| 2561 |
|
人工智能导论:Python版:第2版 |
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), 语音识别及计算机视觉等主流应用领域的技术细节; 最后探讨人工智能伦理与社会影响这一重要议题。全书强调理论与实践相结合, 包含大量基于Python, TensorFlowPyTorch的编程案例与练习, 帮助读者深入理解并实践书中知识。 |
姜春茂主编 |
清华大学出版社 |
TP18 |
59 |
0 |
荐购
|
| 2562 |
|
人工智能设计 |
本书尝试归纳人工智能技术在设计领域的应用现状, 为设计从业者提供AI赋能的简明手册。全书以“用户中心、数据驱动、智能协同”为写作宗旨, 包括四个主体章节。第2章数据采集与处理, 围绕人因、物理世界、数字世界三个维度, 介绍几何、语义、生理、心理、行为、文本、影音等各类数据的采集方法、处理技术以及在人工智能设计中的应用场景。第3章AIGC的设计应用, 介绍文本、图像、视频、音频及3D模型的生成路径, 结合影视创作等案例, 解析生成对抗网络、扩散模型等技术赋能创意设计的工具、方法、技术趋势。第4章多目标优化设计, 从创意设计与表达、用户界面与交互设计、工程与产品设计、复杂系统设计四个领域, 探讨如何通过多目标优化方法, 帮助设计师在功能效率、实用价值、视觉创意、生态友好等方面建立平衡, 如何在个性化需求与资源约束之间建立平衡。第5章应用实例, 在情感计算、空间计算、人机协作的艺术创作三个领域, 介绍人工智能技术的实践应用, 为读者的设计创新提供参考案例。本书致力于设计过程中创造力、效率及个性化程度的提升, 构建数据驱动的智能设计方法论, 平衡技术逻辑与人文需求, 展示底层技术对设计变革的驱 |
张利, 张昕著 |
清华大学出版社 |
TP18 |
49 |
0 |
荐购
|
| 2563 |
|
大模型基础及应用案例分析 |
本书主要介绍了大模型的发展与演变、相关技术、应用场景、未来发展趋势和前景。开篇回顾了大模型技术的起源和发展历程, 详细讲述了大模型理论基础, 涵盖神经网络、深度学习优化算法, 以及自然语言处理、计算机视觉等多领域理论知识。介绍了数据预处理、Transformer、预训练与微调、模型推理等技术。本书通过分析具体应用案例和项目实践展示了如何应用大模型技术来处理实际业务。本书旨在帮助读者全面了解大模型技术的发展与应用, 推动其在各个领域的应用和发展。 |
吴洁明 ... [等] 著 |
九州出版社 |
TP18 |
98 |
0 |
荐购
|
| 2564 |
|
基于智能算法的目标检测、路径规划与跟踪控制 |
本书系统论述了复杂环境下智能系统“感知-规划-控制”理论与关键技术, 聚焦轨道交通与海洋应用两大场景。本书针对列车前方视觉与浅海生物等检测目标, 对YOLO系列模型进行改进, 提升了模型在复杂场景下的检测与跟踪性能。 |
刘杨, 王立军, 宗虎民著 |
清华大学出版社 |
TP18 |
79.8 |
0 |
荐购
|
| 2565 |
|
复合型AI Agent开发:从理论到实践 |
本书共分为8章, 内容涵盖复合型AI Agent的设计与工程化实现, 包括Agent核心三要素解析 (LLM、Prompt、Action)、检索增强生成 (RAG) 技术、模型上下文协议 (MCP)、LangChain框架生态、ChatUI前端交互组件、Coze低代码平台, 以及系统级架构优化策略等。 |
陈祯民, 李春燕编著 |
清华大学出版社 |
TP18 |
99 |
0 |
荐购
|
| 2566 |
|
