本書是為零基礎(chǔ)讀者設(shè)計的人工智能操作指南，旨在讓每個人都能輕松掌握DeepSeek的強大功能。書中首先介紹AI基本概念及DeepSeek的發(fā)展歷程和技術(shù)特性，隨后詳細講解如何搭建DeepSeek環(huán)境，并通過實際案例展示文本生成、數(shù)據(jù)分析等任務(wù)的應(yīng)用。特別強調(diào)提示詞設(shè)計的重要性，提供多種策略優(yōu)化AI輸出質(zhì)量，確保無編程經(jīng)
本書深入剖析了圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域所面臨的兩大核心挑戰(zhàn)：深度加深模型退化和監(jiān)督信息過度依賴。針對這兩大挑戰(zhàn)，本書提出了一系列解決思路，涵蓋模型結(jié)構(gòu)設(shè)計、訓(xùn)練策略優(yōu)化等方面的內(nèi)容。全書共7章，第1章主要介紹了圖神經(jīng)網(wǎng)絡(luò)研究的背景與意義，闡述了近年來國內(nèi)外網(wǎng)絡(luò)表示學習與圖神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀，分析了圖神經(jīng)網(wǎng)絡(luò)當前面臨的挑戰(zhàn)及其主要
Sora是一個文本生成視頻工具，本書介紹了Sora在視頻生成領(lǐng)域的巨大潛力。本書共9章，系統(tǒng)講解人工智能的演進、Sora的應(yīng)用實踐、Sora深度解析、Sora的挑戰(zhàn)與未來等。本書內(nèi)容全面、圖文并茂、經(jīng)典易懂，既包含Sora的應(yīng)用實踐和挑戰(zhàn)，也涉及其技術(shù)基礎(chǔ)和未來發(fā)展方向。
本書以函數(shù)逼近論與學習理論為主要工具，建立了一個系統(tǒng)的數(shù)學框架來解釋深度的必要性、深度神經(jīng)網(wǎng)絡(luò)的適用性、數(shù)據(jù)規(guī)模對深度神經(jīng)網(wǎng)絡(luò)的影響、深度選擇問題、網(wǎng)絡(luò)結(jié)構(gòu)選擇問題及過參數(shù)化深度神經(jīng)網(wǎng)絡(luò)的泛化性等現(xiàn)階段深度學習亟待解決的核心理論問題。本書的主要目的有三個:其一是期望從學習理論的角度給出作者的見解，能為某些方向的學者解惑
當前，人工智能作為一項引領(lǐng)未來的顛覆性戰(zhàn)略技術(shù)，已在國家安全、國防軍事、社會治理、文化教育、醫(yī)療健康、家居娛樂等領(lǐng)域初露崢嶸，成為世界各國極其重視的核心競爭力技術(shù)之一。本書主要研究人工智能新技術(shù)、新構(gòu)想、新應(yīng)用，面向未來，從人工智能發(fā)展歷程、機器學習、感知認知、人機交互、機器人、腦科學、”智能+”未來應(yīng)用，以及人工智能
深度學習是一種以人工神經(jīng)網(wǎng)絡(luò)等為架構(gòu)，對數(shù)據(jù)資料進行表示學習的算法，它是計算機科學及人工智能的重要分支，其代表性成果如卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等作為信息產(chǎn)業(yè)與工業(yè)互聯(lián)網(wǎng)等行業(yè)的主流工具性技術(shù)已被成功應(yīng)用于諸多現(xiàn)實場景。本書作為一本面向中文讀者的深度學習教科書，從“理論與實踐相結(jié)合”的角度立意，貫徹“知行合一”的教育理
在科技迅猛發(fā)展的今天，生成式人工智能不僅在創(chuàng)意產(chǎn)業(yè)、商業(yè)領(lǐng)域和教育系統(tǒng)中發(fā)揮著越來越重要的作用，也正在改變?nèi)藗兊纳詈凸ぷ鞣绞�。本書以簡明易懂的方式介紹AIGC的基本概念和原理，同時精選了多個實用案例，詳細講解如何在實際工作和生活中應(yīng)用AIGC技術(shù)，幫助讀者將知識轉(zhuǎn)化為實際操作的能力。
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)域的遷移學習、應(yīng)用部署
人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力，是新質(zhì)生產(chǎn)力的突出代表。融合了人工智能等新興技術(shù)的數(shù)字經(jīng)濟已成為引領(lǐng)經(jīng)濟社會發(fā)展的重要力量。本書梳理了陳曉紅院士團隊近年來在人工智能與數(shù)字經(jīng)濟領(lǐng)域的部分學術(shù)論文與理論文章，由理論研究、技術(shù)創(chuàng)新、經(jīng)濟發(fā)展、社會治理四篇組成，包括數(shù)字經(jīng)濟理論體系、兩型工程管理理論與實踐體系、
隨著大語言模型的日益火爆，各行各業(yè)都想把AI（人工智能）接入自己的業(yè)務(wù)場景，但是只依靠語言大模型就能解決業(yè)務(wù)場景的實際需求嗎？要想真正把AI落地肯定少不了要結(jié)合自己業(yè)務(wù)場景的數(shù)據(jù)，定制AI所承擔的角色，給它配置上需要使用的工具并按照標準化的流程辦事。那么這些操作就可以使用本書講述的Agent（智能體）來實現(xiàn)。本書使用通
