本書立足《高等學(xué)校人工智能創(chuàng)新行動計劃》對通識教育的要求，結(jié)合北京市《人工智能通識課》教學(xué)，通過基礎(chǔ)理論工具應(yīng)用專業(yè)案例的三層架構(gòu)，以應(yīng)用為導(dǎo)向，系統(tǒng)梳理AI工具鏈；結(jié)合專業(yè)案例，幫助讀者建立系統(tǒng)的人工智能知識體系，并在實(shí)踐中提升其解決實(shí)際問題的能力。全書分為3篇，共12章，主要內(nèi)容包括人工智能概述、機(jī)器學(xué)習(xí)基礎(chǔ)、深度

本書以C語言的基本語法、語句為基礎(chǔ)，深入淺出地講述了C語言程序設(shè)計的基本概念、思想與方法。全書以程序案例為導(dǎo)向，采用結(jié)構(gòu)化方法設(shè)計程序，通過程序案例拓寬學(xué)生的思維，引導(dǎo)學(xué)生自主思考，使學(xué)生逐步掌握程序設(shè)計的一般規(guī)律和方法。全書理論聯(lián)系實(shí)際，突出模塊化程序設(shè)計方法。全書內(nèi)容分為3個部分，共11章。第1部分為第1、2章，為

本書深入探討大模型時代推薦系統(tǒng)的核心技術(shù)、實(shí)戰(zhàn)方法與前沿趨勢。從推薦系統(tǒng)基礎(chǔ)與大模型原理出發(fā)，系統(tǒng)講解大模型與推薦系統(tǒng)的三大結(jié)合方式：作為推薦算法、增強(qiáng)傳統(tǒng)系統(tǒng)以及構(gòu)建智能代理。書中包含豐富的實(shí)戰(zhàn)案例，涵蓋提示工程、LangChain部署、聯(lián)邦學(xué)習(xí)隱私保護(hù)等關(guān)鍵場景，并針對可解釋性、公平性等業(yè)界難題提供解決方案。適合算

隨著Web前端技術(shù)的發(fā)展，JavaScript應(yīng)用越來越廣泛，各種框架技術(shù)（如Vue.js）更新速度快，應(yīng)用廣泛。本書從JavaScript、Node.js的基礎(chǔ)知識逐步展開，進(jìn)而深入探討Vue.js，包括Vue基礎(chǔ)、組件開發(fā)、過渡與動畫、Vite、VueRouter、Pinia以及ElementPlus的應(yīng)用。全書共

本書全面解析openEuler操作系統(tǒng)，從操作系統(tǒng)的基礎(chǔ)知識、命令行操作到高級系統(tǒng)管理等多個維度進(jìn)行系統(tǒng)性介紹。本書內(nèi)容涵蓋操作系統(tǒng)的起源和發(fā)展，openEuler操作系統(tǒng)的安裝、配置和優(yōu)化，文件、用戶和進(jìn)程管理，高級網(wǎng)絡(luò)配置和遠(yuǎn)程訪問工具的使用，用戶和權(quán)限管理，SELinux的配置和使用方法，基于RPM和DNF的包管

本書以TensorFlow2深度學(xué)習(xí)的常用技術(shù)講解與真實(shí)案例實(shí)戰(zhàn)相結(jié)合的方式，深入淺出地介紹使用TensorFlow2實(shí)現(xiàn)深度學(xué)習(xí)的知識內(nèi)容。全書共有8個項(xiàng)目，分為基礎(chǔ)部分和實(shí)戰(zhàn)部分�；�礎(chǔ)部分包括深度學(xué)習(xí)概述、TensorFlow2快速入門、深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)。實(shí)戰(zhàn)部分包括5個真實(shí)案例，分別為基于CNN的彩色圖像分

在大數(shù)據(jù)時代，數(shù)據(jù)可視化已成為數(shù)據(jù)分析結(jié)果的重要呈現(xiàn)方式。本書以開源可視化庫ECharts為核心教學(xué)工具，以ECharts典型圖表繪制為主要教學(xué)內(nèi)容，詳細(xì)講解ECharts5.x的圖表類型、基礎(chǔ)圖表繪制和高級應(yīng)用，以及相關(guān)的交互操作。全書共9個模塊，分別是初識數(shù)據(jù)可視化與ECharts，熟知ECharts的圖表結(jié)構(gòu)與基

隨著人工智能技術(shù)的飛速發(fā)展，大語言模型（如DeepSeek）已經(jīng)在多個行業(yè)中展現(xiàn)出巨大的潛力，成為推動這些行業(yè)數(shù)字化轉(zhuǎn)型的重要力量。本書通過7個項(xiàng)目、17項(xiàng)任務(wù)的實(shí)戰(zhàn)講解，全面介紹人工智能和大語言模型的核心技術(shù)與實(shí)際應(yīng)用，重點(diǎn)圍繞DeepSeek的使用和實(shí)踐，幫助讀者深入理解人工智能技術(shù)及其在實(shí)際工作中的應(yīng)用。本書內(nèi)容

大模型（LLM）的爆炸式增長顯著降低了AI的應(yīng)用門檻，推動了LLM在軟件開發(fā)領(lǐng)域的廣泛應(yīng)用，也為軟件測試帶來了變革與挑戰(zhàn)。本書旨在幫助軟件測試工程師用LLM提升測試能力，圍繞LLM的思維模式、技術(shù)和上下文3個核心要素展開。第1部分介紹LLM在測試中的作用及價值，探討其內(nèi)部機(jī)制與提示詞工程概念，分析AI、自動化和測試的關(guān)

本書全面系統(tǒng)地介紹了構(gòu)建網(wǎng)絡(luò)工程項(xiàng)目過程中涉及的相關(guān)知識與技術(shù)，全書共17個項(xiàng)目，內(nèi)容包含網(wǎng)絡(luò)與通信入門、網(wǎng)絡(luò)體系結(jié)構(gòu)、局域網(wǎng)組網(wǎng)技術(shù)、交換機(jī)基礎(chǔ)與配置、VLAN隔離技術(shù)、生成樹技術(shù)、聚合端口技術(shù)、IP子網(wǎng)規(guī)劃、三層交換技術(shù)、DHCP自動分配地址、路由器技術(shù)、靜態(tài)路由技術(shù)、RIP路由技術(shù)、OSPF路由技術(shù)、網(wǎng)絡(luò)安全技術(shù)