智能体开发技术:Python+FastAPI版 |
本书第1章主要讲解在Python中对接各类大模型, 以及智能体开发所使用的FunctionCalling技术和MCP技术; 第2章主要讲解FastAPI开发框架; 第3章主要讲解基于网页对话来实现AI问答功能; 第4章主要讲解每日新闻摘要功能的实现; 第5章则主要讲解语音识别与智能语音记分功能的实现; 第6章主要讲解智能考勤功能的实现, 以及活体检测的原理与实现; 第7章主要讲解AI智慧课堂功能的实现; 第8章主要讲解智能在线客服功能的实现, 以及结合RAG技术实现私有知识库的检索生成。 |
蜗牛学苑组编 |
人民邮电出版社 |
TP18 |
59.8 |
0 |
荐购
|
| 2567 |
|
大模型技术深度解析:微课版 |
本书分为“大模型基础”、“大模型优化方法”和“大模型能力扩展”三个部分, 逐步深入地介绍了大模型的核心技术和前沿发展。第一部分“大模型基础”作为基础篇目, 注重理论铺垫; 第二部分“大模型优化方法”作为进阶篇目, 深入技术细节; 第三部分“大模型能力扩展”作为高级篇目, 聚焦前沿挑战。 |
任飞亮 ... [等] 编著 |
清华大学出版社 |
TP18 |
89 |
0 |
荐购
|
| 2568 |
|
如何思考人工智能:迷津指要 |
本书中, 作者理查德·萨斯堪 (RichardSusskind) 借鉴他自20世纪80年代初以来在人工智能方面的工作经验, 探讨了人工智能的历史及其未来的可能情景。他对人工智能的看法并不总是传统的。他将ChatGPT和生成式人工智能定位为人工智能正在进行的故事中的最新篇章, 并声称我们仍然处于发展的山脚下。他认为, 负责任地思考人工智能的影响需要我们超越当今的技术, 这表明尚未发明的技术在2030年代对我们的影响将远远大于我们今天拥有的工具。 |
(英) 理查德·萨斯坎德著 |
浙江大学出版社 |
TP18 |
98 |
0 |
荐购
|
| 2569 |
|
AI智能体的崛起 |
本书是一本介绍AI智能体, 及其与区块链、量子计算的融合如何指数级提升现有技术水平, 推动经济社会发展的智能经济类图书。本书第一部分系统性地介绍了AI智能体、区块链和量子计算的核心概念、演进历程及彼此间的协同效应, 旨在帮助读者建立一个全面、跨学科的认知框架。第二部分融合AI智能体、区块链和量子计算三种技术, 展示它们如何利用彼此的优势来构建更强大、更安全的系统, 提供了具体的应用路径和案例。第三部分将视角从技术层面拔高至社会和伦理层面, 深入探讨在部署这些前沿技术时所面临的伦理、法律和社会挑战。本书提供的跨领域融合视角, 不仅具有技术前瞻性, 也提供了看待未来科技发展的全新维度。 |
(英) 佩塔尔·拉丹利耶夫著 |
中信出版集团 |
TP18 |
79 |
0 |
荐购
|
| 2570 |
|
最优化模型与方法 |
本书系统介绍了最优化的基本理论、建模方法与常用算法, 内容涵盖优化的基本概念、最优性条件、凸优化、无约束与约束优化等基础知识,并重点讨论机器学习中的优化建模与算法,如主成分分析、支持向量机、随机优化和零阶优化算法等。 |
李振华, 魏明强编著 |
清华大学出版社 |
TP18 |
59 |
0 |
荐购
|
| 2571 |
|
智能进化:人类与AI的双向奔赴 |
本书介绍了70年前AI的诞生故事、AI三大学派之间的不同、AI三次热潮和两次寒冬发展历程等, 回顾了人类近现代四次技术革命的持续演进, 介绍了当前热议的大模型和智能体等概念内涵。为帮助读者更好应用AI, 本书还介绍了智能商业的构成, 以及AI思维的培养与产业转型的方法论等, 并进一步介绍了中美AI之争, 动员广大读者积极拥抱AI, 抢抓发展机遇。本书针对未来AI的发展和人类的进化做了展望与分析, 倡导技术服务人类以及人机共生的核心理念。 |
