本书从人工智能导论、人工智能编程基础、人工智能计算平台、人工智能网络环境、人工智能基本技术、大模型及其应用技术、机器学习及其应用等七个维度布局内容。

本书共7章，第1章绪论，介绍人工智能的概念和发展简史，当前发展方向、研究热点，基本研究内容、所采用的研究方法；第2章讨论传统经典人工智能的知识表示、知识工程、搜索技术、群智能算法、知识图谱、专家系统和规划技术等基本知识；第3章介绍实践人工智能应用的编程语言Python；第4章以Scikit-learn为基础介绍机器学习

本书提出了以下推荐方法：基于“字符－短语”注意力机制和因子分解机的混合推荐方法和基于“局部－整体”注意力和文本匹配机制的推荐方法，旨在通过获取更多信息和提升模型特征提取能力，来实现更精准的个性化推荐；基于层次注意力和增强经验优先回放机制的深度强化学习推荐方法和基于自适应元模仿学习的推荐环境模拟器，旨在突破深度强化学习在

"《大模型核心技术与开发实践：基于Transformer、PyTorch及HuggingFace》系统地介绍大语言模型（LLM）的理论基础、实现方法及在多种场景中的应用实践。共分为12章，第1~3章介绍Transformer模型的基本架构与核心概念，包括编解码器的结构、自注意力机制、多头注意力的设计和工作原理；第4~6

人工智能（AI）是当今科技领域最引人注目的前沿技术之一，正在深刻地改变我们的生活、工作和社会结构。本书是一本以漫画形式呈现的科普图书，旨在通过轻松幽默、生动形象的方式，带领读者穿越时空，探索人工智能从诞生到蓬勃发展的全过程。本书深入探讨了人工智能在各个领域的应用，如医疗、金融、交通、娱乐等，展示了人工智能如何为人类社会

本书基于图神经网络研究网络表示学习，具体内容包括:改进了高阶图卷积神经网络、图注意力网络、自编码架构和图的小波神经网络等模型，构建网络表示学习模型，并在图基础任务(如链路预测和节点分类)上取得了有效的性能。此外，本书采用前沿的图对比学习架构，通过增强图数据表示有效缓解数据稀疏问题，并在知识图谱的基础任务上显著提升性能。

本书是畅销书深度学习入门&进阶系列第五本书，主要围绕生成模型进行讲解。生成模型是一种非常重要的技术，对于人工智能的发展有着重要的作用。本书延续了作者通俗易懂的行文风格，以深入浅出的方式介绍正态分布到扩散模型所涉及的技术，并最终完成一个类似于StableDiffusion的图像生成人工智能。读者可在创建这个图像生成人工智

本书是一本专门为AI初学者撰写的入门指南，以备受关注的AI大模型DeepSeek为切入点，借助丰富的案例和通俗易懂的讲解，全面且系统地介绍有关AI的知识，帮助读者走出AI认知误区，逐步掌握AI应用技巧，进而抓住AI时代的机遇。本书不仅剖析了DeepSeek的特点和影响，还深入探讨AI在学习、生活、内容创作等多个领域的应

本书系统解析DeepSeek大模型的技术架构与应用生态，构建技术认知-环境搭建-领域攻坚三维能力体系。第1部分从人工智能技术演进切入，剖析深度学习、Transformer架构及大模型革命的技术哲学，详解开发环境配置、API调用与智能系统构建方法论；第2部分聚焦6大核心场景，覆盖智能办公、数据可视化、数字内容生产、教育创

人类智能是否能迁移到人工智能，人工智能是否能接近或达到人类智能？这些问题一直备受争议。本书基于语境的适应性表征方法论，系统地探讨了人工智能的适应性表征范畴架构，人工智能的逻辑主体、搜索主体、学习主体、决策主体和问题-解决主体的适应性表征特征，以及人工智能适应性表征的语境建构及其哲学、伦理问题和未来走向，力图论证这样一种