本書以AI技術(shù)賦能社會科學研究為核心，聚焦DeepSeek與ChatGPT兩大工具，系統(tǒng)構(gòu)建從理論研究到實踐操作的完整知識框架。全書以社會科學研究流程為主線，圍繞文獻處理、數(shù)據(jù)獲取、分析可視化、成果輸出四大核心環(huán)節(jié)展開，通過具體的場景化案例展現(xiàn)AI技術(shù)的賦能路徑。結(jié)構(gòu)設(shè)計采用雙工具并行對比的視角：DeepSeek篇深入

本書主要內(nèi)容包括：機器學習概述、機器學習的統(tǒng)計學基礎(chǔ)、機器學習的常用Python庫、機器學習的基本流程、回歸、分類：Logistic回歸和最大熵模型、分類：決策樹、分類：貝葉斯分類器、分類：支持向量機、分類：集成學習、聚類分析、降維、神經(jīng)網(wǎng)絡(luò)、深度學習。

本書系統(tǒng)介紹了圖機器學習的基礎(chǔ)理論、典型模型與應(yīng)用實踐。本書首先介紹圖的基本概念、表示方法與特征構(gòu)造技術(shù);其次從圖嵌入模型出發(fā),深入介紹了圖神經(jīng)網(wǎng)絡(luò)的主要架構(gòu)與變體;再次概述圖機器學習前沿進展,并詳細介紹異質(zhì)圖、譜圖、可信圖和圖基礎(chǔ)模型等前沿方向;最后介紹了圖機器學習在推薦系統(tǒng)、金融風控、生命科學、電路設(shè)計等領(lǐng)域的典型

本書首先簡述人工智能的基本概念、發(fā)展歷程,分類及在醫(yī)療、金融、交通等領(lǐng)域的應(yīng)用,引入AI概貌;接著,系統(tǒng)介紹人工智能的核心技術(shù)分支,包括機器學習、強化學習、神經(jīng)網(wǎng)絡(luò)與深度學習(涵蓋CNNRNN,Transformer等模型);隨后,通過實例詳細闡述AI在自然語言處理(包括DeepSeek、GPT,BERT等大語言模型)

本書系統(tǒng)介紹了最優(yōu)化的基本理論、建模方法與常用算法,內(nèi)容涵蓋優(yōu)化的基本概念、最優(yōu)性條件、凸優(yōu)化、無約束與約束優(yōu)化等基礎(chǔ)知識,并重點討論機器學習中的優(yōu)化建模與算法,如主成分分析、支持向量機、隨機優(yōu)化和零階優(yōu)化算法等。

本書分為“大模型基礎(chǔ)”、“大模型優(yōu)化方法”和“大模型能力擴展”三個部分,逐步深入地介紹了大模型的核心技術(shù)和前沿發(fā)展。第一部分“大模型基礎(chǔ)”作為基礎(chǔ)篇目,注重理論鋪墊;第二部分“大模型優(yōu)化方法”作為進階篇目,深入技術(shù)細節(jié);第三部分“大模型能力擴展”作為高級篇目,聚焦前沿挑戰(zhàn)。

本書主要分為機器學習的基礎(chǔ)、非參數(shù)化模型、線性模型、聚類方法、降維方法、EM算法與隱變量模型、集成學習、概率圖模型、人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、神經(jīng)網(wǎng)絡(luò)模型、生成式模型、自監(jiān)督學習、強化學習基礎(chǔ)、強化學習算法、深度強化學習等模塊。

本書從智能的概念出發(fā),了解、學習人工智能的發(fā)展歷史和發(fā)展動向,初步掌握人工智能的基本技術(shù)和研究方法,重點掌握表達、搜索、推理和學習等人工智能技術(shù)手段;了解人工智能的應(yīng)用領(lǐng)域,為今后進一步從事相關(guān)專業(yè)奠定基礎(chǔ)。

本書是一本專為青少年打造的人工智能實踐啟蒙書。全書以“感官系統(tǒng)”“超級大腦”“智能伙伴”等生動比喻解析AI核心技術(shù),通過貓狗識別實驗、語音助手互動、改作文等場景,直觀展現(xiàn)機器學習、計算機視覺與大語言模型的工作原理,同時引導(dǎo)讀者用圖形化編程實現(xiàn)語音魔法故事工坊、智能感應(yīng)小夜燈、校園安全小衛(wèi)士等趣味項目。本書還設(shè)置了技術(shù)漏

本書專注于幾何深度學習及其在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域中的應(yīng)用,涵蓋了從數(shù)學基礎(chǔ)到前沿模型的全面指導(dǎo),同時結(jié)合實際項目案例,幫助讀者深入地理解幾何深度學習的復(fù)雜概念。書中不僅詳細闡述了各類算法的理論背景,還提供了實際操作指南,為讀者提供了理論與實踐相結(jié)合的全面支持。第1章和第2章介紹了幾何深度學習的數(shù)學與算法基礎(chǔ)。第1章涵蓋了高等