本书从大型语言模型与提示工程的基本原理讲起，重点介绍了与DeepSeek模型交互的技 巧，并且结合大量实用示例系统展示了提示工程在各类任务中的应用方式与优化策略。此外， 书中还深入解析了各类提示技巧的使用场景与潜在限制，帮助读者在实际操作中更加高效地使 用AI工具。 本书共分为10章，主要包含四大部分：第1章介绍大语言

本书为“人工智能基础”无代码版的数字教材，旨在系统介绍人工智能的基本原理、方法和技术，并反映国内外研究和应用的最新进展。共7章。第1章阐述人工智能研究的发展、成果和基本原则；第2、3章介绍人工智能基本概念、方法和技术，包括问题求解的方法和知识表示；第4～6章讨论人工智能技术的主要应用，包括基于知识的系统、自动规划和配置

本书将系统性地开展针对高维数据因果建模与统计推断的原创性工作，深入研究因果表征学习在迁移学习、适应性稳定学习的应用，提出全新的非随机实验因果推断新范式，建立因果效应的渐近最优性理论及其参数估计的渐近分布理论，实现因果推断领域理论创新与技术发展，为可信人工智能提供理论基础。

本书共七章，内容包括：人工智能概述、人工智能知识发现与数据挖掘、人工智能机器学习、人工智能神经网络技术与深度学习、人工智能强化学习等。

本书深入探讨了生成式AI在改变学校教育和自主学习模式上可能的机会和贡献。全书从剖析生成式AI的本质出发,阐述了AI与人类智慧协作的必然性和重要性,详细介绍了利用AI工具进行个性化自主学习的新范式,包括各学科学习的革新方法、跨学科学习与创新思维的培养。之后阐述如何通过AI提升学习效率,帮助不同学习表现层次的学生克服学习困

本书是一本基于人工智能技术的计算机教学实践研究的专著，核心内容聚焦于人工智能技术在计算机教学领域的应用方法论与实践探索。全书开篇便对人工智能的概念及发展进行了阐述，随后深入探讨了人工智能技术促进计算机课程体系及教学实践的发展与改革，最终落脚到网络资源、虚拟技术及计算机等技术在高校计算机教学中的具体应用。

本书详细介绍了多种机器学习模型，包括线性模型、决策树模型、贝叶斯模型、支持向量机模型、k-近邻模型和神经网络等，每种模型均从原理、算法步骤到实际应用进行了详尽的阐述，并辅以必要的数学细节和编程示例，使读者能够深入理解并掌握这些模型。

本书研究了高阶奇异多智能体系统容许一致性分析和设计问题，深入探索了信息延迟、外部扰动、切换拓扑、协议状态、拓扑结构和性能约束等影响因素对容许一致性的影响机理。状态空间分解方法是处理容许一致性问题的核心方法，可将奇异多智能体系统整体运动分解为两个部分：相对运动和整体运动，相对运动独立于整体运动，进而综合应用Lyapuno

本书共9章，包括聚类和多标记学习理论、目标检测基础理论及研究现状、基于SOINN改进的多标记学习算法、改进YOLOv5s的绝缘子及缺陷检测研究等。

本书介绍了人工免疫系统优化算法的基本原理和框架，针对静态和动态的背包问题，提出多种改进型的智能组合优化算法，对于每种新算法均以不同维数的静态和动态背包问题集进行测试，同时与国际上最新的同类算法进行比较分析和评价，总结算法的优越性，给出进一步研究方向，针对电力系统中逆变器PWM序列优化模型，从不同角度设计多种智能优化算法