"智能體（Agent）是大模型落地應(yīng)用的重要方向，也是AI應(yīng)用的一個重要風(fēng)口。為了讓更多非技術(shù)出身的讀者能夠理解Agent，能夠零基礎(chǔ)開發(fā)AI應(yīng)用，我們選擇火山引擎的扣子智能體開發(fā)平臺來設(shè)計開發(fā)自己的Agent�！犊圩娱_發(fā)AIAgent智能體應(yīng)用》配套提示詞文件、PPT課件、190分鐘教學(xué)視頻、全書配圖PDF文件、字節(jié)

機(jī)器學(xué)習(xí)是人工智能領(lǐng)域的重要組成部分，其深度和廣度都在持續(xù)擴(kuò)展。本書不僅對機(jī)器學(xué)習(xí)基礎(chǔ)知識進(jìn)行了全面介紹，而且深入討論了各種經(jīng)典和常用的機(jī)器學(xué)習(xí)方法。通過理論與實踐相結(jié)合的方式，幫助讀者理解機(jī)器學(xué)習(xí)的基本原理，掌握常用的方法，并能夠在實際問題中應(yīng)用這些技術(shù)。本書共10章，可分為兩部分。第一部分主要介紹機(jī)器學(xué)習(xí)的背景知識

本書通過在基因、神經(jīng)元和細(xì)胞等微觀層面的計算機(jī)建模研究神經(jīng)系統(tǒng)與形態(tài)（身體）的協(xié)同演化與發(fā)育。首先介紹演化算法、基因調(diào)控網(wǎng)絡(luò)以及脈沖神經(jīng)網(wǎng)絡(luò)等用于理解和模擬生物神經(jīng)系統(tǒng)及形態(tài)的演化與發(fā)育的計算方法，分析基因調(diào)控網(wǎng)絡(luò)的魯棒性、可演化性、網(wǎng)絡(luò)模體、連通性等重要特性，并提供生物調(diào)控網(wǎng)絡(luò)逆向工程的案例。其次介紹多細(xì)胞生長模型和

本書是一部科技類學(xué)術(shù)專著。本書系統(tǒng)闡述了人工智能模型的基本原理、理論基礎(chǔ)及在復(fù)雜系統(tǒng)中的應(yīng)用架構(gòu)設(shè)計，從數(shù)據(jù)采集與預(yù)處理、模型評估與選擇到自然語言處理應(yīng)用，全面剖析了人工智能模型從理論到實踐的完整流程。本書還著重探討了應(yīng)用系統(tǒng)實現(xiàn)與優(yōu)化策略，以及人工智能模型在保障安全與隱私保護(hù)方面的最新進(jìn)展。最后，本書對模型應(yīng)用系統(tǒng)的

本書指導(dǎo)讀者學(xué)習(xí)如何使用生成媒體技術(shù)與人工智能創(chuàng)建新穎的圖像或音樂。數(shù)據(jù)科學(xué)家和軟件工程師將了解最先進(jìn)的生成模型是如何工作的，如何根據(jù)您的需求進(jìn)行微調(diào)和調(diào)整，以及如何結(jié)合現(xiàn)有的構(gòu)建塊來創(chuàng)建不同領(lǐng)域的新模型和創(chuàng)造性應(yīng)用程序。本書以直觀的方式介紹了理論概念，并提供了大量的代碼示例和插圖，您可以在諸如Googlecollab

諸如ChatGPT和DALL-E這樣的大型語言模型(LLM)和擴(kuò)散模型擁有前所未有的潛力。通過使用互聯(lián)網(wǎng)上的公共文本和圖像進(jìn)行訓(xùn)練，這些模型能夠為各種任務(wù)提供幫助。而且，隨著準(zhǔn)入門檻的顯著降低，幾乎任何開發(fā)人員都可以利用AI模型來解決以前不適合自動化的問題。借助本書，你將在生成式人工智能方面打下堅實的基礎(chǔ)，學(xué)會如何在實

本書為再版教材，內(nèi)容上包括經(jīng)典控制理論的線性定常系統(tǒng)理論(時分析法、根軌跡法、頻率響應(yīng)法等)，非線性系統(tǒng)理論和線性離散(時間)控制系統(tǒng)理論等。本書在原有保持課程內(nèi)容的系統(tǒng)性和連貫性的基礎(chǔ)上，增設(shè)了導(dǎo)讀部分，細(xì)致介紹了各章學(xué)習(xí)內(nèi)容與學(xué)習(xí)目標(biāo)，重點突出學(xué)習(xí)重難點，篇幅精簡。各章均有較豐富的例題和習(xí)題，便于讀者自學(xué)。

本書介紹了在人工智能與大數(shù)據(jù)時代背景下，網(wǎng)絡(luò)表示學(xué)習(xí)的理論與應(yīng)用。提出了網(wǎng)絡(luò)表示學(xué)習(xí)的關(guān)鍵在于將網(wǎng)絡(luò)中的節(jié)點映射到低維空間，形成能夠反映節(jié)點間復(fù)雜關(guān)系的向量表示。書中討論了各種先進(jìn)的網(wǎng)絡(luò)表示學(xué)習(xí)方法，如基于圖注意力機(jī)制、圖自編碼器和深度學(xué)習(xí)技術(shù)，并提供了大量實驗和案例分析，展示了這些方法在不同數(shù)據(jù)集上的應(yīng)用效果。這些案

人工智能已在多個行業(yè)得到成功應(yīng)用，大模型的應(yīng)用已成為突破性進(jìn)展的重要驅(qū)動力，而在特定垂直領(lǐng)域，如醫(yī)療、法律、金融等，大模型微調(diào)面臨獨特的挑戰(zhàn)和需求。本書致力于大型語言模型微調(diào)與應(yīng)用的關(guān)鍵技術(shù)，探討兩個熱門應(yīng)用方向：大模型的知識專業(yè)性和時效性。剖析了垂直領(lǐng)域大模型訓(xùn)練的背景及意義，探討大模型在垂直領(lǐng)域的遷移學(xué)習(xí)、應(yīng)用部署

本書共12章，內(nèi)容涵蓋傳統(tǒng)人工智能技術(shù)、現(xiàn)代人工智能技術(shù)以及近年來人工智能技術(shù)應(yīng)用三大部分，旨在展示人工智能技術(shù)的發(fā)展歷程。在傳統(tǒng)人工智能技術(shù)部分，本書討論了問題求解與搜索技術(shù)、歸結(jié)推理、不確定性推理與專家系統(tǒng)，以及遺傳算法、蟻群算法、鳥群算法和粒子群算法等經(jīng)典算法。在現(xiàn)代人工智能技術(shù)部分，本書介紹了機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)