| 301 |
|
人工智能基础 |
本书主要内容包括: 人工智能概览、Python程序设计基础、机器学习与深度学习、计算机视觉、自然语言处理、智能语音、生成式人工智能、人工智能伦理; 实践篇包含14个实验项目, 分别针对理论篇各章节内容, 采用示例、图表和伪代码使概念形象化, 鼓励动手实践, 深化“知行合一”。通过循序渐进的实践项目贯穿始终, 理论知识紧密服务于项目实现, 快速提升学生解决实际AI问题的能力。体现了“在做中学”的先进教学理念, 实现应用型人才培养“学以致用”的目标。 |
主编李娟, 陈爱萍 |
高等教育出版社 |
TP18 |
46 |
0 |
荐购
|
| 302 |
|
数字素养与人工智能通识实验教程 |
本书内容涵盖Python编程、数据采集与处理、人工智能大模型应用等。读者不需要具备计算机技术基础就可以顺利完成全部实验。全书共12章, 内容包括Python程序设计实践、网页数据爬取实践、使用Kettle工具对数据进行处理、文本类AIGC应用实践、图片类AIGC应用实践、语音类AIGC应用实践、视频类AIGC应用实践、AIGC在编程中的应用实践、AIGC其他应用实践、AI搜索实践、智能体的构建应用实践、AI协同办公实践。 |
林子雨主编 |
人民邮电出版社 |
TP18-33 |
49.8 |
0 |
荐购
|
| 303 |
|
大模型浪潮:从ChatGPT到DeepSeek |
本书聚焦生成式人工智能的崛起与发展, 全面剖析大模型的技术原理、产业影响和社会意义。全书分为四篇: 背景篇解读大模型发展历程中的里程碑事件; 技术篇探讨大模型训练与应用技术中的关键挑战及应对策略; 产业篇关注大模型为千行百业的数字化转型与高质量发展带来的积极作用, 并指明潜在问题; 社会篇则从跨学科视角及人类命运的高度, 反思大模型及人工智能技术对人类社会发展的长期影响。本书旨在呈现大模型时代的多维图景, 启发读者深度思考。 |
肖仰华主编 |
电子工业出版社 |
TP18-49 |
89 |
0 |
荐购
|
| 304 |
|
什么是人工智能? |
本书将带领你深入了解人工智能的定义, 追溯历史, 一同见证人工智能的萌芽、诞生、发展和变革。我们将一起领略人工智能在不同领域的神奇应用, 随后再深入人工智能的核心领域, 剖析大语言模型、知识工程、计算机视觉、自然语言处理和人机交互等领域的关键技术。在专业上, 本书介绍了人工智能人才的培养与职业规划, 为报考指点迷津。最后, 我们将探讨如何应届人类与人工智能共生的未来。 |
江贺, 任志磊编著 |
大连理工大学出版社 |
TP18-49 |
39.8 |
0 |
荐购
|
| 305 |
|
人工智能技术与应用 |
本书从人工智能概述着手, 主要讲述人工智能的基本概念、人工智能的主要研究内容、人工智能的发展演变等; 其次从知识表示、概念表示、专家系统以及搜索技术等方面分析了人工智能的基础技术; 最后论述了人工智能的应用。 |
张静著 |
三晋出版社 |
TP18-49 |
60 |
0 |
荐购
|
| 306 |
|
漫画DeepSeek |
本书采用漫画的形式, 通过可爱的小仓鼠们的对话, 讲述了国产AI模型DeepSeek的基本概念、底层原理、使用方法、实际应用场景, 以及变现技巧等。第1章介绍DeepSeek的基本概念, 告诉大家什么是AI和AIGC, 以及DeepSeek的前世今生。第2章介绍DeepSeek的基本原理, 包括人机对话的实现、MoE架构、MLA机制, 以及数据蒸馏技术。第3章介绍DeepSeek的基础操作, 包括如何注册和使用DeepSeek、如何借助第三方平台访问DeepSeek, 以及如何在本地部署DeepSeek等。第4章介绍DeepSeek的高级用法, 包括提示词工程、调用API, 以及模型微调。第5章介绍DeepSeek的各种实际应用场景, 包括利用DeepSeek结合知识库、创作小说、制作简历、生成PPT, 以及求解数学题等。第6章介绍AI的各种变现玩法, 包括AI代写、AI爆文、AI绘画, 以及AI视频。第7章探讨DeepSeek的未来发展方向、中国AI行业的未来走向, 以及人类与AI在未来世界的关系。 |
魏梦舒著 |
电子工业出版社 |
TP18-49 |
68 |
0 |
荐购
|
| 307 |
|
快速掌握大模型应用开发:写给AI时代程序员的技术指南 |
本书系统介绍了大模型应用开发的理论与实践, 内容涵盖大模型应用开发概述、应用架构设计、前端开发升级、后端服务升级、数据基础设施、大模型能力集成、提示词工程体系、智能特性开发、智能体开发与集成, 以及智能写作助手、智能客服平台等项目的实战案例。 |
