這是一本零基礎(chǔ)也能快速上手的AI編程實操指南，小白讀者可以不寫代碼、不學(xué)編程，通過"提問比代碼更重要"的創(chuàng)新理念，手把手教會讀者用AI工具開發(fā)出微信小程序、iOSApp、網(wǎng)頁游戲和AI網(wǎng)站等爆款應(yīng)用。 本書從精準(zhǔn)提問、模塊化開發(fā)等核心技巧講起，通過貪吃蛇游戲、MBTI測試小程序等實戰(zhàn)案例，帶讀者完整經(jīng)歷需求分析、開發(fā)調(diào)

《DeepSeek圖解：大模型是怎樣構(gòu)建的》是一本系統(tǒng)講解DeepSeek開發(fā)的技術(shù)指南，傳授大家開發(fā)DeepSeek模型的基礎(chǔ)知識。旨在幫助讀者深入理解DeepSeek的工作機制，并掌握其在大規(guī)模預(yù)訓(xùn)練、推理優(yōu)化及應(yīng)用開發(fā)中的關(guān)鍵技術(shù)。全書共10章，依次介紹文本預(yù)處理、特征提取、文本分類與情感分析、語言的生成、機器翻

"《scikit-learn機器學(xué)習(xí)超入門：算法原理與實踐》通過通俗易懂的語言、豐富的圖示和生動的實例，撥開了籠罩在機器學(xué)習(xí)上方的復(fù)雜數(shù)學(xué)“烏云”，讓讀者能以較低的門檻和學(xué)習(xí)成本快速入門機器學(xué)習(xí)。 《scikit-learn機器學(xué)習(xí)超入門：算法原理與實踐》共11章，詳細介紹在Python環(huán)境下學(xué)習(xí)scikit-lear

"本書首先概述人工智能的基本概念、研究內(nèi)容、研究途徑與方法、分支領(lǐng)域與研究方向、應(yīng)用前景、歷史沿革、現(xiàn)狀與趨勢等，勾畫了人工智能學(xué)科的總體架構(gòu)；然后簡要闡述人工智能主要分支的原理、方法和發(fā)展概況，并指出延伸學(xué)習(xí)的內(nèi)容和方向。全書共11章，內(nèi)容全面、基礎(chǔ)、經(jīng)典而新穎。 本書篇幅適中、層次分明、條理清楚、理例結(jié)合、圖文并

"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)開發(fā)AI應(yīng)用，我們選擇火山引擎的扣子智能體開發(fā)平臺來設(shè)計開發(fā)自己的Agent。《扣子開發(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、全書配圖PDF文件、字節(jié)

機器學(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)擴展。本書不僅對機器學(xué)習(xí)基礎(chǔ)知識進行了全面介紹，而且深入討論了各種經(jīng)典和常用的機器學(xué)習(xí)方法。通過理論與實踐相結(jié)合的方式，幫助讀者理解機器學(xué)習(xí)的基本原理，掌握常用的方法，并能夠在實際問題中應(yīng)用這些技術(shù)。本書共10章，可分為兩部分。第一部分主要介紹機器學(xué)習(xí)的背景知識

本書通過在基因、神經(jīng)元和細胞等微觀層面的計算機建模研究神經(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。其次介紹多細胞生長模型和

本書是一部科技類學(xué)術(shù)專著。本書系統(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，從數(shù)據(jù)采集與預(yù)處理、模型評估與選擇到自然語言處理應(yīng)用，全面剖析了人工智能模型從理論到實踐的完整流程。本書還著重探討了應(yīng)用系統(tǒng)實現(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方面的最新進展。最后，本書對模型應(yīng)用系統(tǒng)的

本書指導(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。數(shù)據(jù)科學(xué)家和軟件工程師將了解最先進的生成模型是如何工作的，如何根據(jù)您的需求進行微調(diào)和調(diào)整，以及如何結(jié)合現(xiàn)有的構(gòu)建塊來創(chuàng)建不同領(lǐng)域的新模型和創(chuàng)造性應(yīng)用程序。本書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這樣的大型語言模型(LLM)和擴散模型擁有前所未有的潛力。通過使用互聯(lián)網(wǎng)上的公共文本和圖像進行訓(xùn)練，這些模型能夠為各種任務(wù)提供幫助。而且，隨著準(zhǔn)入門檻的顯著降低，幾乎任何開發(fā)人員都可以利用AI模型來解決以前不適合自動化的問題。借助本書，你將在生成式人工智能方面打下堅實的基礎(chǔ)，學(xué)會如何在實