，涵盖从向量和矩阵到神经网络的训练、优化和正则化，再到生成模型、自编码器等前沿主题，并提供详尽的数学分析和代码示例。作者团队结合Adobe、Google等企业的前沿实践，通过PyTorch代码逐层拆解卷积神经

本书以Python程序设计语言为工具，通过Python编程实例，详细介绍了控制系统的建模与仿真方法，为控制系统的分析和设计提供了先进的技术手段。本书首先介绍了Python程序设计的基础知识，包括Python程序设计语言的基本语法规则、Python控制系统库的常用功能和Python集成开发环境的基本使用方法。在系统建模方

数智时代已经到来，数据存储作为ICT领域的核心技术之一，持续推动产业与社会经济发展。面对全球数据量增长、数据要素市场发展、AI应用普及、网络安全形势复杂化和绿色低碳发展等趋势，数据存储应迈向先进数据存力。全球企业应体系化规划和推进先进数据存力的建设，以应对数智时代的业务挑战。本书通过六大维度的评估，帮助各行业从业者科学

本书描绘了人工智能从理论萌芽到技术爆发的传奇之旅。全书以艾伦·图灵提出的“图灵测试”为起点，串联起1956年达特茅斯会议学科奠基、专家系统的短暂辉煌、神经网络的复兴、深度学习的突破等关键节点，梳理了符号主义、联结主义等技术流派的演进脉络。书中特别聚焦中国力量的崛起，深度解析了DeepSeek大模型以110训练成本实现技

"全面介绍了人工智能生成内容（AIGC）的基本概念、关键技术、应用场景和未来趋势。本书不仅涵盖了AIGC的核心理论，还提供了丰富的实践案例和代码示例，帮助读者深入理解并掌握AIGC技术的实际应用。无论是初学者还是有一定基础的从业者，都能从中受益，提升在AIGC领域的技能和知识。项目一生成式人工智能入门任务一认识生成式人

本书系统介绍了生成式人工智能及ChatGPT的基本原理与应用。前两章概述生成式人工智能概念和ChatGPT的工作原理，第三章重点讲解提示语设计，强调其在使用中的关键作用。后续章节通过实例详细展示ChatGPT在中小学辅导、营销文案、职业考试、求职辅助、法律咨询及艺术创作（如小说、剧本、绘画）等领域的应用，覆盖广泛使用场