本书通过概率建模和贝叶斯决策理论的统一视角，详细地介绍了机器学习（包括深度学习）。书中涵盖了数学背景（包括线性代数和优化）、基本监督学习（包括线性回归、逻辑回归和深度神经网络），以及更高级的主题（包括迁移学习和无监督学习）。章节末尾的练习让读者能够应用所学知识，附录则涵盖了符号说明。本书不仅仅是一个简单的更新版本，更是

本书分为两部分，共10章，涵盖了生成式人工智能的理论基础与实践应用。第一部分侧重于理论探讨，介绍了生成式人工智能的基本概念、发展历程、典型应用、技术演化趋势与未来展望，深入分析了其基本技术与体系结构，涵盖了机器学习、自然语言处理和计算机视觉等技术。此外，还详细探讨了生成对抗网络（GAN）和变分自编码器（VAE）等生成模

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。在单智能体轨迹规划层面,设计了基于遗传算法、禁忌搜索的列车节能优化方法,并进一步提出融合经验知识库的深度强化学

本书深入探讨了单智能体和多智能体强化学习算法，系统介绍了多臂赌博机、马尔科夫决策过程、动态规划、基于值函数的强化学习算法、深度值函数算法、随机策略梯度算法、近端策略优化算法、深度确定性策略优化算法以及多智能体强化学习。这些主题既包括经典强化学习算法，也涵盖了近年来发展起来的深度强化学习算法。

本书系统提炼16种AI时代必备的底层能力——信息甄别、精准提问、需求解析、独立思考、创造力、沟通协作等，不仅教孩子如何使用AI技能，更引导他们建立“善用工具而不被工具支配”的认知，在AI时代掌握核心竞争力。本书将抽象的人工智能具象化为一个AI人形机器人，内容包含800+轻松有趣的漫画。

本书全面且深入浅出地介绍人工智能以及Python程序设计方面的基础内容。遵循由浅入深、循序渐进的原则，从AI的基本概念出发，逐步引导学生了解人工智能这一前沿领域，阐述其基本原理、技术方法和应用场景，同时与Python语言在人工智能领域的具体应用相结合。

DeepSeek实战案例：工作、创作、生活、本地化

一本让你零基础就能学的多智能体开发指南。无须编程经验，即可掌握智能体主流平台、流程与开发实战。本书以架构思维+零代码实战为核心，为读者提供构建智能体系统的完整解决方案（平台、流程与落地细节），免费组建属于自己的超级AI团队。本书将带领你从零开始掌握多智能体开发。首先通过Manus平台的CRM案例了解智能体的基本类型和工

智能传播场景与算法

AI小侦探：人工智能迷案追踪