本书是一本专为中文用户打造的豆包AI使用指南，系统讲解如何将豆包从“问答工具”升级为“生产力搭档”。全书分为入门、职场、新媒体、教育、人生进阶五大篇章，覆盖工作汇报、商务沟通、选题策划、视频脚本、备课教学、个人知识库搭建等真实场景。作者基于200余场线下培训经验，提炼出一套不依赖工具迭代的“AI使用心法”——把大任务拆

本书系统整合人工智能理论演进与行业落地实践。全书围绕“技术脉络-数学原理-工程应用”三维框架展开，覆盖机器学习、深度学习、联邦学习、多模态感知等核心技术，针对邮政物流多中心路径规划、驾驶员行为监控、违禁品识别三大核心场景构建标准化落地方案。 全书以“技术溯源-算法革新-场景适配”为分析逻辑，兼顾AI算法底层数学理论与真

本书作为介绍人工智能大脑的机器学习，从数据科学的视角和需要出发，平衡各个方面的理念和知识，包括呈现理论与实践的结合，给读者以机器学习的全面展示。全书能够由浅入深地介绍人工智能一个最重要的组成部分——机器学习各组成部分的原理、算法及如何通过软件来实现其众多方法。

本书以系统化、实战化的方式全面呈现AI面试所需的核心知识体系，涵盖机器学习、大语言模型(LLM)、计算机视觉、视觉生成、语音、多模态AI等多个关键方向。全书结合最新前沿成果(如GPT-4o、Gemini2.5、StableDiusion、Sora、CLIP、LLaVA等)，精选350+高频面试题，配以详细解析，帮助读者

本书以知识创造为中心框架提供了一个新颖、实用的视角，用以解读人工智能的新热潮，并揭示知识是如何在人类和技术系统中产生、验证和传播的。本书旨在将人工智能讨论的焦点从其所谓的智能转向其知识创造能力，重新审视支撑知识追求的创造性细微差别，尝试重新定义创造过程并将其恢复到知识创造的领域。

本书分为两个部分，分为ChatGPT之前和ChatGPT之后，也可以说是，分别属于AlphaGo时期和LLM时期。根据人工智能的发展可能性，未来新一代人工智能很可能属于世界模型人工智能(worldmodelAI)，以及具身人工智能(embodiedAI)，但前景尚未明朗，在此时此刻，似乎还缺乏实现这种更接近通用人工智能

本书13章按”认知迁移→上下文工程→高频实战→团队落地→领域应用”五阶段递进：认知迁移(第1-2章)帮助读者完成从”控制机器”到”与AI协作”的心智转变；上下文工程(第3-4章)首次系统讲解让AI”看到”正确信息的工程方法论；高频实战(第5-8章)覆盖代码生成、调试、测试、重构四大场景；团队落地(第9-11章)提供从个

本书提出自适应训练轮数优化方法，通过自主学习动态分配训练资源，提升模型协同训练效率；针对设备内存在的应用干扰与资源约束，设计了兼顾干扰规避与能耗控制的优化策略，减少任务完成时间与总能耗；面对大模型时代非平衡数据分布导致的泛化能力不足问题，本书针对大规模分布式微调场景，提出了端边云分层适配器联邦微调等方法，有效提升了不同

本书不仅系统回顾了学习技术的理论基础及其发展历程，还通过“认知-情绪-思维”与“个性化-社会化-生态化”两条核心脉络，详细阐述了这一领域的研究理念。书中精心挑选了多个具体实践案例，生动展示了CTCL如何在不同教育场景中发挥重要作用，帮助教师更好地理解并运用这些先进理念，从而提高教学质量。此外，《学习技术研究手册》还收录

本书从AI时代底层认知重构、提示词核心方法论入手，详解内容创作、办公提效、学习管理、多媒体创作等全场景落地方法，深度拆解V4超长上下文、编程开发、逻辑推理三大核心优势，同时前瞻AI智能体时代的个人能力重构。