周泉玺著 |
机械工业出版社 |
TP18-49 |
129 |
0 |
荐购
|
| 308 |
|
AI智能体实操指南:Coze Agent从搭建到落地全攻略 |
本书是一本系统介绍人工智能智能体开发与应用的实用指南。本书从人机协作模式的发展历程切入, 详细讲解了大语言模型选型、提示词设计、多模态插件应用、工作流构建等核心技术。通过10个从简单到复杂的实践案例, 如智能客服、会议纪要提炼、电商情绪分析等, 手把手带领读者掌握AI智能体开发全流程。书中还介绍了Coze空间等低代码平台的使用方法, 并分享了Cal.com、Canva等场景智能体的最佳实践案例。 |
陈灵军, 沈浙湘, 王杰著 |
电子工业出版社 |
TP18-62 |
79.8 |
0 |
荐购
|
| 309 |
|
生成式人工智能:AIGC与多模态技术应用实践指南 |
本书共七章, 包括生成式人工智能的概览与基础、自然语言生成创意内容、图像处理与图像生成、视频处理与视频生成、音频处理与音频生成、AIGC静态图像相关实践、AIGC动态影音视频实践。 |
何伟著 |
中国科学技术出版社 |
TP18-62 |
99 |
0 |
荐购
|
| 310 |
|
联邦学习 |
本书全面介绍了联邦学习的核心概念与关键技术, 涵盖基础知识、隐私安全、个性化学习、贡献度评估、与大模型的关系、拜占庭问题及实际应用案例。 |
韩宇星, 杨强编著 |
清华大学出版社 |
TP181 |
45 |
0 |
荐购
|
| 311 |
|
深度学习原理及应用 |
本书共3篇, 12章, 内容涵盖了深度学习的基础理论、重要模型及其在计算机视觉和自然语言处理等领域的应用。第1篇深入讲解了深度学习的基础理论, 包括感知机的主要概念及其实现、神经网络的架构与算法, 以及参数更新策略、权重初始化方法和正则化技巧。第2篇专注于计算机视觉, 介绍了卷积神经网络的结构及其在图像处理方面的广泛应用, 同时探讨了经典卷积网络的结构以及先进网络在物体检测与图像分割等领域的应用。第3篇着眼于自然语言处理, 涵盖了语言模型、word2vec模型、RNN模型及其变体、Transformer模型以及预训练模型在多种任务中的应用。 |
殷丽凤, 王杨主编 |
机械工业出版社 |
TP181 |
63.8 |
0 |
荐购
|
| 312 |
|
利用Ray进行MLOps:大模型从开发到部署 |
本书围绕MLOps展开, 全面阐释其概念与落地实践。开篇对MLOps进行概述, 剖析其体系架构、价值定位与技术栈。随后各章从特征工程、模型训练与推理, 到可观测性基础设施, 通过理论阐述与架构解析, 并结合Uber、Meta等知名案例, 分享建设思路。此外, 本书还介绍Ray Core及RayAI库的使用, 并提供大语言模型训练部署实例。最后, 本书对MLOps及AI/ML的发展趋势进行展望。 |
(美) 胡仙, 马克斯·庞佩拉, 张哲著 |
清华大学出版社 |
TP181 |
99 |
0 |
荐购
|
| 313 |
|
机器学习算法思想与实践 |
本书系统讲解了机器学习的基础知识体系与实践框架, 共8章。首先介绍机器学习的基本概念、发展历程及分类 (监督学习、无监督学习等), 接着深入讲解相似度计算、模型性能评估、数据收集与预处理、特征工程等核心环节, 并针对常见算法 (如线性回归、决策树、支持向量机、集成学习等), 结合生活化案例剖析其设计思想与实现逻辑。最后, 本书专设Python编程基础与经典算法实践章节, 通过完整案例演示数据准备、模型训练到评估优化的全过程, 并辅以代码示例与单元测试指导, 助力读者提升机器学习算法的代码实践能力。 |
夏家莉, 白耀辉, 卢思洋主编 |
中国铁道出版社有限公司 |
TP181 |
62 |
0 |
荐购
|
| 314 |
|
深度学习理论及实践:从机器学习到深度强化学习 |
本书全面梳理机器学习、深度学习和强化学习相关理论和方法, 完整设计各种模型和算法的应用实例。首先概述与人工智能和深度学习相关的基本概念和发展历程; 然后详细介绍机器学习中的回归任务、分类任务、梯度下降法的基本理论和算法, 并给出完整的TensorFlow编程实例; 之后循序渐进地阐述人工神经网络与深度学习、深度神经网络的训练方法、卷积神经网络和典型的网络模型, 并给出各种模型和算法的TensorFlow编程实例, 包括完整的数据处理、模型构建、模型训练和测试、模型评估、实验结果分析、算法优化和改进; 最后介绍强化学习、深度强化学习的基本理论和具体算法, 并给出相关算法应用的TensorFlow编程实例。 |