郭金铜著 |
人民邮电出版社 |
TP18-09 |
79.8 |
0 |
荐购
|
| 2572 |
|
机器学习基础与应用实践教程 |
本书内容涵盖数据处理、监督学习、无监督学习、深度学习等基础模块, 并介绍表格、文本、图像数据的特征工程方法。 |
主编陈嘉逸, 郁俊杰 |
东南大学出版社 |
TP181 |
58 |
0 |
荐购
|
| 2573 |
|
机器学习算法原理与代码实现:算法原理与代码实现 |
本书系统地介绍了机器学习基础模型的算法原理与代码实现和模型应用, 是一本理论与实践并重的图书。本书包含三个部分: 第一部分为第1章, 主要介绍机器学习的基本概念、发展历程和典型应用; 第二部分包括第2章到第11章, 主要介绍了基础模型的算法原理、公式推导、代码实现和模型应用, 包括线性回归、感知机、逻辑斯蒂回归与Softmax回归、正则化、线性判别分析、k近邻模型、朴素贝叶斯、决策树、支持向量机、人工神经网络等基础模型; 第三部分包括第12到13章, 主要介绍一些提升模型性能的方法, 包括特征工程和模型评估与选择。 |
童永清著 |
人民邮电出版社 |
TP181 |
99.8 |
0 |
荐购
|
| 2574 |
|
几何深度学习:算法与实践 |
本书专注于几何深度学习及其在图神经网络领域中的应用, 涵盖了从数学基础到前沿模型的全面指导, 同时结合实际项目案例, 帮助读者深入地理解几何深度学习的复杂概念。书中不仅详细阐述了各类算法的理论背景, 还提供了实际操作指南, 为读者提供了理论与实践相结合的全面支持。第1章和第2章介绍了几何深度学习的数学与算法基础。第1章涵盖了高等数学、线性代数、图论、群论及量子力学等内容,为读者奠定坚实的理论基础。第2章则探讨了CNN、LSTM、Transformer和GAN等主流深度学习算法, 并引出其后续在几何深度学习中的应用。第3章深入分析了图神经网络, 重点介绍了各类模型及其变体, 突出图神经网络在几何深度学习中的重要地位。第4章和第5章分别探讨了不变性与等变性概念及其在几何图神经网络中的应用, 深入剖析了这些核心理念在模型构建中的作用。不变性与等变性是几何深度学习的核心理念, 也是实现模型稳健性和泛化能力的关键。第6章围绕E3NN工具库展开, 这是一个强大的开源库, 专门用于处理具有旋转对称性的三维数据。通过对E3NN中关键组件的详细解析, 包括等变卷积和SE (3)-Transformer的 |
于浩文, 邓博文编著 |
清华大学出版社 |
TP181 |
79 |
0 |
荐购
|
| 2575 |
|
图机器学习 |
本书系统介绍了图机器学习的基础理论、典型模型与应用实践。本书首先介绍图的基本概念、表示方法与特征构造技术; 其次从图嵌入模型出发, 深入介绍了图神经网络的主要架构与变体; 再次概述图机器学习前沿进展, 并详细介绍异质图、谱图、可信图和图基础模型等前沿方向; 最后介绍了图机器学习在推荐系统、金融风控、生命科学、电路设计等领域的典型应用, 并涵盖了开发平台与应用实践等相关内容。 |
石川 ... [等] 编著 |
清华大学出版社 |
TP181 |
89 |
0 |
荐购
|
| 2576 |
|
机器学习与应用 |
