构建通用人工智能的关键就是无监督学习，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 Stable Diffusion 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平，并且了解机器学习、Python 及PyTorch 等深度学习框架的学生、工程师和研究人员阅读。无论读者的背景如何，只要对深度生成模型有兴趣，都能从本书中获益。

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（Artificial Intelligence，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、GitHub Copilot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，本书也可以作为高校或培训机构的参考书。

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。

本书系统深入地阐述了矩阵结构和矩阵函数的公理化体系，并给出基于此公理体系进行形式化分析与验证的应用。主要内容包括：矩阵结构的形式化；矩阵序列与矩阵级数理论的形式化；矩阵函数微分的形式化；矩阵理论的自动化定理证明；矩阵理论公理化系统在信息或物理系统形式化建模验证中的应用。

本书介绍了计算机组成及体系结构的核心知识，内容包括计算机系统的概念、运算、CPU、指令集和汇编语言、并行处理等，是计算机及相关专业了解计算机组成的经典教材。

全书针对Windows操作系统、Office办公软件和主流程序设计工具的操作与使用编写了6个实验，主要内容包括：Windows操作系统的基本操作、管理与维护功能的使用；Word文档的创建、编辑与排版操作；Excel工作表的基础操作、数据的管理、数据统计与查询、图表制作；演示文稿PPT的创建、幻灯片的基础设置和设计； C语言的常量与变量、格式化输入输出函数、语句结构； Python的编程规范、程序运行方式和语法基础。为强化重点实践内容操作的熟练程度，在每个实验后面附有少量操作作业。附录部分根据“大学计算机”课程的实际学习需要，提供了5组习题，供学生课后进行自测。

在云原生时代，可观测性覆盖了应用的全生命周期，是云原生应用工具之一。本书基于笔者多年的云原生可观测性实践经验，从可观测系统的演进和基础理论开始介绍，结合案例对可观测系统的开源架构、日志、链路、监控、事件和诊断等关键要素的系统设计方案及问题解决思路进行阐述，帮助读者了解在业务实践中可观测性对云原生应用有哪些巨大助力。本书适合云原生应用开发人员、架构师、运维人员、测试人员，以及云计算相关从业人员阅读。

算法详解系列图书共有4卷，本书是第4卷——NP-Hard问题算法。全书共有6章，主要介绍了快速识别NP-Hard问题的方法和处理NP的算法工具。本书的每一章均有小测验、章末习题，这为读者的自我检查以及进一步学习提供了方便。本书提供了丰富而实用的资料，能够帮助读者提升算法思维能力。本书适合计算机专业的高校教师和学生，想要培养和训练算法思维与计算思维的IT专业人士，以及正在准备面试的应聘者和面试官阅读参考。

《科技想要什么》一书中，凯文·凯利预测了未来数十年科技的12种趋势，包括创造大脑这一得寸进尺之举。不过，为了让人类创造的世界实现收益最大化，需要对这种全球体系产生的问题和代价保持敏感。作者详细讲述了值得我们学习的阿米什"早期使用者”和其他批判科技自我主义倾向的人所具有的智慧。凯利的新科技理论提供了三种实践经验：通过倾听科技的需求，我们和我们的孩子可以更加出色地做好准备，迎接必将到来的科技；通过采用主动融合原则，我们可以驾驭科技，使之发挥大作用；通过遵从这种类生命系统的长期规则，我们可以获得它的全部馈赠。

本书系统深入地总结了智能船舶自主航行非线性控制理论及作者多年来在船舶运动控制等方面取得的主要研究成果，涵盖了船舶运动数学模型、船舶简捷鲁棒自适应航向保持控制、欠驱动船舶有限时间轨迹跟踪控制、船舶简捷非线性神经网络自动靠泊控制、船舶运动控制物理测试平台等方面的内容，结合非线性反馈、非线性修饰、自适应自调节PID、Lyapunov 稳定性理论、Backstepping 控制理论、RBF神经网络逼近原理、有限时间自适应技术、最小参数学习法、动态面技术等先进理论和方法，设计智能船舶自主航行控制策略。本书可作为交通运输工程、船舶与海洋工程、交通信息工程及控制等学科的研究生和航运科学与技术、自动化等相关专业的高年级本科生的教材或参考书，也可供相关领域的学者和工程技术人员参考。