本書(shū)深入探討大模型時(shí)代推薦系統(tǒng)的核心技術(shù)、實(shí)戰(zhàn)方法與前沿趨勢(shì)。從推薦系統(tǒng)基礎(chǔ)與大模型原理出發(fā)，系統(tǒng)講解大模型與推薦系統(tǒng)的三大結(jié)合方式：作為推薦算法、增強(qiáng)傳統(tǒng)系統(tǒng)以及構(gòu)建智能代理。書(shū)中包含豐富的實(shí)戰(zhàn)案例，涵蓋提示工程、LangChain部署、聯(lián)邦學(xué)習(xí)隱私保護(hù)等關(guān)鍵場(chǎng)景，并針對(duì)可解釋性、公平性等業(yè)界難題提供解決方案。適合算

本書(shū)以TensorFlow2深度學(xué)習(xí)的常用技術(shù)講解與真實(shí)案例實(shí)戰(zhàn)相結(jié)合的方式，深入淺出地介紹使用TensorFlow2實(shí)現(xiàn)深度學(xué)習(xí)的知識(shí)內(nèi)容。全書(shū)共有8個(gè)項(xiàng)目，分為基礎(chǔ)部分和實(shí)戰(zhàn)部分。基礎(chǔ)部分包括深度學(xué)習(xí)概述、TensorFlow2快速入門(mén)、深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)。實(shí)戰(zhàn)部分包括5個(gè)真實(shí)案例，分別為基于CNN的彩色圖像分

隨著人工智能技術(shù)的飛速發(fā)展，大語(yǔ)言模型（如DeepSeek）已經(jīng)在多個(gè)行業(yè)中展現(xiàn)出巨大的潛力，成為推動(dòng)這些行業(yè)數(shù)字化轉(zhuǎn)型的重要力量。本書(shū)通過(guò)7個(gè)項(xiàng)目、17項(xiàng)任務(wù)的實(shí)戰(zhàn)講解，全面介紹人工智能和大語(yǔ)言模型的核心技術(shù)與實(shí)際應(yīng)用，重點(diǎn)圍繞DeepSeek的使用和實(shí)踐，幫助讀者深入理解人工智能技術(shù)及其在實(shí)際工作中的應(yīng)用。本書(shū)內(nèi)容

AI的發(fā)展已經(jīng)跨越多個(gè)重要階段，且應(yīng)用形態(tài)仍在不斷演變。本書(shū)綜合了作者及其團(tuán)隊(duì)近年來(lái)圍繞AI實(shí)現(xiàn)的項(xiàng)目，展開(kāi)關(guān)于人工智能與人的關(guān)系的探討。從自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、強(qiáng)化學(xué)習(xí)等基礎(chǔ)技術(shù)入手，講述其原理、應(yīng)用及未來(lái)展望；接著呈現(xiàn)AI在數(shù)學(xué)競(jìng)賽、股市、游戲等多個(gè)領(lǐng)域的實(shí)踐案例及面臨的問(wèn)題；還深入思考了AI與人類(lèi)發(fā)展、航天的

人工智能（ArtificialIntelligence，AI）技術(shù)正在重塑社會(huì)、經(jīng)濟(jì)和人類(lèi)生活的方方面面。然而，公眾對(duì)AI的認(rèn)知仍存在顯著差異：一方面，技術(shù)從業(yè)者深耕專(zhuān)業(yè)領(lǐng)域，卻缺乏對(duì)AI倫理和社會(huì)影響的系統(tǒng)性理解；另一方面，普通學(xué)習(xí)者往往被復(fù)雜的數(shù)學(xué)公式和代碼所勸退，難以掌握AI的基本原理與應(yīng)用邏輯。因此，編寫(xiě)一本面

要想高效地利用AI，關(guān)鍵在于我們?nèi)绾翁釂?wèn)。本書(shū)首先介紹提示詞的設(shè)計(jì)技巧，然后系統(tǒng)地介紹了20種向AI提問(wèn)的有效方法，最后介紹提問(wèn)方法的組合運(yùn)用以便解決復(fù)雜問(wèn)題�！睹攵瓵I提問(wèn)：讓人工智能成為你的效率神器（第2版）》緊扣工作、學(xué)習(xí)和生活，在介紹提問(wèn)方法時(shí)，通過(guò)對(duì)比讓讀者直觀感受不同提問(wèn)方法的效果，并結(jié)合實(shí)例展示AI在不同

本書(shū)是展示如何用自然語(yǔ)言通過(guò)氛圍編程工具搭配大模型生成代碼解決真實(shí)問(wèn)題的實(shí)用指南。書(shū)中提供9個(gè)實(shí)戰(zhàn)項(xiàng)目作為入門(mén)講解和檢驗(yàn)實(shí)驗(yàn)，幫助讀者選擇合適的氛圍編程工具與大模型組合。全書(shū)分5部分：第一部分介紹氛圍編程基礎(chǔ)理論和指導(dǎo)原則；第二部分通過(guò)智能體實(shí)現(xiàn)、數(shù)據(jù)可視化和Excel數(shù)據(jù)分析這3個(gè)應(yīng)用場(chǎng)景，展示扣子、DeepSeek

大模型是人工智能的前沿技術(shù)，本書(shū)詳細(xì)闡述了以DeepSeek為代表的大模型的相關(guān)知識(shí)，旨在幫助讀者認(rèn)識(shí)大模型，了解大模型，熟練使用大模型，從而利用大模型提升學(xué)習(xí)和工作的效率。全書(shū)共13章，內(nèi)容包括人工智能概述、大模型：人工智能的前沿、DeepSeek大模型的應(yīng)用場(chǎng)景、大模型工具、本地部署大模型、智能體、AIGC的概念與

本書(shū)聚焦人工智能科學(xué)應(yīng)用中的感知與博弈技術(shù)，以結(jié)構(gòu)熵為核心，深入探討其在感知與博弈理論中的定義、應(yīng)用任務(wù)及實(shí)例。書(shū)中詳細(xì)闡述了結(jié)構(gòu)熵基礎(chǔ)，包括香農(nóng)熵、圖結(jié)構(gòu)熵等概念，以及圖結(jié)構(gòu)方法、表示學(xué)習(xí)等基礎(chǔ)模型與應(yīng)用技術(shù)。通過(guò)對(duì)傳統(tǒng)簡(jiǎn)單圖和復(fù)雜圖結(jié)構(gòu)熵理論的研究，展現(xiàn)了結(jié)構(gòu)熵在圖數(shù)據(jù)分析中的重要作用。書(shū)中還介紹了基于結(jié)構(gòu)熵的感知

多視圖深度學(xué)習(xí)是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要研究方向，在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理和數(shù)據(jù)挖掘等領(lǐng)域廣泛應(yīng)用。其核心在于探索如何利用深度學(xué)習(xí)模型，從多視角或多模態(tài)數(shù)據(jù)中提取有效信息，最終實(shí)現(xiàn)信息的融合與增強(qiáng)。本書(shū)內(nèi)容涵蓋部分傳統(tǒng)多視圖學(xué)習(xí)方法，以及當(dāng)前主流的多視圖特征學(xué)習(xí)與深度表示學(xué)習(xí)方法。全書(shū)共10章，分為3個(gè)部分：