本書(shū)為“人工智能基礎(chǔ)”無(wú)代碼版的數(shù)字教材，旨在系統(tǒng)介紹人工智能的基本原理、方法和技術(shù)，并反映國(guó)內(nèi)外研究和應(yīng)用的最新進(jìn)展。共7章。第1章闡述人工智能研究的發(fā)展、成果和基本原則；第2、3章介紹人工智能基本概念、方法和技術(shù)，包括問(wèn)題求解的方法和知識(shí)表示；第4～6章討論人工智能技術(shù)的主要應(yīng)用，包括基于知識(shí)的系統(tǒng)、自動(dòng)規(guī)劃和配置

本書(shū)系統(tǒng)地介紹了人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)、工作原理及應(yīng)用實(shí)例，旨在幫助讀者深入掌握人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)及應(yīng)用方法。全書(shū)共分10章，涵蓋從基礎(chǔ)理論到典型神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的各個(gè)方面。前兩章詳細(xì)講解了人工神經(jīng)網(wǎng)絡(luò)的基本概念、結(jié)構(gòu)及工作原理，為后續(xù)的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)奠定理論基礎(chǔ)。隨后的章節(jié)重點(diǎn)介紹了不同類(lèi)型的典型神經(jīng)網(wǎng)絡(luò)，包括結(jié)構(gòu)設(shè)計(jì)方法

本書(shū)采用“理論+應(yīng)用+操作實(shí)踐”相結(jié)合的方式，深入淺出地介紹生成式人工智能及大模型的基礎(chǔ)知識(shí)。書(shū)中精選典型案例，展示大模型在各行業(yè)的應(yīng)用，并通過(guò)Transformer架構(gòu)，詳細(xì)解析生成式人工智能及大模型的核心原理與技術(shù)演進(jìn)。此外，本書(shū)還通過(guò)文本生成、圖像生成、視頻生成等應(yīng)用場(chǎng)景，指導(dǎo)讀者學(xué)習(xí)AI工具的使用。本書(shū)體系完整

本書(shū)內(nèi)容涵蓋從人工智能的起源、發(fā)展到前沿技術(shù)的多個(gè)方面，包括人工智能基礎(chǔ)概念、數(shù)學(xué)素養(yǎng)與計(jì)算思維、數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)、智能體技術(shù)、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、圖像識(shí)別與計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理與大語(yǔ)言模型、生成式人工智能、機(jī)器人及其智能化、群體智能等核心技術(shù)，同時(shí)結(jié)合大量實(shí)戰(zhàn)練習(xí)和項(xiàng)目，強(qiáng)調(diào)理論與實(shí)踐并重。書(shū)中特別

本書(shū)共分四個(gè)部分15章，全面系統(tǒng)地介紹了生成式AI的基礎(chǔ)理論、核心技術(shù)、應(yīng)用場(chǎng)景以及社會(huì)影響，既突出生成式人工智能技術(shù)，又重視AIGC應(yīng)用，旨在為讀者提供一個(gè)全面、深入且實(shí)用的學(xué)習(xí)平臺(tái)，幫助讀者快速掌握生成式人工智能的精髓及其在各領(lǐng)域的應(yīng)用實(shí)踐。

本書(shū)是系統(tǒng)介紹生成式人工智能基本概念、技術(shù)風(fēng)險(xiǎn)及其治理方案的人文社會(huì)科學(xué)類(lèi)讀物。書(shū)中簡(jiǎn)要介紹了生成式人工智能的底層邏輯與技術(shù)架構(gòu)，結(jié)合醫(yī)療、金融、教育、法律等具體場(chǎng)景分析了生成式人工智能的落地應(yīng)用，進(jìn)而對(duì)其未來(lái)圖景提出預(yù)測(cè)和想象。在此基礎(chǔ)上，重點(diǎn)探討和分析了生成式人工智能潛在的數(shù)據(jù)、算法、模型等技術(shù)風(fēng)險(xiǎn)，并嘗試探索其治

本書(shū)從人工智能導(dǎo)論、人工智能編程基礎(chǔ)、人工智能計(jì)算平臺(tái)、人工智能網(wǎng)絡(luò)環(huán)境、人工智能基本技術(shù)、大模型及其應(yīng)用技術(shù)、機(jī)器學(xué)習(xí)及其應(yīng)用等七個(gè)維度布局內(nèi)容。

本書(shū)共7章，第1章緒論，介紹人工智能的概念和發(fā)展簡(jiǎn)史，當(dāng)前發(fā)展方向、研究熱點(diǎn)，基本研究?jī)?nèi)容、所采用的研究方法；第2章討論傳統(tǒng)經(jīng)典人工智能的知識(shí)表示、知識(shí)工程、搜索技術(shù)、群智能算法、知識(shí)圖譜、專(zhuān)家系統(tǒng)和規(guī)劃技術(shù)等基本知識(shí)；第3章介紹實(shí)踐人工智能應(yīng)用的編程語(yǔ)言Python；第4章以Scikit-learn為基礎(chǔ)介紹機(jī)器學(xué)習(xí)

本書(shū)提出了以下推薦方法：基于“字符－短語(yǔ)”注意力機(jī)制和因子分解機(jī)的混合推薦方法和基于“局部－整體”注意力和文本匹配機(jī)制的推薦方法，旨在通過(guò)獲取更多信息和提升模型特征提取能力，來(lái)實(shí)現(xiàn)更精準(zhǔn)的個(gè)性化推薦；基于層次注意力和增強(qiáng)經(jīng)驗(yàn)優(yōu)先回放機(jī)制的深度強(qiáng)化學(xué)習(xí)推薦方法和基于自適應(yīng)元模仿學(xué)習(xí)的推薦環(huán)境模擬器，旨在突破深度強(qiáng)化學(xué)習(xí)在

"《大模型核心技術(shù)與開(kāi)發(fā)實(shí)踐：基于Transformer、PyTorch及HuggingFace》系統(tǒng)地介紹大語(yǔ)言模型（LLM）的理論基礎(chǔ)、實(shí)現(xiàn)方法及在多種場(chǎng)景中的應(yīng)用實(shí)踐。共分為12章，第1~3章介紹Transformer模型的基本架構(gòu)與核心概念，包括編解碼器的結(jié)構(gòu)、自注意力機(jī)制、多頭注意力的設(shè)計(jì)和工作原理；第4~6