人工智能生成内容（ArtificialIntelligenceGeneratedContent，AIGC）技术正以惊人的速度改变着众多行业，本书聚焦AIGC技术的实际应用，以DeepSeek为主，以其他AIGC工具为辅，旨在带领读者开始精彩的AIGC应用之旅。 本书涵盖AIGC的概念、DeepSeek的使用技巧、多模态

本书系统阐述了AIAgent底层架构的设计与实现，内容涵盖从基础理论到实际应用的多个层面，内容丰富且深入。全书共11章，从通用AIAgent的定义与分类、核心特征入手，逐步展开至开发工具链、仿真与测试环境，并对各类典型架构模式进行了详细解析。书中不仅探讨了感知、决策、规划、推理和学习等关键模块的技术原理，还深入剖析了多

本书围绕“人工智能+行业”核心线索，对工业、农业、教育、医疗、交通等20个重点领域的智能化发展现状进行深度梳理。每个领域均从“AI渗透程度、转型核心挑战、政策导向解读”三个维度展开分析，同时嵌入大量来自一线的实践案例——既有制造业“AI+质检”提升效率的实例，也有医疗领域“AI辅助诊断”优化服务的探索，让读者直观掌握A

本书分为两篇，共10章。第一篇为机器学习部分，讲解经典的监督学习方法、无监督学习方法和集成学习方法，以及较为前沿的深度学习方法。第二篇为系统辨识部分，聚焦线性系统辨识、非线性系统辨识、盲系统辨识、图模型辨识及闭环系统辨识等内容。

《机器学习与强化学习入门》共8章，是一本面向初学者的入门级指南，旨在帮助读者从零基础掌握机器学习、强化学习的核心理论与实践技能。人工智能作为一个新领域，包含大量新内容、新理论、新算法及新应用，本书以问题驱动为核心理念，通过清晰的数学推导、图解说明、大量的案例及个人理解，构建理论算法应用的完整知识链，助力读者快速跨

本书系统、全面地讲解了机器学□，□在为读者构建从理论到实践的完整知识体系。全书以机器学习的基本概念为起点，逐步深入到核心算法的原理与应用，涵盖回归、分类、聚类等经典算法，并系统地介绍了神经网络与深度学习的理论框架和技术要点，不仅详细讲解了机器学习的三要素（数据、模型、算法），还通过Python工具库的使用和开发环境的构

本书从功能上分为四部分:第一部分为基础知识(第1章和第2章),探讨生成式人工智能的基本概念和生成模型的算法基础,包括其定义、发展历程、基本概念、数学基础、常见生成模型简介、评估指标等;第二部分为核心技术(第3章-第10章),介绍生成式人工智能的核心技术及其典型应用,如Tansformer、生成对抗网络、变分自编码器、流

本书分为八章,内容包括主流大模型的在线调用与本地部署、基于向量与知识图谱的RAG系统构建、多轮对话与复杂任务规划的Agent开发方法,以及大模型高效微调流程。本书还特别介绍了LangChain与LangGraph两大主流Agent框架的功能机制与最佳实践。项目案例部分精选了多个企业级实战场景,如基于GraphRAG的本

本书旨在普及人工智能基本知识，帮助读者全面理解人工智能的核心概念、发展历程、关键技术及实际应用，提升人工智能素养，培养面向未来的综合实践能力与创新意识。本书围绕人工智能的基础理论、核心技术、主流应用和实践路径系统展开，共9章，主要内容包括人工智能概述、机器学习、神经网络与深度学习、计算机视觉、自然语言处理、大数据基础与

本书共7章,构建了自主智能系统的基础知识体系,涵盖核心概念与关键算法,并提供配套实训项目以强化理解与应用。本书内容突出系统视角,从任务出发阐释感知、决策、执行等环节的协同作用;强调反馈机制,深入分析系统基于外部环境与自身状态的反馈信息实现行为调整、自适应学习与持续优化的闭环运行特性。