"本書首先概述人工智能的基本概念、研究內(nèi)容、研究途徑與方法、分支領(lǐng)域與研究方向、應(yīng)用前景、歷史沿革、現(xiàn)狀與趨勢等，勾畫了人工智能學(xué)科的總體架構(gòu)；然后簡要闡述人工智能主要分支的原理、方法和發(fā)展概況，并指出延伸學(xué)習(xí)的內(nèi)容和方向。全書共11章，內(nèi)容全面、基礎(chǔ)、經(jīng)典而新穎。 本書篇幅適中、層次分明、條理清楚、理例結(jié)合、圖文并

"《DeepSeek應(yīng)用高級教程——產(chǎn)品經(jīng)理+研發(fā)+運(yùn)營+數(shù)據(jù)分析》聚焦人工智能大模型在數(shù)字化領(lǐng)域的應(yīng)用，以DeepSeek為核心，深度剖析DeepSeek在多行業(yè)的應(yīng)用方法。DeepSeek作為具有超大規(guī)模參數(shù)和卓越性能的人工智能模型，能在復(fù)雜任務(wù)中展現(xiàn)強(qiáng)大實力。 本書深入講解了如何在產(chǎn)品管理、技術(shù)開發(fā)、運(yùn)營增長等關(guān)

"智能體（Agent）是大模型落地應(yīng)用的重要方向，也是AI應(yīng)用的一個重要風(fēng)口。為了讓更多非技術(shù)出身的讀者能夠理解Agent，能夠零基礎(chǔ)開發(fā)AI應(yīng)用，我們選擇火山引擎的扣子智能體開發(fā)平臺來設(shè)計開發(fā)自己的Agent�！犊圩娱_發(fā)AIAgent智能體應(yīng)用》配套提示詞文件、PPT課件、190分鐘教學(xué)視頻、全書配圖PDF文件、字節(jié)

機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的重要組成部分，其深度和廣度都在持續(xù)擴(kuò)展。本書不僅對機(jī)器學(xué)習(xí)基礎(chǔ)知識進(jìn)行了全面介紹，而且深入討論了各種經(jīng)典和常用的機(jī)器學(xué)習(xí)方法。通過理論與實踐相結(jié)合的方式，幫助讀者理解機(jī)器學(xué)習(xí)的基本原理，掌握常用的方法，并能夠在實際問題中應(yīng)用這些技術(shù)。本書共10章，可分為兩部分。第一部分主要介紹機(jī)器學(xué)習(xí)的背景知識

本書通過在基因、神經(jīng)元和細(xì)胞等微觀層面的計算機(jī)建模研究神經(jīng)系統(tǒng)與形態(tài)（身體）的協(xié)同演化與發(fā)育。首先介紹演化算法、基因調(diào)控網(wǎng)絡(luò)以及脈沖神經(jīng)網(wǎng)絡(luò)等用于理解和模擬生物神經(jīng)系統(tǒng)及形態(tài)的演化與發(fā)育的計算方法，分析基因調(diào)控網(wǎng)絡(luò)的魯棒性、可演化性、網(wǎng)絡(luò)模體、連通性等重要特性，并提供生物調(diào)控網(wǎng)絡(luò)逆向工程的案例。其次介紹多細(xì)胞生長模型和

本書是一部科技類學(xué)術(shù)專著。本書系統(tǒng)闡述了人工智能模型的基本原理、理論基礎(chǔ)及在復(fù)雜系統(tǒng)中的應(yīng)用架構(gòu)設(shè)計，從數(shù)據(jù)采集與預(yù)處理、模型評估與選擇到自然語言處理應(yīng)用，全面剖析了人工智能模型從理論到實踐的完整流程。本書還著重探討了應(yīng)用系統(tǒng)實現(xiàn)與優(yōu)化策略，以及人工智能模型在保障安全與隱私保護(hù)方面的最新進(jìn)展。最后，本書對模型應(yīng)用系統(tǒng)的

本書指導(dǎo)讀者學(xué)習(xí)如何使用生成媒體技術(shù)與人工智能創(chuàng)建新穎的圖像或音樂。數(shù)據(jù)科學(xué)家和軟件工程師將了解最先進(jìn)的生成模型是如何工作的，如何根據(jù)您的需求進(jìn)行微調(diào)和調(diào)整，以及如何結(jié)合現(xiàn)有的構(gòu)建塊來創(chuàng)建不同領(lǐng)域的新模型和創(chuàng)造性應(yīng)用程序。本書以直觀的方式介紹了理論概念，并提供了大量的代碼示例和插圖，您可以在諸如Googlecollab

諸如ChatGPT和DALL-E這樣的大型語言模型(LLM)和擴(kuò)散模型擁有前所未有的潛力。通過使用互聯(lián)網(wǎng)上的公共文本和圖像進(jìn)行訓(xùn)練，這些模型能夠為各種任務(wù)提供幫助。而且，隨著準(zhǔn)入門檻的顯著降低，幾乎任何開發(fā)人員都可以利用AI模型來解決以前不適合自動化的問題。借助本書，你將在生成式人工智能方面打下堅實的基礎(chǔ)，學(xué)會如何在實

本書介紹了在人工智能與大數(shù)據(jù)時代背景下，網(wǎng)絡(luò)表示學(xué)習(xí)的理論與應(yīng)用。提出了網(wǎng)絡(luò)表示學(xué)習(xí)的關(guān)鍵在于將網(wǎng)絡(luò)中的節(jié)點映射到低維空間，形成能夠反映節(jié)點間復(fù)雜關(guān)系的向量表示。書中討論了各種先進(jìn)的網(wǎng)絡(luò)表示學(xué)習(xí)方法，如基于圖注意力機(jī)制、圖自編碼器和深度學(xué)習(xí)技術(shù)，并提供了大量實驗和案例分析，展示了這些方法在不同數(shù)據(jù)集上的應(yīng)用效果。這些案

人工智能已在多個行業(yè)得到成功應(yīng)用，大模型的應(yīng)用已成為突破性進(jìn)展的重要驅(qū)動力，而在特定垂直領(lǐng)域，如醫(yī)療、法律、金融等，大模型微調(diào)面臨獨特的挑戰(zhàn)和需求。本書致力于大型語言模型微調(diào)與應(yīng)用的關(guān)鍵技術(shù)，探討兩個熱門應(yīng)用方向：大模型的知識專業(yè)性和時效性。剖析了垂直領(lǐng)域大模型訓(xùn)練的背景及意義，探討大模型在垂直領(lǐng)域的遷移學(xué)習(xí)、應(yīng)用部署