本书首先简述人工智能的基本概念、发展历程,分类及在医疗、金融、交通等领域的应用,引入AI概貌;接着,系统介绍人工智能的核心技术分支,包括机器学习、强化学习、神经网络与深度学习(涵盖CNNRNN,Transformer等模型);随后,通过实例详细阐述AI在自然语言处理(包括DeepSeek、GPT,BERT等大语言模型)

本书主要分为机器学习的基础、非参数化模型、线性模型、聚类方法、降维方法、EM算法与隐变量模型、集成学习、概率图模型、人工神经网络基础、神经网络模型、生成式模型、自监督学习、强化学习基础、强化学习算法、深度强化学习等模块。

本书从智能的概念出发,了解、学习人工智能的发展历史和发展动向,初步掌握人工智能的基本技术和研究方法,重点掌握表达、搜索、推理和学习等人工智能技术手段;了解人工智能的应用领域,为今后进一步从事相关专业奠定基础。

本书系统介绍人工智能逻辑,共分三部分:第一部分“知识表示与推理”重点介绍命题逻辑、谓词逻辑和描述逻辑,这些逻辑系统是知识表示与自动推理的基础。命题逻辑(第2章)用于表达和推理有关事实的信息。谓词逻辑(第3章)则进一步支持对象属性、对象之间关系及量词结构的表达与推理。描述逻辑(第4章)则在知识图谱等领域中得到广泛应用,能

本书聚焦大模型开发全流程,从Transformer到GPT,深度解构大模型的技术核心,从0到1重构复现大模型,直击智能体开发与RAG知识库开发前沿,全书通过代码级实践揭示大模型的技术原理与奥秘,铺就一条从“理解原理”到“亲手缔造”的进阶之路。书中详解Ollama本地部署、FastAPI服务器及云端API调用,覆盖Qwe

暂无关于 Python机器学习的更多介绍。

本书提供了全面、系统的深度学习知识，从基础理论到前沿应用，覆盖了深度学习的各个重要领域。本书首先从深度学习基础出发，帮助初学者对深度学习基础技术有初步的理解和认识。随后，本书转向计算机视觉和自然语言处理两大基础领域，揭示了深度学习如何赋能图像和语言的理解，还介绍了生成式模型与大模型这一当下研究热点，引领读者探索了当前深

本书详细阐述了培养具有人工智能素养的综合型人才所需要的相关知识。作为通识类课程教材，本书在确定知识布局时，紧紧围绕通识教育核心理念，系统介绍人工智能相关知识，努力培养学生的人工智能思维和人工智能能力。全书共4篇，分别是人工智能基础知识篇、人工智能基础技术篇、人工智能前沿技术篇和人工智能伦理篇。其中，人工智能基础知识篇包

本书对人工智能的基础知识、核心技术、研究热点、应用现状、前沿动态及伦理规范等方面进行了简明通俗的阐述。本书共5章，分别为人工智能概述，人工智能核心技术及研究热点，人工智能行业发展及典型应用，人工智能前沿以及人工智能安全、伦理与治理，是一本学习人工智能知识的通识读物。本书包含大量人工智能应用案例，结合人工智能技术原理、核

本书详细阐述了具有人工智能素养的综合型人才必须掌握的相关知识。作为通识课程教材，本书在确定知识布局时，紧紧围绕通识教育核心理念，努力培养学生的人工智能素养。本书系统介绍人工智能理论知识，并给出可操作性强的实验，既具有理论深度，又具有实践高度。全书内容分为5篇，分别是人工智能基础知识（第1篇）、人工智能基础技术（第2篇）