針對國內(nèi)外推薦系統(tǒng)技術(shù)熱點問題，作者在推薦系統(tǒng)、深度學習學科領(lǐng)域基礎(chǔ)理論方面 從事多年深入探索研究，借鑒國內(nèi)外已有資料和前人成果，經(jīng)過分析論證，收集大量專 家學者近年來有關(guān)深度學習推薦系統(tǒng)前沿問題的論壇、講座和報告等展開研究，圍繞基 于內(nèi)容和知識的推薦、混合推薦、深度學習、基于深度學習的推薦以及輔助學習的推薦 等五個方
本書主要把握計算機科學與技術(shù)的發(fā)展趨勢，熟悉人工智能的前沿知識和研究熱點。本書從人工智能的概述出發(fā)，介紹了人工智能研究領(lǐng)域的基礎(chǔ)知識，與此同時，對人工智能領(lǐng)域的核心算法--機器學習技術(shù)展開詳細介紹，讓讀者掌握對相關(guān)技術(shù)的算法創(chuàng)新以及工程實踐等。該教材緊密聯(lián)系計算機學科中的人工智能前沿內(nèi)容和所涉及的項目實踐技術(shù)，讀者通過
本書深入探討了在網(wǎng)絡(luò)時代，專家系統(tǒng)在塑造社會信任方面的核心作用及其面臨的困境。本書選取公共衛(wèi)生事件作為研究的切入點，深入分析了專家系統(tǒng)對于風險社會中群體決策和輿論引導(dǎo)的重要性。書中不僅揭示了影響專家系統(tǒng)社會信任的內(nèi)生和外生因素，而且詳細討論了當這種信任失效風險來臨時可能引發(fā)的多方面負面效應(yīng)，包括對媒體信任度、科學知識傳
本書討論人工智能的理論和方法,我們從它的基本原理出發(fā),由此構(gòu)建它的理論和方法體系.本書由四部分組成,第一部分概論和算法,介紹并討論了它們的類型、特征、運算和應(yīng)用,重點討論它們的定位問題.第二部分是學科,這就是人工智能和其他學科的關(guān)系問題.這些學科是生命科學、信息科學等六大學科.第三部分是系統(tǒng)和應(yīng)用,其中典型的有圖像、數(shù)
本書闡述了邊緣智能的科學問題、基本原理、核心技術(shù)、落地方案及產(chǎn)業(yè)價值，全面介紹了人工智能服務(wù)應(yīng)如何釋放到數(shù)據(jù)源附近的網(wǎng)絡(luò)邊緣，并指出人工智能和邊緣計算結(jié)合的巨大市場潛力。內(nèi)容包括邊緣智能的發(fā)展背景、應(yīng)用場景、以及一系列邊緣智能與云邊端協(xié)同、機器學習、強化學習、深度學習、區(qū)塊鏈等技術(shù)共同部署應(yīng)用的核心技術(shù)點與架構(gòu)方案。此
本書以統(tǒng)一而較簡明的方式介紹人工智能算法在數(shù)值求解復(fù)雜系統(tǒng)中的基本方法及最新進展。首先從人工智能與機器學習的基礎(chǔ)算法開始講解，從最基礎(chǔ)的反向傳播神經(jīng)網(wǎng)絡(luò)模型開始，介紹一些經(jīng)典的機器學習算法的基礎(chǔ)及其原理。然后從一階常微分方程初值問題引入，分別介紹了常微分方程、偏微分方程以及積分微分方程數(shù)值求解的經(jīng)典算法。隨后分別研究了
在人工智能飛速發(fā)展的今天，大眾對于這一前沿技術(shù)仍感神秘且難以窺探其深。為此，本書針對人工智能的核心問題進行了深入剖析，旨在幫助讀者揭開其神秘面紗。本書的主要內(nèi)容圍繞以下問題展開：什么是人工智能？人工智能能否解釋其決策？它能否承擔法律責任？它是否具有代理權(quán)？人類應(yīng)該保留對這類系統(tǒng)的何種控制權(quán)，是否取決于所做決策的類型？如
機器學習雖然在改進產(chǎn)品性能、產(chǎn)品流程和推進研究方面有很大的潛力，但仍面臨一大障礙——計算機無法解釋其預(yù)測結(jié)果。因此，本書旨在闡明如何使機器學習模型及其決策具有可解釋性。本書探索了可解釋性的概念，介紹了許多簡單的可解釋模型，包括決策樹、決策規(guī)則和線性回歸等。本書的重點是模型不可知方法，用于解釋黑盒模型（如特征重要性和累積
人工智能是一門以自動化理論與計算機技術(shù)為基礎(chǔ)，涉及多學科交叉融合的新興學科，是新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，對于推動經(jīng)濟發(fā)展、提高生產(chǎn)力、促進社會進步具有重要意義。本書在總結(jié)編者及團隊多年教學及科研經(jīng)驗的基礎(chǔ)上編寫完成，內(nèi)容涵蓋了人工智能的基本概念、發(fā)展歷程、關(guān)鍵技術(shù)以及典型應(yīng)用，旨在幫助學生快速了解人工智能
本書剖析了圖像復(fù)原技術(shù)的最新進展，并探索了深度學習技術(shù)在圖像復(fù)原過程中的關(guān)鍵作用。內(nèi)容包括：基于傳統(tǒng)機器學習的圖像復(fù)原方法、基于卷積神經(jīng)網(wǎng)絡(luò)的圖像復(fù)原方法基礎(chǔ)、基于雙路徑卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法、基于注意力引導(dǎo)去噪卷積神經(jīng)網(wǎng)絡(luò)的圖像去噪方法、基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率方法等。
書單推薦
