本書系統(tǒng)梳理了Llama4大語言模型（簡(jiǎn)稱“大模型”）的理論基礎(chǔ)、技術(shù)架構(gòu)、協(xié)議互聯(lián)與工程實(shí)踐，全面覆蓋從大模型底層結(jié)構(gòu)到高階應(yīng)用的全棧知識(shí)體系。全書分為三部分共10章：第一部分重點(diǎn)介紹大語言模型的基本原理、Llama4的基本架構(gòu)與設(shè)計(jì)創(chuàng)新、多模態(tài)處理能力及與MCP的深度融合，為讀者理解其核心機(jī)制奠定扎實(shí)的理論基礎(chǔ)；第

本書系統(tǒng)全面地闡述了大模型應(yīng)用開發(fā)的核心技術(shù)體系與實(shí)踐路徑。內(nèi)容涵蓋大模型基礎(chǔ)與技術(shù)概覽、開發(fā)環(huán)境搭建、提示工程與交互設(shè)計(jì)、檢索增強(qiáng)生成系統(tǒng)、智能體開發(fā)體系及多模態(tài)應(yīng)用開發(fā)；深入探討了模型在金融、醫(yī)療、教育等關(guān)鍵行業(yè)的落地應(yīng)用；并系統(tǒng)講解了模型輕量化與部署優(yōu)化、系統(tǒng)監(jiān)控與迭代優(yōu)化等工程化方法，同時(shí)強(qiáng)調(diào)了人工智能倫理與合

本書以AI技術(shù)賦能社會(huì)科學(xué)研究為核心，聚焦DeepSeek與ChatGPT兩大工具，系統(tǒng)構(gòu)建從理論研究到實(shí)踐操作的完整知識(shí)框架。全書以社會(huì)科學(xué)研究流程為主線，圍繞文獻(xiàn)處理、數(shù)據(jù)獲取、分析可視化、成果輸出四大核心環(huán)節(jié)展開，通過具體的場(chǎng)景化案例展現(xiàn)AI技術(shù)的賦能路徑。結(jié)構(gòu)設(shè)計(jì)采用雙工具并行對(duì)比的視角：DeepSeek篇深入

本書主要內(nèi)容包括：機(jī)器學(xué)習(xí)概述、機(jī)器學(xué)習(xí)的統(tǒng)計(jì)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)的常用Python庫(kù)、機(jī)器學(xué)習(xí)的基本流程、回歸、分類：Logistic回歸和最大熵模型、分類：決策樹、分類：貝葉斯分類器、分類：支持向量機(jī)、分類：集成學(xué)習(xí)、聚類分析、降維、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)。

本書系統(tǒng)介紹了圖機(jī)器學(xué)習(xí)的基礎(chǔ)理論、典型模型與應(yīng)用實(shí)踐。本書首先介紹圖的基本概念、表示方法與特征構(gòu)造技術(shù);其次從圖嵌入模型出發(fā),深入介紹了圖神經(jīng)網(wǎng)絡(luò)的主要架構(gòu)與變體;再次概述圖機(jī)器學(xué)習(xí)前沿進(jìn)展,并詳細(xì)介紹異質(zhì)圖、譜圖、可信圖和圖基礎(chǔ)模型等前沿方向;最后介紹了圖機(jī)器學(xué)習(xí)在推薦系統(tǒng)、金融風(fēng)控、生命科學(xué)、電路設(shè)計(jì)等領(lǐng)域的典型

本書首先簡(jiǎn)述人工智能的基本概念、發(fā)展歷程,分類及在醫(yī)療、金融、交通等領(lǐng)域的應(yīng)用,引入AI概貌;接著,系統(tǒng)介紹人工智能的核心技術(shù)分支,包括機(jī)器學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)(涵蓋CNNRNN,Transformer等模型);隨后,通過實(shí)例詳細(xì)闡述AI在自然語言處理(包括DeepSeek、GPT,BERT等大語言模型)

本書系統(tǒng)介紹了最優(yōu)化的基本理論、建模方法與常用算法,內(nèi)容涵蓋優(yōu)化的基本概念、最優(yōu)性條件、凸優(yōu)化、無約束與約束優(yōu)化等基礎(chǔ)知識(shí),并重點(diǎn)討論機(jī)器學(xué)習(xí)中的優(yōu)化建模與算法,如主成分分析、支持向量機(jī)、隨機(jī)優(yōu)化和零階優(yōu)化算法等。

本書分為“大模型基礎(chǔ)”、“大模型優(yōu)化方法”和“大模型能力擴(kuò)展”三個(gè)部分,逐步深入地介紹了大模型的核心技術(shù)和前沿發(fā)展。第一部分“大模型基礎(chǔ)”作為基礎(chǔ)篇目,注重理論鋪墊;第二部分“大模型優(yōu)化方法”作為進(jìn)階篇目,深入技術(shù)細(xì)節(jié);第三部分“大模型能力擴(kuò)展”作為高級(jí)篇目,聚焦前沿挑戰(zhàn)。

本書主要分為機(jī)器學(xué)習(xí)的基礎(chǔ)、非參數(shù)化模型、線性模型、聚類方法、降維方法、EM算法與隱變量模型、集成學(xué)習(xí)、概率圖模型、人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)模型、生成式模型、自監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)基礎(chǔ)、強(qiáng)化學(xué)習(xí)算法、深度強(qiáng)化學(xué)習(xí)等模塊。

本書從智能的概念出發(fā),了解、學(xué)習(xí)人工智能的發(fā)展歷史和發(fā)展動(dòng)向,初步掌握人工智能的基本技術(shù)和研究方法,重點(diǎn)掌握表達(dá)、搜索、推理和學(xué)習(xí)等人工智能技術(shù)手段;了解人工智能的應(yīng)用領(lǐng)域,為今后進(jìn)一步從事相關(guān)專業(yè)奠定基礎(chǔ)。