本书围绕DeepSeek大模型，系统构建“技术铺垫-原理解读-应用实战”三维能力体系，全面覆盖大模型基础认知、关键核心技术、本地化部署方法，以及提示词设计、数据分析、文档分析、分类聚类等实操场景，同时延伸至即梦AI视觉大模型及大模型智能体的创建，形成完整的知识与实践闭环。全书内容逻辑连贯且各模块相对独立，兼顾系统性与灵

本书是在系统梳理多模态大模型(MMLLM)研究进展与安全风险的基础上，结合近年来典型模型(如GPT-4V、DeepSeek-VL、Gemini、InternVL等)的结构特点与应用实践编写而成。全书围绕多模态大模型的完整生命周期，从数据采集、训练、推理到接口交互，系统分析了各阶段可能遭受的安全威胁及相应防御策略。内容涵

AI的爆发正以前所未有的速度重塑社会：知识触手可及，传统技能瞬间被替代，学习与创新的动力可能被削弱。更令人担忧的是，人类的判断力正首次面临机器的直接挑战——当通用智能(GA)掌握海量知识时，它可能无意间压低个体创新的起点，让努力与专注的价值被稀释。本书提出，AI革命的下半场不是限制技术，而是赋能个人。核心策略是“个人端

本书以扣子(Coze)平台为核心，带你掌握智能体、Skill、知识库三位一体的完整体系。知识库是本书区别于其他同类书的核心：本书手把手教你把自己的产品手册、FAQ文档、合同模板、团队规范上传成知识库，让AI说话有据可查。全书16章，包含7个智能体实战项目＋7个Skill实战项目＋1个多Skill协同实战项目。项目中包含

本书共13章，分为理论基础与实践应用两大部分。理论基础部分重点讲解经典机器学习方法，每种方法均配有基于Weka的实践步骤和基于Sklearn的代码实现。实践应用部分提供3个综合性案例，详细展示如何运用Weka和Sklearn解决实际问题。本书理论与实践并重，注重对算法原理的直观理解与实际应用；提供Weka和Sklear

本书系统介绍强化学习领域的理论基础、关键算法及其在实际场景中的广泛应用，以深入浅出的方式全面覆盖强化学习领域的核心知识体系与技术方法，包括强化学习的基本概念、经典算法、深度强化学习、奖励空间探索、模仿学习、基于模型的强化学习及该领域的最新研究进展。此外，本书还将对视觉强化学习、多任务强化学习、蒙特卡洛树搜索、通用智能体

本书首先阐释搜索智能、知识智能的简明原理，再聚焦机器学习、深度学习建模方法，以及计算机视觉、自然语言处理、时序数据分析等经典应用技术，最后介绍人工智能生成内容、大语言模型(LLM)、检索增强生成(RAG)、智能体(Agent)等前沿应用方向。全书以理解智能原理和应用实践为目标，采用案例驱动方式，并借助大语言模型赋能编写

本书紧跟时代、自成一体，用清晰易懂的方式介绍了神经网络机器学习这一重要主题。除了描述这一主题的数学原理及其历史演变，本书还与统计物理的基本方法及科学和工程领域的当前应用有着密切的联系。本书内容紧密围绕完善的本科课程，在使用人工神经网络进行现代机器学习的关键方面，为物理、数学和工程专业的学生提供了基础知识。本书包含大量的

本书提出独创的“实验五元素法”——任务(Task)、算法(Algorithm)、器材(Equipment)、程序(Program)、效果(Effect)，以结构化的方式指导教师与学生进行实验设计与数据分析。每个案例都提供了硬件连接图、程序代码和实验结果展示，能够在课堂教学、教师培训或学生科技创新活动中直接使用。内容涵盖

本书系统阐述深度学习的基本原理与核心方法，共7章。第1章概述深度学习基础概念与主要应用领域；第2章详解深度神经网络开发全流程和环境安装与配置实验；第3章解析卷积神经网络及目标检测实验；第4章探讨循环神经网络及其文本分类应用实验；第5章阐释生成对抗网络与图像生成实验；第6章剖析Transformer及轨迹预测实验；第7章