《人工智能導(dǎo)論》作為公共基礎(chǔ)課，主要授課對象是大一大二非計算機專業(yè)學(xué)生，為多學(xué)科協(xié)調(diào)發(fā)展上打下基礎(chǔ)。助力各專業(yè)學(xué)生解決實際應(yīng)用問題，培養(yǎng)創(chuàng)造性思維能力，提高人工智能科技素養(yǎng)和認(rèn)知能力，推進人工智能深入融合到行業(yè)發(fā)展中，賦能增效。本課程掌握人工智能技術(shù)的基本概念，為各專業(yè)學(xué)生今后設(shè)計和應(yīng)用求解學(xué)科問題奠定“智能+”思維基

全書共分為12章，首先介紹大模型的基礎(chǔ)知識與發(fā)展歷程，從神經(jīng)網(wǎng)絡(luò)的起源到大規(guī)模預(yù)訓(xùn)練模型的演化，再到Transformer、BERT與GPT等模型架構(gòu)的深入剖析，幫助讀者理解大模型的技術(shù)基石。其次詳細解析了DeepSeek-R1及其Zero版本在強化學(xué)習(xí)與模型架構(gòu)上的核心技術(shù)，包括混合專家模型、動態(tài)學(xué)習(xí)率調(diào)度、分布式訓(xùn)

本書是關(guān)于如何高效使用DeepSeek智能助手的實用指南。本書首先簡單介紹了DeepSeek的基礎(chǔ)功能、對話技巧、提示詞技巧等，然后通過豐富的實操案例展示了DeepSeek在多個常見場景中的應(yīng)用，包括高效辦公、高效學(xué)習(xí)、高效處理政務(wù)、高效處理金融業(yè)務(wù)、高效制造、高效處理出版業(yè)務(wù)、高效處理外貿(mào)業(yè)務(wù)等，以幫助讀者深入理解和

本書探討了三支決策的基本概念、方法、模型以及應(yīng)用，內(nèi)容涵蓋了TAO模型、分布式三支決策、概念三支決策模型、強化學(xué)習(xí)三支決策模型以及三支決策在自然語言處理、云計算領(lǐng)域的應(yīng)用等內(nèi)容。本書既有理論的證明推理，也有實際模型的構(gòu)建；既有方法論的闡述，也有緊密結(jié)合當(dāng)下熱門領(lǐng)域的交叉實踐。理論和實踐緊密結(jié)合、從實際場景出發(fā)以及問題導(dǎo)

本書追溯了人工智能從古代的機械計算器到現(xiàn)代深度學(xué)習(xí)與強化學(xué)習(xí)的演變歷程，突出了人工智能歷史上的關(guān)鍵里程碑和眾多科學(xué)家、工程師及思想家的貢獻，特別強調(diào)了圖靈測試的提出和達特茅斯會議對人工智能領(lǐng)域的深遠影響。作者深入探討了AI技術(shù)在個人助手、無人駕駛、擬人機器人等前沿領(lǐng)域的應(yīng)用，并對未來的發(fā)展趨勢進行了預(yù)測。書中還介紹了圖

全書共分10章，全面介紹知識增強大模型涉及的各類技術(shù)，涵蓋大模型、向量數(shù)據(jù)庫、圖數(shù)據(jù)庫、知識圖譜、檢索增強生成、GraphRAG等內(nèi)容，并輔以豐富的實例、精心繪制的插圖和深入淺出的技術(shù)解析，幫助讀者快速掌握知識增強大模型的理論，引導(dǎo)讀者逐步構(gòu)建知識增強大模型應(yīng)用。本書既可以作為人工智能相關(guān)的技術(shù)從業(yè)者、企業(yè)或機構(gòu)管理者

深度學(xué)習(xí)和大模型技術(shù)在推薦系統(tǒng)領(lǐng)域掀起了一場技術(shù)革命，本書從深度學(xué)習(xí)推薦模型、Embedding技術(shù)、大模型、AIGC、模型工程實現(xiàn)、業(yè)界前沿實踐等幾個方面介紹了這場技術(shù)革命中的主流技術(shù)要點。本書既適合推薦系統(tǒng)、計算廣告和搜索領(lǐng)域的從業(yè)者閱讀，也適合人工智能相關(guān)專業(yè)的本科生、研究生、博士生閱讀，幫助建立深度學(xué)習(xí)推薦系統(tǒng)

"《DeepSeek大模型高性能核心技術(shù)與多模態(tài)融合開發(fā)》深入剖析國產(chǎn)之光DeepSeek多模態(tài)大模型的核心技術(shù)，從高性能注意力機制切入，深入揭示DeepSeek的技術(shù)精髓與獨特優(yōu)勢，詳細闡述其在人工智能領(lǐng)域成功的技術(shù)秘訣�！禗eepSeek大模型高性能核心技術(shù)與多模態(tài)融合開發(fā)》循序漸進地講解深度學(xué)習(xí)注意力機制的演進，

"《聯(lián)邦學(xué)習(xí)》為研究人員和從業(yè)者深入探討了聯(lián)邦學(xué)習(xí)最重要的問題和方法。聯(lián)邦學(xué)習(xí)(FederatedLearning，F(xiàn)L)是一種機器學(xué)習(xí)方法，其中訓(xùn)練數(shù)據(jù)不是集中管理的。數(shù)據(jù)由參與聯(lián)邦學(xué)習(xí)過程的各方保留，不與任何其他實體共享。這使得聯(lián)邦學(xué)習(xí)成為一種日益流行的機器學(xué)習(xí)解決方案，適用于因隱私、監(jiān)管或?qū)嶋H原因而難以將數(shù)據(jù)集中

"本書專注于介紹基于深度學(xué)習(xí)的算法。從探索深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)和理論架構(gòu)，到九大經(jīng)典的深度學(xué)習(xí)算法，旨在為讀者提供一個從基礎(chǔ)到高級的全方位指導(dǎo)。截至2024年，書中介紹的9個算法幾乎涵蓋了整個深度學(xué)習(xí)領(lǐng)域的經(jīng)典和前沿算法。本書在第1章和第2章介紹了深度學(xué)習(xí)的基礎(chǔ)：數(shù)學(xué)基礎(chǔ)與神經(jīng)網(wǎng)絡(luò)算法。從第3章開始，書籍逐步引領(lǐng)讀者進入