虚拟现实：另一个宜居的未来

本书从技术和规制两个角度入手，以人工智能治理的法律、公共政策以及伦理规范等相关社会行为和社会关系的规则建立和运行为主要思考方向和研究进路，在梳理人工智能发展情况、欧盟及其他国家人工智能立法与政策发布现状的基础上，对人工智能治理的基础、基本路径及我国人工智能产业、政策与规制思路进行了全面和有益的探索。

本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的skle

大模型在众多领域得到了广泛应用，促进了AI技术的整合和创新。然而，在实际应用过程中，直接将大模型应用于特定行业常常难以达到预期效果。本书详细阐述如何在游戏经营分析场景中利用大模型实现数据体系的建设。本书分为6个部分，共16章。第1部分主要介绍大模型技术的发展与应用，从大模型的发展现状展开，重点介绍大模型与数据体系的相关知识。第2部分主要介绍大模型下的关键基础设施，涵盖湖仓一体引擎、湖仓的关键技术、

本书聚焦如何高效运用DeepSeek这一前沿AI工具，帮助读者在技术浪潮中把握机遇。全书从DeepSeek发展历程切入，系统解析DeepSeek在信息处理、创意生成与决策辅助中的核心能力，并结合生活管理、职场协作、学习优化、社交互动等场景，通过真实案例讲解其应用方法。同时，针对内容创作、自媒体运营、副业变现等需求，书中提供了可落地的策略与案例，助力读者实现效率提升与价值创造。书中不仅提供技术使用技

本书分为4章，共20章。其中第1篇为基础算法篇，从第1章到第9章，讲述排序、查找、线性结构、树、散列、图、堆栈等基本数据结构算法；第2篇为机器学习算法篇，从第10章到第14章，讲述分类算法、回归算法、聚类算法、降维算法和集成学习算法；第3篇为强化学习算法篇，从第15章到第16章，讲述基于价值的强化学习算法和基于策略的强化学习算法；第4篇为深度学习算法篇，从第17章到第19章，讲述神经网络模型算法、

本书共14章，主要内容包括探索性数据分析、有监督学习（线性回归、SVM、决策树等）、无监督学习（降维、聚类等），以及深度学习的基础原理和应用等。

本书内容从技能线和工具线展开介绍。其中，技能线介绍了虚拟数字人的技术原理、商业价值、创建工具等基础内容，以及AI文案、AI绘画、虚拟数字人及其直播、AI视频博主、AI带货主播、AI培训讲师等实操案例。工具线介绍了ChatGPT、StableDiffusion、腾讯智影、剪映等工具的使用方法，并通过实例介绍了使用这些工具制作数字人的技巧。

本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分：第一部分习题对应《机器学习》第1~10章的内容，包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含6章应用专题，通过综合题的形式对知识点进行多角度考查，包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络

本书共分为10章，涵盖了贝叶斯概率、概率估计、贝叶斯分类、随机场、参数估计、机器学习、深度学习、贝叶斯网络、动态贝叶斯网络、贝叶斯深度学习等。本书涉及的应用领域包含机器学习、图像处理、语音识别、语义分析等。