本书共16章。第1-3章从大模型的基本概念入手，详细讲述其背后的神经网络原理，并介绍PyTorch框架，为读者打下坚实的理论与实践基础。第4-8章深入剖析构建大模型的各类核心架构，包括多层感知机、卷积神经网络、循环神经网络、Transformer以及生成对抗网络，阐述不同基础神经网络的使用场景和数据处理方案。第9-14

本书共6章：第1章介绍深度学习的入门与开发基础知识，帮助读者快速进入深度学习实践；第2章系统讲解数据采集、清洗、预处理、标注与增强等环节，奠定数据基础；第3章阐述模型构建与训练，包括模型结构设计、调优策略、超参数调优、微调、分布式与大规模训练等；第4章聚焦模型部署与优化，涵盖推理引擎、模型压缩、云边协同等；第5章面向典

本书内容涵盖人工智能的基础模型与方法、机器学习和深度学习的核心技术、强化学习与决策智能、自然语言处理及计算机视觉等核心方向，同时深入探讨人工智能与智慧医疗、自动驾驶、智能制造等新兴前沿领域的交叉融合，帮助读者掌握人工智能的基础理论，并理解其在不同学科中的创新场景与实际模式。

本书共9章。第1章对Unity进行介绍，涵盖游戏引擎发展概述、Unity引擎的核心特性、Unity编辑器界面的操作和C#语言基础等内容。第2章以构建一个游戏场景为例，讲解Unity编辑器的基本操作，并使用ProBuilder等插件快速完成场景制作。第3章介绍一个基础的玩家角色原型，实现角色在场景中自由移动的功能。第4章

本书共18章，涵盖传统机器学习算法、数据工程化能力、深度学习及生成式AI等核心内容，前言解析职业前景，结束语提供进阶建议。本书贴合初学者认知规律，详略安排得当、实用性强，以幽默的语言和贴近生活的实例引导读者入门，配套可直接落地的Python代码示例，避免了纯理论堆砌。

本书分10章。第1章绪论；第2章深度学习；第3章大语言模型；第4章提示词过程；第5章AI智能体；第6章具身智能；第7章数字人；第8章AI辅助办公；第9章AI辅助编程；第10章AIGC应用与实践。

本书围绕检索增强生成(RAG)技术展开，是一本全面且实用的技术指南。开篇点明大语言模型在处理特定业务问题时的不足，引出RAG的概念，阐述其对解决大语言模型“幻觉”问题的重要性及新奇之处，并列举诸多流行应用场景，如搜索引擎体验、个性化营销等。接着深入讲解RAG系统设计，包括创建RAG系统的具体步骤，以及如何评估RAG系统

本书介绍了Web前端开发交互设计技术，包括HTML5和CSS3技术基础，JavaScript和jQuery交互设计技术，JavaScript面向对象技术理论和正则表达式等内容。本书内容清晰，体现了案例驱动教学改革方法，实现边学边用、精讲多练的教学目标。为适应新技术发展，书中案例引导读者使用大模型进行优化，提升程序设计技

本书旨在构建“核心基础-经典网络-前沿进展”三级知识体系，核心基础包括深度学习的框架、数学基础、基本神经网络、性能评估等，经典网络包括卷积神经网络(CNN)、循环神经网络(RNN)、变分自编码器(VAE)、Transformer等经典架构，更独辟蹊径，深入探讨预训练大模型、扩散模型、生成对抗网络(GAN)、YOLO网络

本书循序渐进完成知识讲授。首先夯实信息技术基础知识，涵盖计算机软硬件、操作系统、数据存储运算及Python编程基础，帮助读者构建扎实的信息素养与计算思维，为人工智能学习筑牢根基。其次聚焦人工智能核心技术体系，全面梳理人工智能发展历程、底层基础设施、感知语言、知识决策、生成技术等核心内容，清晰阐释机器学习到深度学习的技术