魏翼飞, 李骏编著 |
清华大学出版社 |
TP181 |
59 |
0 |
荐购
|
| 315 |
|
联邦学习技术及应用 |
本书系统阐释联邦学习这一新兴技术的理论与应用。开篇详解联邦学习的背景、发展阶段、模型架构及分类, 深入剖析其隐私保护技术与安全挑战。继而探讨联邦学习在移动边缘网络优化、通信成本降低、资源分配策略及激励机制设计等方面的创新应用, 揭示其与物联网、区块链、大模型等技术的融合路径。最后, 结合通信、金融、医疗、交通等多行业场景, 展现联邦学习在网络性能优化、用户行为分析、安全通信等领域的实践价值。 |
章辉, 祝好, 陈宏铭编著 |
化学工业出版社 |
TP181 |
79 |
0 |
荐购
|
| 316 |
|
深度学习推荐方法及应用 |
本书优化有监督的基于深度学习的混合推荐方法, 并提出深度强化推荐方法和环境模拟器, 有效缓解了复杂环境下新系统或者新领域存在的冷启动问题。具体包括: (1) 介绍了推荐系统的历史发展, 并概述了各个阶段的技术。(2) 提出了基于“字符-短语”注意力机制和因子分解机的混合推荐方法, 提升模型提取特征的表征能力, 有效解决传统推荐方法存在的数据稀疏、冷启动难和特征提取过度依赖人工等问题。(3) 考虑位置信息, 提出了一种可以有效提升数据利用率的基于“局部-整体”注意力机制的个性化兴趣点推荐方法 (HAM-POIRec), 解决单个用户存在数据稀疏、冷启动难和难以挖掘出有价值的长尾POI的问题。。 |
庞光垚著 |
电子工业出版社 |
TP181 |
69 |
0 |
荐购
|
| 317 |
|
深度图学习及应用 |
本书系统地介绍了深度图学习的理论基础和方法,对于广泛存在的图数据的智能感知和推理具有重要意义。图数据在现实生活中广泛存在,涉及社交关系图、知识图谱、脑功能连接图等多个领域,但图数据的复杂性和多样性给智能感知推理带来了巨大挑战。随着深度学习的快速发展,针对图数据的机器学习方法也取得了显著突破,以图卷积神经网络为代表的深度图学习方法逐渐形成。 |
彭亮, 朱晓峰著 |
成都电子科大出版社 |
TP181 |
56 |
0 |
荐购
|
| 318 |
|
最优化与机器学习 |
本书全面探讨了机器学习中的最优化理论、方法与实践, 特别是在人工智能颠覆性发展的背景下, 包括但不限于监督学习、无监督学习、深度学习及强化学习等的应用。本书详细介绍了最优性条件、KKT条件、拉格朗日对偶等核心最优化理论, 探讨了梯度下降法、邻近梯度法、牛顿法、拟牛顿方法 (BFGS方法)、块坐标下降法、随机梯度类方法、增广拉格朗日方法、交替方向乘子法、双层规划等经典最优化方法, 最后介绍了机器学习与最优化深度融合的先进学习优化方法。通过本书的学习, 读者将能够全面理解机器学习中最优化问题的建模和求解计算, 及其在实际问题中的应用, 为后续的机器学习研究和实践奠定坚实的基础。 |
王祥丰, 蔡邢菊, 陈彩华编著 |
清华大学出版社 |
TP181 |
49 |
0 |
荐购
|
| 319 |
|
深度学习基础与案例教程 |
本书从人工智能概述、机器学习基础、线性模型进而引出神经网络非线性模型, 然后展开深度学习各种经典的网络模型。深度学习模型部分主要讲解卷积神经网络、循环神经网络、Transformer模型及应用、生成对抗网络、迁移学习等。最后通过两个综合案例来进行巩固提升。第一个案例是电影情感分析项目实战, 涉及到循环神经网络和文本语义处理等知识模块综合应用。第二个案例是图像分类实战, 涉及到卷积神经网络及图像处理、数据可视化等知识综合应用。 |
迟殿委, 贾泽豪主编 |
机械工业出版社 |
TP181 |
69.9 |
0 |
荐购
|
| 320 |
|
机器学习基础与实践 |
本书系统、全面地讲解了机器学习, 旨在为读者构建从理论到实践的完整知识体系。全书以机器学习的基本概念为起点, 逐步深入核心算法的原理与应用, 涵盖回归、分类、聚类等经典算法, 并系统地介绍了神经网络与深度学习的理论框架和技术要点, 不仅详细讲解了机器学习的三要素 (数据、模型、算法), 还通过Python工具库的使用和开发环境的构建帮助读者快速上手实践。本书强调了机器学习工程实践中的模型评估、特征工程和性能度量, 并通过具体的案例分析 (如医疗保险欺诈检测和异常血糖预测) 展示从数据准备到模型训练的完整流程, 这些案例不仅突出了机器学习的应用价值, 还为读者提供了实战经验和解决方案。 |
李晓峰, 胥文婷, 李云波主编 |
中国水利水电出版社 |
TP181 |
49.8 |
0 |
荐购
|
