本书首先介绍深度学习、线性代数、微积分和概率论相关知识，讨论Python编程相关的基础知识，线性模型中的线性回归模型和logistic模型，梯度下降法，然后讲述深度学习的正向传播算法、反向传播算法及完整训练流程，输出层的激活函数，应用于隐藏层的4个常见激活函数，深度学习的过拟合和欠拟合，以及3种应对过拟合的方法，以及使

本书从深度学习基础知识开始讲解，帮助读者入门深度学习和TensorFlow2的知识；然后，分别通过图像处理和自然语言处理两类实例的介绍，让读者进一步掌握深度学习的应用；最后，讲解了对抗神经网络和强化学习的知识，带领读者进阶深度学习内容。为了让读者学以致用，提供多个简洁易懂的例子，循序渐进地介绍TensorFlow提供的

本书是一本为人工智能和深度学习从业者量身打造的数学入门与进阶指南。全书围绕构建深度神经网络所需的核心数学知识展开，系统介绍了线性代数、向量微积分、概率与统计、优化方法以及图论等基础内容，并在此基础上深入剖析了神经网络的结构与原理，包括前馈神经网络、卷积神经网络、循环神经网络、注意力机制、生成模型、元学习和几何深度学习等

本书介绍机器学习的基础理论及应用。全书共12章，第1章和第2章介绍机器学习的基础知识；第3-9章介绍传统的监督学习算法；第10章介绍神经网络相关内容；第11章和第12章分别介绍无监督学习算法中的聚类和降维。

本书主要涵盖了人工智能发展历史、构建人工智能的基础理论以及人工智能伦理，介绍典型的人工智能类型：生成式、对话型、预测型、诊断型和规则型，介绍支持人工智能数据模型的运行环境及配置要求。本书主要结合学院特点和学生实际需求，采用零代码讲述生成式人工智能的实践重点，对文本生成基础和进阶、文生图和图生图基础和进阶、文生视频及图生

本书遵循“先实践后沉淀”的学习路径，从跑通第一个技能入手，逐步构建专属的多技能AI自动化工作流。作者手把手教你掌握：3个单技能模板、1条组合式写作工作流、1套技能工程方法论、1次从零开始完整迭代的技能项目实战。

本书全面系统地介绍了人工智能与AIGC的基础理论、技术及实际应用。全书共8章，包括人工智能基础、人工智能核心要素和关键基础技术、人工智能前沿技术、AIGC基础及提示词工程、AIGC工具基础应用、AIGC工具进阶应用、人工智能场景应用、人工智能实验实践等内容。本书内容丰富、图文并茂、重点突出、通俗易懂，可以帮助读者了解人

本书共分十章，首先聚焦深度学习环境配置与Cursor工具链配置，系统讲解张量操作、模型构造、训练循环、卷积网络设计、自然语言处理、Transformer机制、迁移学习等任务实现方法，强调工程化训练、超参数调优、模型部署与接口封装；最后探讨Cursor插件构建与团队协同机制，旨在帮助读者打造面向工业级深度学习项目的开发能

本书共分十章，本书从帮助读者完成Cursor环境的搭建和数据加载模块化构建入手，逐步深入探讨特征转换以及分类和回归建模的核心机制。接着，重点讲解参数优化和自动化训练管线的构建，帮助提升模型的训练效率与精度。在此基础上，进一步扩展到聚类与降维算法的应用，丰富无监督学习的知识体系。随后，详细分析模型评估、稳定性与对比策略，

本书系统梳理人工智能的技术演进与产业实践，以历史脉络为轴，从理论奠基到深度学习革命，解析机器学习、神经网络、自然语言处理等核心技术，结合“监督学习与无监督学习”“强化学习与深度学习”等对比框架，深入浅出阐释技术本质。书中通过“AIGC热潮”“大模型能力边界”“AI幻觉现象”等前沿议题，剖析技术局限，引发思考；以“芯片战