本書從人工智能導論、人工智能編程基礎、人工智能計算平臺、人工智能網絡環(huán)境、人工智能基本技術、大模型及其應用技術、機器學習及其應用等七個維度布局內容。

本書共7章，第1章緒論，介紹人工智能的概念和發(fā)展簡史，當前發(fā)展方向、研究熱點，基本研究內容、所采用的研究方法；第2章討論傳統(tǒng)經典人工智能的知識表示、知識工程、搜索技術、群智能算法、知識圖譜、專家系統(tǒng)和規(guī)劃技術等基本知識；第3章介紹實踐人工智能應用的編程語言Python；第4章以Scikit-learn為基礎介紹機器學習

本書提出了以下推薦方法：基于“字符－短語”注意力機制和因子分解機的混合推薦方法和基于“局部－整體”注意力和文本匹配機制的推薦方法，旨在通過獲取更多信息和提升模型特征提取能力，來實現(xiàn)更精準的個性化推薦；基于層次注意力和增強經驗優(yōu)先回放機制的深度強化學習推薦方法和基于自適應元模仿學習的推薦環(huán)境模擬器，旨在突破深度強化學習在

"《大模型核心技術與開發(fā)實踐：基于Transformer、PyTorch及HuggingFace》系統(tǒng)地介紹大語言模型（LLM）的理論基礎、實現(xiàn)方法及在多種場景中的應用實踐。共分為12章，第1~3章介紹Transformer模型的基本架構與核心概念，包括編解碼器的結構、自注意力機制、多頭注意力的設計和工作原理；第4~6

人工智能（AI）是當今科技領域最引人注目的前沿技術之一，正在深刻地改變我們的生活、工作和社會結構。本書是一本以漫畫形式呈現(xiàn)的科普圖書，旨在通過輕松幽默、生動形象的方式，帶領讀者穿越時空，探索人工智能從誕生到蓬勃發(fā)展的全過程。本書深入探討了人工智能在各個領域的應用，如醫(yī)療、金融、交通、娛樂等，展示了人工智能如何為人類社會

本書基于圖神經網絡研究網絡表示學習，具體內容包括:改進了高階圖卷積神經網絡、圖注意力網絡、自編碼架構和圖的小波神經網絡等模型，構建網絡表示學習模型，并在圖基礎任務(如鏈路預測和節(jié)點分類)上取得了有效的性能。此外，本書采用前沿的圖對比學習架構，通過增強圖數(shù)據(jù)表示有效緩解數(shù)據(jù)稀疏問題，并在知識圖譜的基礎任務上顯著提升性能。

本書是暢銷書深度學習入門&進階系列第五本書，主要圍繞生成模型進行講解。生成模型是一種非常重要的技術，對于人工智能的發(fā)展有著重要的作用。本書延續(xù)了作者通俗易懂的行文風格，以深入淺出的方式介紹正態(tài)分布到擴散模型所涉及的技術，并最終完成一個類似于StableDiffusion的圖像生成人工智能。讀者可在創(chuàng)建這個圖像生成人工智

本書是一本專門為AI初學者撰寫的入門指南，以備受關注的AI大模型DeepSeek為切入點，借助豐富的案例和通俗易懂的講解，全面且系統(tǒng)地介紹有關AI的知識，幫助讀者走出AI認知誤區(qū)，逐步掌握AI應用技巧，進而抓住AI時代的機遇。本書不僅剖析了DeepSeek的特點和影響，還深入探討AI在學習、生活、內容創(chuàng)作等多個領域的應

本書系統(tǒng)解析DeepSeek大模型的技術架構與應用生態(tài)，構建技術認知-環(huán)境搭建-領域攻堅三維能力體系。第1部分從人工智能技術演進切入，剖析深度學習、Transformer架構及大模型革命的技術哲學，詳解開發(fā)環(huán)境配置、API調用與智能系統(tǒng)構建方法論；第2部分聚焦6大核心場景，覆蓋智能辦公、數(shù)據(jù)可視化、數(shù)字內容生產、教育創(chuàng)

人類智能是否能遷移到人工智能，人工智能是否能接近或達到人類智能？這些問題一直備受爭議。本書基于語境的適應性表征方法論，系統(tǒng)地探討了人工智能的適應性表征范疇架構，人工智能的邏輯主體、搜索主體、學習主體、決策主體和問題-解決主體的適應性表征特征，以及人工智能適應性表征的語境建構及其哲學、倫理問題和未來走向，力圖論證這樣一種