本書是展示如何用自然語言通過氛圍編程工具搭配大模型生成代碼解決真實(shí)問題的實(shí)用指南。書中提供9個(gè)實(shí)戰(zhàn)項(xiàng)目作為入門講解和檢驗(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)用場景，展示扣子、DeepSeek

大模型是人工智能的前沿技術(shù)，本書詳細(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)用場景、大模型工具、本地部署大模型、智能體、AIGC的概念與

本書是一本關(guān)于人工智能與深度學(xué)習(xí)的科普小說。故事從小學(xué)生圖小靈調(diào)查AI機(jī)器人羅布意外傷人事件開始，他深入探索了充滿邏輯與數(shù)據(jù)的AI虛擬空間。通過與羅布對(duì)話，圖小靈逐步了解了機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、自注意力機(jī)制、生成對(duì)抗網(wǎng)絡(luò)等核心技術(shù)，并成功用這些知識(shí)揭開了羅布傷人事件的真相。最終，他幫助羅布澄清了誤會(huì)，為人們展現(xiàn)了AI技術(shù)

《深度學(xué)習(xí)基礎(chǔ)與案例教程》主要介紹深度學(xué)習(xí)基礎(chǔ)理論及案例實(shí)戰(zhàn)，共11章內(nèi)容，從人工智能基礎(chǔ)，到深度學(xué)習(xí)算法原理，再到深度學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)，邏輯清晰，由淺入深，內(nèi)容層次分明，從簡單的線性模型引出非線性的深度學(xué)習(xí)模型。深度學(xué)習(xí)模型部分主要講解卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、Transformer模型、生成對(duì)抗網(wǎng)絡(luò)、遷移學(xué)習(xí)等�！渡�

本書作為專門討論大模型提示詞的一本書，主要包含四部分內(nèi)容：第1章介紹基于對(duì)話方式的大模型工具的原理和分類；第2章和第3章分別介紹生成模型和推理模型的提示詞技巧和差異；第4章介紹提示詞在5個(gè)行業(yè)的應(yīng)用案例，并討論讀者應(yīng)該如何運(yùn)用AI思維有效使用AI技術(shù)和工具；第5章展望AI生成與推理能力的深層次融合以及AI可能帶來的革命

本書以人工智能素養(yǎng)培育為主線，分為技術(shù)與原理篇和實(shí)踐與創(chuàng)新篇兩大部分。第1～9章為技術(shù)與原理篇，介紹人工智能及其相關(guān)的新技術(shù)，包括人工智能通識(shí)概述、互聯(lián)網(wǎng)與物聯(lián)網(wǎng)、大數(shù)據(jù)與云計(jì)算、人工智能、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)、大語言模型與生成式人工智能、智能體、元宇宙與區(qū)塊鏈、人工智能安全。第10～14章為實(shí)踐與創(chuàng)新篇，內(nèi)容包括信息搜

本書共13章，主要分為兩篇：基礎(chǔ)理論篇和實(shí)踐應(yīng)用篇，旨在系統(tǒng)全面地介紹人工智能的基礎(chǔ)知識(shí)和實(shí)踐案例。本書主要內(nèi)容涵蓋從基礎(chǔ)算法（如搜索算法、約束滿足問題）到高階的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)理論，并深入探討了卷積神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)和圖神經(jīng)網(wǎng)絡(luò)等重要神經(jīng)網(wǎng)絡(luò)架構(gòu)。書中還介紹了智能計(jì)算方法，如遺傳算法和粒子群算法。此外

本教材旨在為學(xué)生打開人工智能世界的大門，無論學(xué)生的專業(yè)背景如何，都能通過本課程對(duì)人工智能形成全面且深入的認(rèn)識(shí)。在上篇“通識(shí)基礎(chǔ)：探究人工智能的奧秘”中，從人工智能的基礎(chǔ)概念、起源發(fā)展，到核心技術(shù)，再到我國產(chǎn)業(yè)概況與大模型技術(shù)，逐步引導(dǎo)學(xué)生搭建起扎實(shí)的理論知識(shí)框架。而下篇“實(shí)踐實(shí)訓(xùn)：開啟人工智能的創(chuàng)新探索”則著重于將理論

本書聚焦人工智能科學(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)。通過對(duì)傳統(tǒng)簡單圖和復(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、自然語言處理和數(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。全書共10章，分為3個(gè)部分：