人工智能驱动的组学挖掘是数据驱动的生物医学研究的支撑技术。组学测序技术逐步向多尺度、跨模态、有扰动等方向发展，但体现出的高维度、高噪声、多模态、标记稀缺等特点，成为制约其有效挖掘的瓶颈。本书面向生命组学数据特点，较为系统和深入地对组学机器学习的主要研究范式、适用场景、分析方法、理论思想进行介绍。结合相应组学挖掘的具体研究案例，向读者展示组学人工智能驱动的生命健康交叉研究的绚烂图景。

全书36个AI工具，从脚本撰写到素材生成，从智能编辑到特效处理，为你全方位赋能。 释放AI 魔力，打通创作瓶颈，激发灵感火花，助你成为短视频达人！

全书分为上下两篇，共13章。上篇计算思维和数据思维主要包括计算与计算机、计算思维、算法、程序设计和数据思维5章。下篇人工智能导论主要包括人工智能概述、智能感知、知识表示与知识图谱、自然语言处理、机器视觉、机器学习与深度学习、云计算和大数据、数据挖掘8章。 本书以计算思维、数据思维和人工智能思维为培养目标，在教学内容中体现这3种思维的基本理念，为读者展示计算机学科的轮廓和相关技术。 本书内容丰富、通俗易懂，兼顾思维培养和应用需求，内容尽可能地展示新技术，可作为高等学校非计算机专业的教材，也可作为计算机爱好者学习计算机基础知识的参考书。

本书由5个项目组成，内容包括人工智能概述、新一代信息技术的应用、人工智能之自动识别技术、人工智能之Python语言、人工智能之机器学习。本书系统阐述人工智能的基本原理、实现技术及应用，全面地反映国内外人工智能研究领域的进展和发展方向。 本书作为国家职业教育改革实施方案中倡导使用的新型活页式教材，既可作为人工智能、信息处理、电气自动化等相关专业的教材，也可作为从事计算机科学研究及开发、应用的教学和科研人员的参考书。

《人工智能驱动的机制设计（英文版）》结合人工智能相关技术与机制设计理论，提出人工智能驱动的机制设计框架，以提供一种替代方法来处理目前机制设计理论与实践中的一些问题。该框架包含两个互相交互的抽象模型：智能体模型和机制模型。结合人工智能与机制设计，我们可以解决利用单一领域技术无法解决的问题。例如，我们可以极大缩小机制搜索空间，构建更现实的买家模型，以及更好地平衡各类目标。我们从多物品拍卖，动态拍卖，以及多目标拍卖三个场景入手，分析并说明该框架对理论与实践均有帮助。

本书立足当代中国现代化进程中所面临的新科技革命、第四次工业革命和新全球化“多重叠加”的时代背景，对给现代社会带来深刻变革的新兴技术：人工智能技术、信息技术、区块裢技术等进行了理论、案例及对策等多维度研究，聚焦新兴科技发展尤其是人工智能、区块链技术等给社会治理、国家治理领域带来的新议题、新挑战，对社会治理社会化、法治化、智能化、专业化等“四化”的政策意涵进行了深入解读。本书首先从文明演进视域中的技术、社会和现代性重构、新科技革命与社会治理现代化、全球化与社会治理的西方演进脉络、中国传统社会的现代转型与当代社会治理的现代化布局等维度对科技发展、社会变革与“多重失灵”下兴起的治理理论及实践之间的逻辑张力进行了深入诠释。在明确了科技发展与社会治理历史交汇的时代坐标基础上，进一步对人工智能时代的技术发展、社会进步与风险挑战、人工智能的劳动替代与新卢德主义、信息技术扩散中的数字鸿沟及其治理、区块链与国家治理变革、转型期的灾害风险治理与社会信任重构、中国公众社会治理满意度等新科技革命带来的社会治理新议题进行了专题研究，最后在“技术控”与“技术失控”、“人与物”与“人与人”、“善治”与“善智”的多重逻辑关系的纠缠与辨析中指明了走向负责人人工智能社会治理体系及能力构建的未来之路。本书读者对象主要面向社会治理领域的理论研究者、实践探索者以及政策制定者，对哲学、社会学、政治学等领域存有兴趣的的公众亦为读者对象。

本书基于Python语言，结合实际的数据集，介绍了机器学习算法以及数据分析方法的应用。本书主要包含两部分内容，第一部分为Python机器学习入门知识：主要介绍了Python的基础内容、Numpy与Pandas库数据操作、Matplotlib与Seaborn库数据可视化、Sklearn库机器学习，以及与机器学习相关的基础知识；第二部分为Python机器学习算法应用：主要介绍了数据的回归预测分析、时间序列预测，数据无监督学习中的聚类、降维以及关联规则，数据分类模型的应用以及针对文本数据与网络图数据的机器学习算法应用。 本书适合对机器学习、数据分析感兴趣的初学者学习，也可作为Python机器学习、数据分析、数据可视化的入门及进阶的教材。

作为元宇宙时代的营销指南，本书以“人、货、场”模型为底层架构，基于元宇宙营销的 本质与未来发展趋势，结合大量品牌元宇宙实践案例，梳理了企业进军元宇宙的路径与步骤； 按照“取势、明道、优术”的商业逻辑，系统地阐述了元宇宙为何兴起、如何落地、如何赋能 实体经济和如何助力品牌破圈。 第1章带领读者开启元宇宙之旅，探讨元宇宙对传统营销“人、货、场”的重构；第2章 讨论元宇宙营销之“货”——从IP的视角重新定义数字藏品；第3章讨论元宇宙营销之“人”—— 从DAO的视角重新定义数字分身；第4章讨论元宇宙营销之“场”——从社区的视角重新定义 虚拟场景。 本书可供企业经营管理者和营销人员、电商、平台、直播带货主播阅读参考。

本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。 机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。 机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最快捷的办法还是带着机器学习的具体问题来掌握背后的数学原理。因为线性代数和概率理论使用较多，本书在最后两章集中把重要的一些概率论和线性代数的内容加以介绍，如果有需要的同学可以参考。另外，学习任何知识，动手练习加深理解的**方法，所以本书的每一章都配备了习题供大家实践和练习。

本书首先从工业要素、工业品研发生产制造过程等维度对新工业进行解读，指出知识工程、工业软件在新工业发展中的作用。基于对知识金字塔模型（DIKW模型）的研究与发展，提出知识工程体系与成熟度模型。在此基础上，进一步介绍支撑知识工程体系建设的技术与实施方法论。还通过不同行业典型案例的介绍，展示企业在知识工程实施过程中如何开展知识体系的设计，并逐步落地。