本书围绕MLOps展开,全面阐释其概念与落地实践。开篇对MLOps进行概述,剖析其体系架构、价值定位与技术栈。随后各章从特征工程、模型训练与推理,到可观测性基础设施,通过理论阐述与架构解析,并结合Uber、Meta等知名案例,分享建设思路。此外,本书还介绍RayCore及RayAI库的使用,并提供大语言模型训练部署实例

本书共分12章,系统讲解如何基于大语言模型构建智能体系统,涵盖大模型原理、Agent组成结构、LangChain框架、RAG检索增强、MCP上下文通信协议、A2A多智能体协作协议以及Coze低代码平台等关键技术路径。通过理论讲解与模块解析相结合,帮助读者逐步掌握从模型调用到系统集成的完整流程。通过丰富的实战案例与工程化

本书共分12章,内容包括大模型基础、大模型架构、多模态大模型、提示词工程、大模型微调、检索增强生成、AI智能体、大模型应用、大模型应用架构、大模型开发框架、法律咨询智能助手、代码修复智能助手。

本书主要介绍神经网络架构搜索的相关研究工作,共包括9章内容。其中,第1部分介绍了神经网络架构搜索方法及深度神经网络架构,包括第1章和第2章;第2部分主要介绍了卷积架构的神经网络搜索算法,涉及神经网络搜索空间、搜索算法和评估算法,包括第3-6章;第3部分介绍了Transfomme架构和张量环架构的搜索算法,包括第7章和第

本书聚焦新时代人工智能素养，系统且全面地介绍了人工智能知识，助力读者理解并应用这一前沿技术，内容涵盖人工智能的历史、概念、社会影响及核心技术。本书深入探讨其在多领域的应用，包括智慧农业、智能机器人、医疗影像诊断等，展示了AI为各行业带来的变革与价值。

本书共分为八个项目,每个项目围绕几个具体应用场景案例展开,从理论讲解到实践操作,逐步引导学生掌握生成式人工智能的精髓。项目一:生成式人工智能介绍。主要阐述生成式人工智能的基本概念、发展历程、核心算法(如GANs、VAEs、Transformer等)及其工作原理。分析生成式人工智能相较于传统AI的优势与挑战。项目二:生成

本书全面梳理机器学习、深度学习和强化学习相关理论和方法,完整设计各种模型和算法的应用实例。首先概述与人工智能和深度学习相关的基本概念和发展历程;然后详细介绍机器学习中的回归任务、分类任务、梯度下降法的基本理论和算法,并给出完整的TensorFlow编程实例;之后循序渐进地阐述人工神经网络与深度学习、深度神经网络的训练方

本书系统地介绍智能科学的概念和方法,吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果,探索自然智能和机器智能的机理和规律。

本书详细探讨非完美非完全信息博弈动力学理论、方法与实践。主要内容包括智能体在非完全信息条件下的认知差异和博弈行为、多智能体博弈动力学、智能决策和人机博弈等多个领域。书中通过理论分析与实证数据相结合,深入分析了非完全信息环境下的动态博弈特性,并提出相应的优化工具与解决方案。

本书为满足人工智能通识教育的现实需求而编写，力争用通俗易懂的语言阐明人工智能的复杂概念和算法逻辑，同时按照应用导向、案例驱动的思路，引导读者应用人工智能方法与技术解决实际问题。本书共8章，分别是计算与人工智能概论、人工智能开发工具与平台、计算系统、人工智能的数据基础、机器学习基础与应用、深度学习基础与应用、大模型技术与