本書較為系統(tǒng)地介紹了人工智能的發(fā)展歷程、經(jīng)典算法與前沿技術,并嘗試對其背后的思想邏輯與哲學基礎進行深入思辨。內(nèi)容涵蓋k近鄰、樸素貝葉斯、決策樹、神經(jīng)網(wǎng)絡等經(jīng)典算法,以及深度學習、自然語言處理等前沿方向,算法配套Excel和/或Python實戰(zhàn)項目,幫助讀者在實踐中理解原理。第2版新增第9章“大模型:涌現(xiàn)而來的智能”,系

本書是第一本探討如何對不同方法進行均衡處理,以便建模和解決序貫決策問題的圖書,承襲了大多數(shù)聚焦于機器學習、優(yōu)化和模擬的書籍的風格。本書專為具有概率和統(tǒng)計背景知識并對建模和應用程序感興趣的讀者而設計。線性規(guī)劃有時用于特定的問題類型。本書提供了一個可以借助5個核心組件(狀態(tài)變量、決策變量、外部信息變量、轉移函數(shù)和目標函數(shù))

本書圍繞MLOps展開,全面闡釋其概念與落地實踐。開篇對MLOps進行概述,剖析其體系架構、價值定位與技術棧。隨后各章從特征工程、模型訓練與推理,到可觀測性基礎設施,通過理論闡述與架構解析,并結合Uber、Meta等知名案例,分享建設思路。此外,本書還介紹RayCore及RayAI庫的使用,并提供大語言模型訓練部署實例

本書共分12章,系統(tǒng)講解如何基于大語言模型構建智能體系統(tǒng),涵蓋大模型原理、Agent組成結構、LangChain框架、RAG檢索增強、MCP上下文通信協(xié)議、A2A多智能體協(xié)作協(xié)議以及Coze低代碼平臺等關鍵技術路徑。通過理論講解與模塊解析相結合,幫助讀者逐步掌握從模型調(diào)用到系統(tǒng)集成的完整流程。通過豐富的實戰(zhàn)案例與工程化

本書共分12章,內(nèi)容包括大模型基礎、大模型架構、多模態(tài)大模型、提示詞工程、大模型微調(diào)、檢索增強生成、AI智能體、大模型應用、大模型應用架構、大模型開發(fā)框架、法律咨詢智能助手、代碼修復智能助手。

本書主要介紹神經(jīng)網(wǎng)絡架構搜索的相關研究工作,共包括9章內(nèi)容。其中,第1部分介紹了神經(jīng)網(wǎng)絡架構搜索方法及深度神經(jīng)網(wǎng)絡架構,包括第1章和第2章;第2部分主要介紹了卷積架構的神經(jīng)網(wǎng)絡搜索算法,涉及神經(jīng)網(wǎng)絡搜索空間、搜索算法和評估算法,包括第3-6章;第3部分介紹了Transfomme架構和張量環(huán)架構的搜索算法,包括第7章和第

本書聚焦新時代人工智能素養(yǎng)，系統(tǒng)且全面地介紹了人工智能知識，助力讀者理解并應用這一前沿技術，內(nèi)容涵蓋人工智能的歷史、概念、社會影響及核心技術。本書深入探討其在多領域的應用，包括智慧農(nóng)業(yè)、智能機器人、醫(yī)療影像診斷等，展示了AI為各行業(yè)帶來的變革與價值。

本書共分為八個項目,每個項目圍繞幾個具體應用場景案例展開,從理論講解到實踐操作,逐步引導學生掌握生成式人工智能的精髓。項目一:生成式人工智能介紹。主要闡述生成式人工智能的基本概念、發(fā)展歷程、核心算法(如GANs、VAEs、Transformer等)及其工作原理。分析生成式人工智能相較于傳統(tǒng)AI的優(yōu)勢與挑戰(zhàn)。項目二:生成

本書全面梳理機器學習、深度學習和強化學習相關理論和方法,完整設計各種模型和算法的應用實例。首先概述與人工智能和深度學習相關的基本概念和發(fā)展歷程;然后詳細介紹機器學習中的回歸任務、分類任務、梯度下降法的基本理論和算法,并給出完整的TensorFlow編程實例;之后循序漸進地闡述人工神經(jīng)網(wǎng)絡與深度學習、深度神經(jīng)網(wǎng)絡的訓練方

本書系統(tǒng)地介紹智能科學的概念和方法,吸收了腦科學、認知科學、人工智能、信息科學、形式系統(tǒng)、哲學等方面的研究成果,探索自然智能和機器智能的機理和規(guī)律。