人工智能开发语言：Python

本书是继《EasyRL：强化学习教程》（俗称“蘑菇书”）之后，为强化学习的读者专门打造的一本深入实践的全新教程。全书大部分内容基于3位作者的实践经验，涵盖马尔可夫决策过程、动态规划、免模型预测、免模型控制、深度学习基础、DQN算法、DQN算法进阶、策略梯度、Actor-Critic算法、DDPG与TD3算法、PPO算法等内容，旨在帮助读者快速入门强化学习的代码实践，并辅以一套开源代码框架“Joy

随着ChatGPT等人工智能和语言模型不断进步，了解这些技术的含义和潜在陷阱比以往任何时候都更加重要。作为享誉全球的跨技术和设计学科思想家，前田约翰利用他的丰富经验，为企业、产品设计师和决策者提供了可行的指导。通过深思熟虑和偶尔异想天开的例子，他构造了一个可以描述任何机器学习系统的关键功能的框架，并展望了可以如何使用它们来创造富有包容性和改变世界的产品。对任何想要深入了解机器如何“思考”以及未来可

本书介绍提示工程的基本概念和实践，旨在帮助读者了解如何构建高质量的提示内容。内容包括：认识大语言模型、ChatGPT应用体验、ChatGPTAPI、PythonChatGPTAPI库、提示工程、提示类型、基于提示工程应用Python数据分析等。

本书全面探讨人工智能三维仿真竞赛，包括竞赛的立意、类型和流程，并详细介绍人工智能三维仿真软件的核心功能，如编程、控制、循迹、定位等的应用。本书首先介绍人工智能三维仿真竞赛的基础知识，为读者打下坚实的理论基础；其次转向人工智能三维仿真软件的详细教学，通过具体案例强化读者的学习效果；最后总结人工智能三维仿真竞赛中的常见任务类型，并结合历史竞赛案例，为读者提供实际参考。本书适合准备参加人工智能三维仿真竞

本书是关于如何从零开始构建大模型的指南，由畅销书作家塞巴斯蒂安·拉施卡撰写，通过清晰的文字、图表和实例，逐步指导读者创建自己的大模型。在本书中，读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练，以及定制特定任务的微调。此外，本书还将探讨如何利用人工反馈确保大模型遵循指令，以及如何将预训练权重加载到大模型中。

本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的skle

本书共有10章，包括51个实操案例解析和80个行业案例分析。书中内容从技能线和案例线展开介绍。技能线：从人工智能的相关技术入手，不仅介绍了AI训练师的发展历程和行业动态，还重点讲述了AI训练师的职业技能提升方法。案例线：不仅涵盖了AI领域的各个方面，而且非常注重算法与模型的实际应用，通过分析大量的经典案例，可以让读者更好地掌握AI训练的相关技能。

本书共分为10章，涵盖了贝叶斯概率、概率估计、贝叶斯分类、随机场、参数估计、机器学习、深度学习、贝叶斯网络、动态贝叶斯网络、贝叶斯深度学习等。本书涉及的应用领域包含机器学习、图像处理、语音识别、语义分析等。

（1）AI与AIGC基础知识：从基础入手，深入讲解AI技术的基本概念和原理。通过通俗易懂的讲解和示例，帮助读者建立坚实的理论基础，为后续章节的深入学习打下良好基础。（2）智能设备上的AIGC系统设计：详细介绍AIGC技术在实际应用过程中的各种功能设计和实现方法。内容涵盖算法选择、模型训练、系统集成等各个环节，通过丰富的技术细节和设计策略，帮助读者全面掌握AIGC技术的应用要点。（3）AIGC关键工