本書為零基礎(chǔ)讀者量身打造，采用"知識(shí)科普+工具拆解+場(chǎng)景實(shí)戰(zhàn)”的方式，帶領(lǐng)讀者了解如何與DeepSeek對(duì)話、從0到1搭建自己的智能體，掌握人工智能（AI）工具DeepSeek、Manus和Coze的使用技巧。同時(shí)，詳細(xì)解讀DeepSeek與豆包、剪映、WPS等9款常用工具的組合使用方法。最后，解析AI技術(shù)對(duì)職業(yè)生態(tài)的

本書為“十四五”職業(yè)教育國家規(guī)劃教材，也是國家職業(yè)教育軟件技術(shù)專業(yè)教學(xué)資源庫配套教材之一。本書是一本面向高職院校學(xué)生的人工智能通識(shí)課程教材。全書由8個(gè)單元組成：?jiǎn)卧?走進(jìn)人工智能，介紹人工智能的定義、歷史、核心算法以及運(yùn)作支撐體系；單元2使用

本書是“十四五”職業(yè)教育國家規(guī)劃教材。本書突破傳統(tǒng)教材體系，以“工作項(xiàng)目＋工作任務(wù)”為驅(qū)動(dòng)，圍繞六大應(yīng)用場(chǎng)景構(gòu)建實(shí)踐模塊。項(xiàng)目一構(gòu)建技術(shù)認(rèn)知框架，筑牢AI學(xué)習(xí)根基；項(xiàng)目二至項(xiàng)目六聚焦智慧辦公、財(cái)務(wù)數(shù)字化、理財(cái)顧問智能體、電商內(nèi)容創(chuàng)作與運(yùn)營(yíng)、智慧生活等領(lǐng)域，通過遞進(jìn)式任務(wù)設(shè)計(jì)，將理論與實(shí)踐緊密結(jié)合，以強(qiáng)化人工智能通識(shí)素養(yǎng)

本書內(nèi)容涵蓋了StableDiffusion的各個(gè)方面，從環(huán)境搭建到模型優(yōu)化，從圖像生成到視頻制作，從LoRA到ControlNet。作者以清晰的思路和通俗易懂的語言，將復(fù)雜的理論知識(shí)和代碼實(shí)現(xiàn)娓娓道來，并輔以大量的示例和插圖，使讀者能夠輕松理解和上手。本書還深入探討了StableDiffusion的一些高級(jí)應(yīng)用，例如

本書深入探討了GPT多模態(tài)大模型與AIAgent智能體的技術(shù)原理及其在企業(yè)中的應(yīng)用落地。全書共8章,從大模型技術(shù)原理切入,逐步深入大模型訓(xùn)練及微調(diào),還介紹了眾多國內(nèi)外主流大模型。LangChain技術(shù)、RAG檢索增強(qiáng)生成、多模態(tài)大模型等均有深入講解。對(duì)AIAgent智能體,從定義、原理到主流框架也都進(jìn)行了深入講解。在企

本書共17章,主要內(nèi)容包括神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)、BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、基于工具箱的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測(cè)試、基于BP網(wǎng)絡(luò)的數(shù)據(jù)擬合與誤差補(bǔ)償、模糊BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)擬合與誤差補(bǔ)償、RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、模糊RBF神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、ELM網(wǎng)絡(luò)算法設(shè)計(jì)、基于高斯基函數(shù)特征提取的FELM神經(jīng)網(wǎng)絡(luò)、基于ELM神經(jīng)網(wǎng)絡(luò)和FELM神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)擬合

本書旨在幫助想要抓住時(shí)代發(fā)展紅利AIGC的人，提供一個(gè)系統(tǒng)的學(xué)習(xí)教程，主要分為三方面的內(nèi)容：一是AIGC工具學(xué)習(xí)。這部分會(huì)講解AIGC在文本、圖片、視頻三大領(lǐng)域經(jīng)典工具的詳細(xì)使用技巧，包括國內(nèi)外大模型提示詞的撰寫技巧、MJ和SD兩款繪畫工具的操作教程以及Runway和pika兩款A(yù)I視頻工具的使用方法二是AIGC職場(chǎng)賦

本書系統(tǒng)介紹了人工智能的主流概念、理論、方法、技術(shù)及典型應(yīng)用。全書共10章,第1章介紹了人工智能的基本概念、發(fā)展歷程、主要研究?jī)?nèi)容和新興研究方向;為便于讀者測(cè)試與運(yùn)行各類人工智能算法,第2章介紹了人工智能相關(guān)的軟硬件平臺(tái)等基礎(chǔ)知識(shí);第3-10章分別介紹了面向人工智能的優(yōu)化算法,以及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、計(jì)算機(jī)視

本書通過從零開始構(gòu)建生成式人工智能模型來探討生成式人工智能的底層機(jī)制，并使用PyTorch對(duì)生成式人工智能模型進(jìn)行編程的實(shí)踐指導(dǎo)，以期讓讀者在了解生成對(duì)抗網(wǎng)絡(luò)(GAN)、變分自編碼器(VAE)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、Transformer、擴(kuò)散模型、大語言模型(LLM)和LangChain等技術(shù)原理之后，能構(gòu)建可生成

本書以麻省理工學(xué)院未來工作工作組的多年研究結(jié)果為基礎(chǔ)，揭示了技術(shù)進(jìn)步的大部分收益主要集中在頂層收入群體，而普通勞動(dòng)者只能從中獲得微薄回報(bào)，從而進(jìn)一步加劇了不平等。對(duì)此，作者們認(rèn)為，技術(shù)不是導(dǎo)致上述問題的根源，上述問題并不是技術(shù)發(fā)展不可發(fā)展的必然結(jié)果。所以，光靠技術(shù)也無法解決這些問題，這些問題就是伴隨創(chuàng)新而來的“破壞”，