人工智能(AI) - 第4页

虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了Py

自早期以来，神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带入一个全新的方向。在本书中，我们将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。

《推荐系统：原理与实践》介绍当前推荐系统领域中的经典方法。不仅详细讨论了各类方法，还对同类技术进行了归纳总结，这有助于读者对当前推荐系统研究领域有全面的了解。书中提供了大量的例子和习题来帮助读者深入理解和掌握相关技术。此外，本书还介绍了当前新的研究方向，为读者进行推荐系统技术的研究提供参考。本书既可以作为计算机相关专业本科生和研究生的教材，也适合开发人员和研究人员阅读。

本书基于TensorFlow、Keras和scikit-learn，介绍了21个典型的人工智能应用场景。全书共3篇，分别是预测类项目实战篇、识别类项目实战篇和生成类项目实战篇。其中预测类项目包括房价预测、泰坦尼克号生还预测、共享单车使用情况预测、福彩3D中奖预测、股票走势预测等8个项目；识别类项目包括数字识别、人脸识别、表情识别、人体姿态识别等7个项目；生成类项目包括看图写话、生成电视剧剧本、风格

本书是面向机器学习新手的入门书，从学习环境的搭建开始，图文并茂地介绍了学习机器学习所需的Python知识和数学知识，并在此基础上结合数学式、示例程序、插图等，抽丝剥茧般地对有监督学习中的回归与分类、神经网络与深度学习的算法与应用、手写数字识别、无监督学习的算法等进行了介绍。本书既有图形、代码，又有详细的数学式推导过程，大大降低了机器学习的学习门槛，即使没有学过Python、数学基础不太好，也可以看

2022年以来，人工智能技术已经取得了划时代的飞速发展。ChatGPT以及GPT-4发布，DeepMind的AlphaFold一举解决困扰科学界几十年的蛋白质折叠问题，自动驾驶技术的重大突破，进一步拓展了人工智能的应用场景以及能力，也使人类也更加重视AI伦理和相关法规的制定，2024年的诺贝尔奖更是体现出了不容忽视的“人工智能含量”。在这一过程中，人类对人工智能也有了更为全面和深入的理解。本书中，

《深度学习图解》（grokking deep learning）指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家 Andrew W. Trask 以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用 Python 语言及其最基本的数学库 NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚

本书聚焦智能体（AI Agent）的设计方法与落地技巧，帮助非技术背景职场人士系统学习 AI 智能体设计。本书以“原理 - 工具 - 实战”为逻辑主线，全面解析了 AI Agent 的原理与设计方法。 全书通过扣子和 AppBuilder 这两个国内主流工具的 36 个实操案例，手把手教会读者在创作、办公、营销、求职等领域快速构建智能体应用。特别设计的低门槛体系与步骤化指导，让零基础读者也能轻松上

全书内容从逻辑上分为三个部分。 第一部分：MCP 基础认知（第 1、2 章），通过类比和架构图解的方式细致地介绍了 MCP 的基本概念、核心价值、工作原理等，让读者能零门槛了解 MCP。 第二部分：MCP 本地实践（第 3、4 章），手把手指导读者建立本地 MCP 主机，从 Hello World 示例到工具链扩展，帮助读者通过实践快速建立对 MCP 的直观认知。 第三部分：服务开发与应用（第 5