本书基于项目式教学的理念，结合AI教育的实际需求，设计了一系列既有趣又富有挑战性的学习项目。这些项目涵盖了AI的基础概念、编程技巧、机器学习算法以及应用场景等多个方面，旨在通过实践操作和问题解决，帮助青少年全面提升AI素养和综合能力。本书可供学校及青少年科技教育机构的广大教师及培训从业人员参考，或作为教材使用。本书也可

这是一本系统介绍人工智能智能体开发与应用的实用指南。本书从人机协作模式的发展历程切入，详细讲解了大语言模型选型、提示词设计、多模态插件应用、工作流构建等核心技术。通过10个从简单到复杂的实践案例，如智能客服、会议纪要提炼、电商情绪分析等，手把手带领读者掌握AI智能体开发全流程。书中还介绍了Coze空间等低代码平台的使用

本书在详细阐述强化学习基本概念与基本理论的基础上，循序渐进地介绍了深度强化学习各常用算法的基本思想、算法伪代码、算法实现、基于实例的算法演示与程序分析等内容。具体介绍了Q-learning算法求解最优路径问题，SARSA算法求解最优安全路径问题，策略迭代算法求解两地租车最优调度问题，价值迭代算法求解最优路径问题，DQN

本书内容涵盖深度学习的基础理论及前沿技术，内容循序渐进，旨在逐步提升学习者对深度学习技术的理解和应用能力。本书共10章，主要内容包括绪论、深度学习基础理论及实践、卷积神经网络理论及实践、基于CNN的目标检测算法及实践、基于CNN的图像分割算法及实践、循环神经网络理论及实践、注意力机制与Transformer、生成式网络

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

本书是第一本探讨如何对不同方法进行均衡处理,以便建模和解决序贯决策问题的图书,承袭了大多数聚焦于机器学习、优化和模拟的书籍的风格。本书专为具有概率和统计背景知识并对建模和应用程序感兴趣的读者而设计。线性规划有时用于特定的问题类型。本书提供了一个可以借助5个核心组件(状态变量、决策变量、外部信息变量、转移函数和目标函数)

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

本书通过系统而全面的介绍，帮助读者深入理解和掌握图机器学习的基本原理、方法和技术；同时，通过丰富的案例和实践经验，展示了图机器学习在各个领域的应用价值和广阔前景。 本书基于斯坦福大学图机器学习CS224W课程的内容编写，结合作者自身和团队学生在图机器学习中的痛点和实践经验，重新梳理知识脉络，重点介绍图机器学习的相关知识

本书系统研究了深度学习模型在面临新型对抗攻击时的鲁棒性问题，全面分析了对抗鲁棒机器学习的研究现状及面临的问题和挑战，并提出了创新性的解决方案。在对抗鲁棒性评估方面，构建了集成非Lp范数新型攻击的综合评估基准，为全面评估模型鲁棒性提供了工具。在对抗样本检测方面，提出了基于小样本学习的对抗样本检测方法，能够有效检测未知类型

布尔巴基学派的序、代数、拓扑三大母结构是现代数学的基础。利用计算机证明辅助工具，可以完整构建这三大母结构的形式化系统。本书利用交互式定理证明工具Coq，实现Morse-Kelley公理化集合论形式化系统，可以迅速而自然地给出一个数学基础，摆脱了明显的悖论。在我们开发的系统中，全部定理无例外地给出Coq的机器证明代码，所