"《DeepSeek應(yīng)用高級(jí)教程——產(chǎn)品經(jīng)理+研發(fā)+運(yùn)營(yíng)+數(shù)據(jù)分析》聚焦人工智能大模型在數(shù)字化領(lǐng)域的應(yīng)用，以DeepSeek為核心，深度剖析DeepSeek在多行業(yè)的應(yīng)用方法。DeepSeek作為具有超大規(guī)模參數(shù)和卓越性能的人工智能模型，能在復(fù)雜任務(wù)中展現(xiàn)強(qiáng)大實(shí)力。 本書(shū)深入講解了如何在產(chǎn)品管理、技術(shù)開(kāi)發(fā)、運(yùn)營(yíng)增長(zhǎng)等關(guān)

"智能體（Agent）是大模型落地應(yīng)用的重要方向，也是AI應(yīng)用的一個(gè)重要風(fēng)口。為了讓更多非技術(shù)出身的讀者能夠理解Agent，能夠零基礎(chǔ)開(kāi)發(fā)AI應(yīng)用，我們選擇火山引擎的扣子智能體開(kāi)發(fā)平臺(tái)來(lái)設(shè)計(jì)開(kāi)發(fā)自己的Agent�！犊圩娱_(kāi)發(fā)AIAgent智能體應(yīng)用》配套提示詞文件、PPT課件、190分鐘教學(xué)視頻、全書(shū)配圖PDF文件、字節(jié)

機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的重要組成部分，其深度和廣度都在持續(xù)擴(kuò)展。本書(shū)不僅對(duì)機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)進(jìn)行了全面介紹，而且深入討論了各種經(jīng)典和常用的機(jī)器學(xué)習(xí)方法。通過(guò)理論與實(shí)踐相結(jié)合的方式，幫助讀者理解機(jī)器學(xué)習(xí)的基本原理，掌握常用的方法，并能夠在實(shí)際問(wèn)題中應(yīng)用這些技術(shù)。本書(shū)共10章，可分為兩部分。第一部分主要介紹機(jī)器學(xué)習(xí)的背景知識(shí)

本書(shū)通過(guò)在基因、神經(jīng)元和細(xì)胞等微觀層面的計(jì)算機(jī)建模研究神經(jīng)系統(tǒng)與形態(tài)（身體）的協(xié)同演化與發(fā)育。首先介紹演化算法、基因調(diào)控網(wǎng)絡(luò)以及脈沖神經(jīng)網(wǎng)絡(luò)等用于理解和模擬生物神經(jīng)系統(tǒng)及形態(tài)的演化與發(fā)育的計(jì)算方法，分析基因調(diào)控網(wǎng)絡(luò)的魯棒性、可演化性、網(wǎng)絡(luò)模體、連通性等重要特性，并提供生物調(diào)控網(wǎng)絡(luò)逆向工程的案例。其次介紹多細(xì)胞生長(zhǎng)模型和

本書(shū)是一部科技類學(xué)術(shù)專著。本書(shū)系統(tǒng)闡述了人工智能模型的基本原理、理論基礎(chǔ)及在復(fù)雜系統(tǒng)中的應(yīng)用架構(gòu)設(shè)計(jì)，從數(shù)據(jù)采集與預(yù)處理、模型評(píng)估與選擇到自然語(yǔ)言處理應(yīng)用，全面剖析了人工智能模型從理論到實(shí)踐的完整流程。本書(shū)還著重探討了應(yīng)用系統(tǒng)實(shí)現(xiàn)與優(yōu)化策略，以及人工智能模型在保障安全與隱私保護(hù)方面的最新進(jìn)展。最后，本書(shū)對(duì)模型應(yīng)用系統(tǒng)的

本書(shū)指導(dǎo)讀者學(xué)習(xí)如何使用生成媒體技術(shù)與人工智能創(chuàng)建新穎的圖像或音樂(lè)。數(shù)據(jù)科學(xué)家和軟件工程師將了解最先進(jìn)的生成模型是如何工作的，如何根據(jù)您的需求進(jìn)行微調(diào)和調(diào)整，以及如何結(jié)合現(xiàn)有的構(gòu)建塊來(lái)創(chuàng)建不同領(lǐng)域的新模型和創(chuàng)造性應(yīng)用程序。本書(shū)以直觀的方式介紹了理論概念，并提供了大量的代碼示例和插圖，您可以在諸如Googlecollab

諸如ChatGPT和DALL-E這樣的大型語(yǔ)言模型(LLM)和擴(kuò)散模型擁有前所未有的潛力。通過(guò)使用互聯(lián)網(wǎng)上的公共文本和圖像進(jìn)行訓(xùn)練，這些模型能夠?yàn)楦鞣N任務(wù)提供幫助。而且，隨著準(zhǔn)入門檻的顯著降低，幾乎任何開(kāi)發(fā)人員都可以利用AI模型來(lái)解決以前不適合自動(dòng)化的問(wèn)題。借助本書(shū)，你將在生成式人工智能方面打下堅(jiān)實(shí)的基礎(chǔ)，學(xué)會(huì)如何在實(shí)

本書(shū)介紹了在人工智能與大數(shù)據(jù)時(shí)代背景下，網(wǎng)絡(luò)表示學(xué)習(xí)的理論與應(yīng)用。提出了網(wǎng)絡(luò)表示學(xué)習(xí)的關(guān)鍵在于將網(wǎng)絡(luò)中的節(jié)點(diǎn)映射到低維空間，形成能夠反映節(jié)點(diǎn)間復(fù)雜關(guān)系的向量表示。書(shū)中討論了各種先進(jìn)的網(wǎng)絡(luò)表示學(xué)習(xí)方法，如基于圖注意力機(jī)制、圖自編碼器和深度學(xué)習(xí)技術(shù)，并提供了大量實(shí)驗(yàn)和案例分析，展示了這些方法在不同數(shù)據(jù)集上的應(yīng)用效果。這些案

人工智能已在多個(gè)行業(yè)得到成功應(yīng)用，大模型的應(yīng)用已成為突破性進(jìn)展的重要驅(qū)動(dòng)力，而在特定垂直領(lǐng)域，如醫(yī)療、法律、金融等，大模型微調(diào)面臨獨(dú)特的挑戰(zhàn)和需求。本書(shū)致力于大型語(yǔ)言模型微調(diào)與應(yīng)用的關(guān)鍵技術(shù)，探討兩個(gè)熱門應(yīng)用方向：大模型的知識(shí)專業(yè)性和時(shí)效性。剖析了垂直領(lǐng)域大模型訓(xùn)練的背景及意義，探討大模型在垂直領(lǐng)域的遷移學(xué)習(xí)、應(yīng)用部署

本書(shū)共12章，內(nèi)容涵蓋傳統(tǒng)人工智能技術(shù)、現(xiàn)代人工智能技術(shù)以及近年來(lái)人工智能技術(shù)應(yīng)用三大部分，旨在展示人工智能技術(shù)的發(fā)展歷程。在傳統(tǒng)人工智能技術(shù)部分，本書(shū)討論了問(wèn)題求解與搜索技術(shù)、歸結(jié)推理、不確定性推理與專家系統(tǒng)，以及遺傳算法、蟻群算法、鳥(niǎo)群算法和粒子群算法等經(jīng)典算法。在現(xiàn)代人工智能技術(shù)部分，本書(shū)介紹了機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)