本書深入探討大模型時代推薦系統(tǒng)的核心技術(shù)、實(shí)戰(zhàn)方法與前沿趨勢。從推薦系統(tǒng)基礎(chǔ)與大模型原理出發(fā)，系統(tǒng)講解大模型與推薦系統(tǒng)的三大結(jié)合方式：作為推薦算法、增強(qiáng)傳統(tǒng)系統(tǒng)以及構(gòu)建智能代理。書中包含豐富的實(shí)戰(zhàn)案例，涵蓋提示工程、LangChain部署、聯(lián)邦學(xué)習(xí)隱私保護(hù)等關(guān)鍵場景，并針對可解釋性、公平性等業(yè)界難題提供解決方案。適合算

本書以TensorFlow2深度學(xué)習(xí)的常用技術(shù)講解與真實(shí)案例實(shí)戰(zhàn)相結(jié)合的方式，深入淺出地介紹使用TensorFlow2實(shí)現(xiàn)深度學(xué)習(xí)的知識內(nèi)容。全書共有8個項目，分為基礎(chǔ)部分和實(shí)戰(zhàn)部分�；�礎(chǔ)部分包括深度學(xué)習(xí)概述、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)。實(shí)戰(zhàn)部分包括5個真實(shí)案例，分別為基于CNN的彩色圖像分

隨著人工智能技術(shù)的飛速發(fā)展，大語言模型（如DeepSeek）已經(jīng)在多個行業(yè)中展現(xiàn)出巨大的潛力，成為推動這些行業(yè)數(shù)字化轉(zhuǎn)型的重要力量。本書通過7個項目、17項任務(wù)的實(shí)戰(zhàn)講解，全面介紹人工智能和大語言模型的核心技術(shù)與實(shí)際應(yīng)用，重點(diǎn)圍繞DeepSeek的使用和實(shí)踐，幫助讀者深入理解人工智能技術(shù)及其在實(shí)際工作中的應(yīng)用。本書內(nèi)容

AI的發(fā)展已經(jīng)跨越多個重要階段，且應(yīng)用形態(tài)仍在不斷演變。本書綜合了作者及其團(tuán)隊近年來圍繞AI實(shí)現(xiàn)的項目，展開關(guān)于人工智能與人的關(guān)系的探討。從自然語言處理、計算機(jī)視覺、強(qiáng)化學(xué)習(xí)等基礎(chǔ)技術(shù)入手，講述其原理、應(yīng)用及未來展望；接著呈現(xiàn)AI在數(shù)學(xué)競賽、股市、游戲等多個領(lǐng)域的實(shí)踐案例及面臨的問題；還深入思考了AI與人類發(fā)展、航天的

人工智能（ArtificialIntelligence，AI）技術(shù)正在重塑社會、經(jīng)濟(jì)和人類生活的方方面面。然而，公眾對AI的認(rèn)知仍存在顯著差異：一方面，技術(shù)從業(yè)者深耕專業(yè)領(lǐng)域，卻缺乏對AI倫理和社會影響的系統(tǒng)性理解；另一方面，普通學(xué)習(xí)者往往被復(fù)雜的數(shù)學(xué)公式和代碼所勸退，難以掌握AI的基本原理與應(yīng)用邏輯。因此，編寫一本面

要想高效地利用AI，關(guān)鍵在于我們?nèi)绾翁釂�。本書首先介紹提示詞的設(shè)計技巧，然后系統(tǒng)地介紹了20種向AI提問的有效方法，最后介紹提問方法的組合運(yùn)用以便解決復(fù)雜問題。《秒懂AI提問：讓人工智能成為你的效率神器（第2版）》緊扣工作、學(xué)習(xí)和生活，在介紹提問方法時，通過對比讓讀者直觀感受不同提問方法的效果，并結(jié)合實(shí)例展示AI在不同

本書是展示如何用自然語言通過氛圍編程工具搭配大模型生成代碼解決真實(shí)問題的實(shí)用指南。書中提供9個實(shí)戰(zhàn)項目作為入門講解和檢驗(yàn)實(shí)驗(yàn)，幫助讀者選擇合適的氛圍編程工具與大模型組合。全書分5部分：第一部分介紹氛圍編程基礎(chǔ)理論和指導(dǎo)原則；第二部分通過智能體實(shí)現(xiàn)、數(shù)據(jù)可視化和Excel數(shù)據(jù)分析這3個應(yīng)用場景，展示扣子、DeepSeek

大模型是人工智能的前沿技術(shù)，本書詳細(xì)闡述了以DeepSeek為代表的大模型的相關(guān)知識，旨在幫助讀者認(rèn)識大模型，了解大模型，熟練使用大模型，從而利用大模型提升學(xué)習(xí)和工作的效率。全書共13章，內(nèi)容包括人工智能概述、大模型：人工智能的前沿、DeepSeek大模型的應(yīng)用場景、大模型工具、本地部署大模型、智能體、AIGC的概念與

本書聚焦人工智能科學(xué)應(yīng)用中的感知與博弈技術(shù)，以結(jié)構(gòu)熵為核心，深入探討其在感知與博弈理論中的定義、應(yīng)用任務(wù)及實(shí)例。書中詳細(xì)闡述了結(jié)構(gòu)熵基礎(chǔ)，包括香農(nóng)熵、圖結(jié)構(gòu)熵等概念，以及圖結(jié)構(gòu)方法、表示學(xué)習(xí)等基礎(chǔ)模型與應(yīng)用技術(shù)。通過對傳統(tǒng)簡單圖和復(fù)雜圖結(jié)構(gòu)熵理論的研究，展現(xiàn)了結(jié)構(gòu)熵在圖數(shù)據(jù)分析中的重要作用。書中還介紹了基于結(jié)構(gòu)熵的感知

多視圖深度學(xué)習(xí)是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的一個重要研究方向，在計算機(jī)視覺、自然語言處理和數(shù)據(jù)挖掘等領(lǐng)域廣泛應(yīng)用。其核心在于探索如何利用深度學(xué)習(xí)模型，從多視角或多模態(tài)數(shù)據(jù)中提取有效信息，最終實(shí)現(xiàn)信息的融合與增強(qiáng)。本書內(nèi)容涵蓋部分傳統(tǒng)多視圖學(xué)習(xí)方法，以及當(dāng)前主流的多視圖特征學(xué)習(xí)與深度表示學(xué)習(xí)方法。全書共10章，分為3個部分：