本书采用理论与实践相结合的教学方式,挑选了大量实际案例,通过生动形象的案例和深入浅出的讲解,重点讲解其在办公场景的图像处理、视频分析、音频处理及多媒体交互等领域的技术实现与创新应用。通过解析人工智能核心技术开发流程与工具链体系,结合医疗、交通、电商、农业、政务等行业的典型实践案例,全方位展现人工智能技术的产业价值与社会

本书较为系统地介绍了人工智能的发展历程、经典算法与前沿技术,并尝试对其背后的思想逻辑与哲学基础进行深入思辨。内容涵盖k近邻、朴素贝叶斯、决策树、神经网络等经典算法,以及深度学习、自然语言处理等前沿方向,算法配套Excel和/或Python实战项目,帮助读者在实践中理解原理。第2版新增第9章“大模型:涌现而来的智能”,系

本书是第一本探讨如何对不同方法进行均衡处理,以便建模和解决序贯决策问题的图书,承袭了大多数聚焦于机器学习、优化和模拟的书籍的风格。本书专为具有概率和统计背景知识并对建模和应用程序感兴趣的读者而设计。线性规划有时用于特定的问题类型。本书提供了一个可以借助5个核心组件(状态变量、决策变量、外部信息变量、转移函数和目标函数)

本书围绕MLOps展开,全面阐释其概念与落地实践。开篇对MLOps进行概述,剖析其体系架构、价值定位与技术栈。随后各章从特征工程、模型训练与推理,到可观测性基础设施,通过理论阐述与架构解析,并结合Uber、Meta等知名案例,分享建设思路。此外,本书还介绍RayCore及RayAI库的使用,并提供大语言模型训练部署实例

本书共分12章,系统讲解如何基于大语言模型构建智能体系统,涵盖大模型原理、Agent组成结构、LangChain框架、RAG检索增强、MCP上下文通信协议、A2A多智能体协作协议以及Coze低代码平台等关键技术路径。通过理论讲解与模块解析相结合,帮助读者逐步掌握从模型调用到系统集成的完整流程。通过丰富的实战案例与工程化

本书共分12章,内容包括大模型基础、大模型架构、多模态大模型、提示词工程、大模型微调、检索增强生成、AI智能体、大模型应用、大模型应用架构、大模型开发框架、法律咨询智能助手、代码修复智能助手。

本书主要介绍神经网络架构搜索的相关研究工作,共包括9章内容。其中,第1部分介绍了神经网络架构搜索方法及深度神经网络架构,包括第1章和第2章;第2部分主要介绍了卷积架构的神经网络搜索算法,涉及神经网络搜索空间、搜索算法和评估算法,包括第3-6章;第3部分介绍了Transfomme架构和张量环架构的搜索算法,包括第7章和第

本书聚焦新时代人工智能素养，系统且全面地介绍了人工智能知识，助力读者理解并应用这一前沿技术，内容涵盖人工智能的历史、概念、社会影响及核心技术。本书深入探讨其在多领域的应用，包括智慧农业、智能机器人、医疗影像诊断等，展示了AI为各行业带来的变革与价值。

本书共分为八个项目,每个项目围绕几个具体应用场景案例展开,从理论讲解到实践操作,逐步引导学生掌握生成式人工智能的精髓。项目一:生成式人工智能介绍。主要阐述生成式人工智能的基本概念、发展历程、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较于传统AI的优势与挑战。项目二:生成

本书全面梳理机器学习、深度学习和强化学习相关理论和方法,完整设计各种模型和算法的应用实例。首先概述与人工智能和深度学习相关的基本概念和发展历程;然后详细介绍机器学习中的回归任务、分类任务、梯度下降法的基本理论和算法,并给出完整的TensorFlow编程实例;之后循序渐进地阐述人工神经网络与深度学习、深度神经网络的训练方