本書全面而系統(tǒng)地闡述了扣子平臺(tái)（國內(nèi)新一代AI大模型智能體開發(fā)平臺(tái)）的核心功能及其應(yīng)用實(shí)踐。全書內(nèi)容圍繞扣子平臺(tái)的三大核心維度展開：基礎(chǔ)能力構(gòu)建、進(jìn)階功能開發(fā)以及實(shí)戰(zhàn)案例分析。 在基礎(chǔ)能力構(gòu)建方面，本書深入介紹了扣子平臺(tái)的安裝與配置、智能體的創(chuàng)建與管理等基礎(chǔ)知識(shí)。讀者能夠迅速掌握平臺(tái)操作的關(guān)鍵點(diǎn)，并“從零開始”構(gòu)建自己

這是一本系統(tǒng)講解DeepSeek大模型的技術(shù)指南，它全面覆蓋DeepSeek的底層架構(gòu)、核心原理及實(shí)際應(yīng)用。本書從人工智能基礎(chǔ)、DeepSeek的技術(shù)架構(gòu)，到多模態(tài)模型的訓(xùn)練與優(yōu)化，幫助讀者深入理解DeepSeek的工作機(jī)制，并掌握DeepSeek在大規(guī)模預(yù)訓(xùn)練、推理優(yōu)化及應(yīng)用部署中的關(guān)鍵技術(shù)。全書共有12章，主要包括

"本書系統(tǒng)、全面地介紹了初識(shí)AI——人工智能基礎(chǔ)知識(shí)，玩轉(zhuǎn)AI——人工智能應(yīng)用體驗(yàn)，揭秘AI——人工智能核心技術(shù)和思辨AI——人工智能安全與倫理等各個(gè)方面知識(shí)。通過本書，讀者可以更好地理解人工智能技術(shù)在各行業(yè)領(lǐng)域的廣泛應(yīng)用，為后續(xù)深入學(xué)習(xí)人工智能的各種技術(shù)奠定基礎(chǔ)。本書立足于人工智能時(shí)代的前沿，注重培養(yǎng)讀者的人工智能思

布爾巴基學(xué)派的序、代數(shù)、拓?fù)淙�大母結(jié)構(gòu)是現(xiàn)代數(shù)學(xué)的基礎(chǔ)。利用計(jì)算機(jī)證明輔助工具，可以完整構(gòu)建這三大母結(jié)構(gòu)的形式化系統(tǒng)。本書利用交互式定理證明工具Coq，實(shí)現(xiàn)Morse-Kelley公理化集合論形式化系統(tǒng)，可以迅速而自然地給出一個(gè)數(shù)學(xué)基礎(chǔ)，擺脫了明顯的悖論。在我們開發(fā)的系統(tǒng)中，全部定理無例外地給出Coq的機(jī)器證明代碼，所

本書覆蓋智能文檔處理、協(xié)同辦公、對(duì)話系統(tǒng)三大核心場景，詳細(xì)闡述表格推理、文本糾錯(cuò)、公文寫作、RAG問答系統(tǒng)等關(guān)鍵技術(shù)方案，并通過企業(yè)級(jí)案例展示工程化落地的全流程。

本書重點(diǎn)介紹企業(yè)級(jí)大模型應(yīng)用開發(fā)、模型調(diào)優(yōu)及部署運(yùn)維等技能。全書共10章，內(nèi)容涵蓋生成式AI概述、大模型提示詞深度解析、LangGraph+CrewAI案例、生成式AI應(yīng)用開發(fā)項(xiàng)目實(shí)戰(zhàn)、大模型指令微調(diào)與PEFT技術(shù)、RLHF與DPO模型對(duì)齊、大模型應(yīng)用開發(fā)案例實(shí)戰(zhàn)、為何Sora是通往AGI道路的里程碑、解碼Sora架構(gòu)

本書分為三篇。AIAgent基礎(chǔ)篇：介紹AIAgent的基本概念和開發(fā)模式，引出AIAgent的技術(shù)體系和實(shí)現(xiàn)方式，并以最常見的OpenAILLM為例，演示從零構(gòu)建一個(gè)AIAgent的過程，提供OpenAISwarm框架的使用方式和案例。AIAgent實(shí)現(xiàn)篇：介紹AIAgent的典型實(shí)現(xiàn)模式，包括通用型的ReActAg

本書共分為6個(gè)項(xiàng)目。共分為六個(gè)項(xiàng)目，分別為TensorFlow在服飾行業(yè)中的應(yīng)用、TensorFlow在用戶評(píng)論分析中的應(yīng)用、遷移學(xué)習(xí)在醫(yī)療行業(yè)圖像分析中的應(yīng)用、基于Flask的動(dòng)物識(shí)別應(yīng)用與部署、基于RNN的古詩詞生成應(yīng)用、基于VGG19的藝術(shù)圖像風(fēng)格遷移等。每個(gè)項(xiàng)目都包含引導(dǎo)案例和具體任務(wù)，通過任務(wù)實(shí)施，使學(xué)生能夠

本書所介紹的人類心理系統(tǒng)模型所依賴的方法是把自下而上和自上而下兩種方法融為一體。自下而上的方法認(rèn)為系統(tǒng)由許多形狀小且緊密相連的部件組成，研究的是如何讓系統(tǒng)產(chǎn)生有關(guān)物質(zhì)實(shí)體感受的表征形式，甚至用非常高的語言和概念水平以及符號(hào)表征對(duì)現(xiàn)實(shí)世界的物體做出反饋。而自上而下的方法則從認(rèn)知知識(shí)的本體出發(fā)，研究的是如何定義系統(tǒng)層次，如

本書系統(tǒng)研究了深度學(xué)習(xí)模型在面臨新型對(duì)抗攻擊時(shí)的魯棒性問題，全面分析了對(duì)抗魯棒機(jī)器學(xué)習(xí)的研究現(xiàn)狀及面臨的問題和挑戰(zhàn)，并提出了創(chuàng)新性的解決方案。在對(duì)抗魯棒性評(píng)估方面，構(gòu)建了集成非Lp范數(shù)新型攻擊的綜合評(píng)估基準(zhǔn)，為全面評(píng)估模型魯棒性提供了工具。在對(duì)抗樣本檢測方面，提出了基于小樣本學(xué)習(xí)的對(duì)抗樣本檢測方法，能夠有效檢測未知類型