本书主要内容包括: 机器学习概述、机器学习的统计学基础、机器学习的常用Python库、机器学习的基本流程、回归、分类 (Logistic回归和最大熵模型、决策树、贝叶斯分类器、支持向量机、集成学习)、聚类分析、降维、神经网络、深度学习。本书的形式特点是兼顾了机器学习的理论基础、模型算法、开发工具及应用, 兼顾了既想了解机器学习理论又想通过Python编程实现机器学习算法的读者。读者通过本书的学习, 能够真正地掌握机器学习理论和技术的精髓并能用其解决实际问题。部分章节配有习题, 以指导读者深入地进行学习。 |
王军, 王亮编著 |
机械工业出版社 |
TP181 |
79.9 |
0 |
荐购
|
| 2577 |
|
深度学习 |
本书是一部系统阐述深度学习理论、方法与实践的专业教材, 为读者构建了一套完整的深度学习知识体系。全书共14章, 分为四篇: 第一篇为深度学习相关的基本概念与理论 (第1-2章) 梳理了深度学习的发展历程、前沿与趋势, 介绍了机器学习任务类型、评价指标、过拟合与欠拟合偏差与方差、最大似然估计、贝叶斯决策、损失函数设计等; 第二篇介绍典型神经网络 (第3-7章) 包括多层感知机、卷积神经网络、循环神经网络、Transformer 和图神经网络; 第三篇为深度学习前沿方向, 包括深度生成模型、深度神经网络的优化方法、正则化方法、自监督学习、强化学习及深度神经网络的高效计算方法。第四篇为深度学习实战, 以PyTorch框架为例介绍张量操作、自动求导和神经网络层构建, 同时结合图像分类、文本分类的实战案例展示深度学习模型的实现流程。此外, 附录部分补充了本书所需的线性代数、微积分、概率统计等数学基础知识。 |
黄高著 |
清华大学出版社 |
TP181 |
79 |
0 |
荐购
|
| 2578 |
|
深度学习实践:基于TensorFlow及PyTorch库的编程指南 |
本书突破传统深度学习教材先理论后实践的模式, 通过直观的实例应用入手, 让读者快速体验利用深度学习解决实际问题的过程。读者将从运行实例程序开始, 初步理解代码的作用, 并逐步学会自主调整模型参数、调试程序, 以验证其精度和效率; 后续章节中将深入讲解理论基础、编程技巧, 以及设计高级应用所需的知识。 |
陈光齐编著 |
化学工业出版社 |
TP181-62 |
68 |
0 |
荐购
|
| 2579 |
|
智能计算系统导论 |
本书围绕智能计算系统的软硬件技术进行介绍, 包括基础知识、软硬件技术和综合实验三部分内容。全书共9章, 第一部分基础知识包括绪论、智能计算系统的数学基础。第二部分软硬件技术包括机器学习与神经网络、深度神经网络、编程框架使用、编程框架机理、人工智能芯片--智能时代的驱动力、智能EDA技术。软硬件技术部分的章节穿插小实验, 引导学生在理论知识学习的基础上动手实验, 从而加深对知识的理解。第三部分综合实验为本书的最后一章, 包括计算机视觉、自然语言处理和强化学习三个方面的实验, 从实际案例出发培养学生的动手能力和系统思维。 |
何召锋, 项刘宇, 李佩佩编著 |
人民邮电出版社 |
TP183 |
59.8 |
0 |
荐购
|
| 2580 |
|
无线多跳中继网络下的多传感器分布式决策融合 |
本书主要介绍了多传感器分布式检测的基础理论、数据决策融合方法与技术。在详细介绍多传感器分布式检测在数据要素获取中的应用的基础上, 分析了环境反向散射辅助的决策融合基础理论; 给出了无线多跳中继网络下的决策融合方法; 在通感算一体化背景下研究了基于空中计算的决策融合理论方法; 基于多比特量化介绍了决策融合理论并分析了其融合性能; 分别在均匀和非均匀多进制分布式检测下研究了决策融合方法; 最后在恶劣信道环境下基于随机共振增强研究了决策融合理论与技术。 |
张高远著 |
电子工业出版社 |
TP212 |
88 |
0 |
荐购
|
