深度學(xué)習(xí)和大模型技術(shù)在推薦系統(tǒng)領(lǐng)域掀起了一場技術(shù)革命，本書從深度學(xué)習(xí)推薦模型、Embedding技術(shù)、大模型、AIGC、模型工程實(shí)現(xiàn)、業(yè)界前沿實(shí)踐等幾個方面介紹了這場技術(shù)革命中的主流技術(shù)要點(diǎn)。本書既適合推薦系統(tǒng)、計算廣告和搜索領(lǐng)域的從業(yè)者閱讀，也適合人工智能相關(guān)專業(yè)的本科生、研究生、博士生閱讀，幫助建立深度學(xué)習(xí)推薦系統(tǒng)

"《DeepSeek大模型高性能核心技術(shù)與多模態(tài)融合開發(fā)》深入剖析國產(chǎn)之光DeepSeek多模態(tài)大模型的核心技術(shù)，從高性能注意力機(jī)制切入，深入揭示DeepSeek的技術(shù)精髓與獨(dú)特優(yōu)勢，詳細(xì)闡述其在人工智能領(lǐng)域成功的技術(shù)秘訣�！禗eepSeek大模型高性能核心技術(shù)與多模態(tài)融合開發(fā)》循序漸進(jìn)地講解深度學(xué)習(xí)注意力機(jī)制的演進(jìn)，

"《聯(lián)邦學(xué)習(xí)》為研究人員和從業(yè)者深入探討了聯(lián)邦學(xué)習(xí)最重要的問題和方法。聯(lián)邦學(xué)習(xí)(FederatedLearning，F(xiàn)L)是一種機(jī)器學(xué)習(xí)方法，其中訓(xùn)練數(shù)據(jù)不是集中管理的。數(shù)據(jù)由參與聯(lián)邦學(xué)習(xí)過程的各方保留，不與任何其他實(shí)體共享。這使得聯(lián)邦學(xué)習(xí)成為一種日益流行的機(jī)器學(xué)習(xí)解決方案，適用于因隱私、監(jiān)管或?qū)嶋H原因而難以將數(shù)據(jù)集中

"本書專注于介紹基于深度學(xué)習(xí)的算法。從探索深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)和理論架構(gòu)，到九大經(jīng)典的深度學(xué)習(xí)算法，旨在為讀者提供一個從基礎(chǔ)到高級的全方位指導(dǎo)。截至2024年，書中介紹的9個算法幾乎涵蓋了整個深度學(xué)習(xí)領(lǐng)域的經(jīng)典和前沿算法。本書在第1章和第2章介紹了深度學(xué)習(xí)的基礎(chǔ)：數(shù)學(xué)基礎(chǔ)與神經(jīng)網(wǎng)絡(luò)算法。從第3章開始，書籍逐步引領(lǐng)讀者進(jìn)入

"這是一本面向AI開發(fā)人員以及對生成式人工智能技術(shù)感興趣的讀者的專業(yè)圖書�！渡�成式AI應(yīng)用開發(fā):基于OpenAIAPI實(shí)現(xiàn)》深入探討生成式AI技術(shù)的原理與實(shí)現(xiàn)，以及如何利用OpenAIAPI進(jìn)行高效開發(fā)�！渡�成式AI應(yīng)用開發(fā):基于OpenAIAPI實(shí)現(xiàn)》內(nèi)容包括ChatGPT的原理解析、OpenAIAPI請求庫的使用、

"本書結(jié)合典型機(jī)械系統(tǒng)控制的實(shí)例，系統(tǒng)地介紹了神經(jīng)網(wǎng)絡(luò)控制的基本理論、基本方法和應(yīng)用技術(shù)。本書是作者多年來從事控制系統(tǒng)教學(xué)和科研工作的結(jié)晶，同時融入了國內(nèi)外同行近年來所取得的新成果。全書共分16章，包括緒論、RBF神經(jīng)網(wǎng)絡(luò)的設(shè)計與仿真、基于梯度下降法的RBF神經(jīng)網(wǎng)絡(luò)控制、自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)控制、RBF神經(jīng)網(wǎng)絡(luò)滑模控制

"能夠模仿人類語言智能與思維，具有世界一般性知識的ChatGPT，開啟了通用人工智能的新時代，正成為引爆第四次工業(yè)革命的火種。本書是第一本體系化介紹ChatGPT基本原理與核心算法的教材及專業(yè)圖書。全書共分5章：第1章為人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)；第2章詳細(xì)剖析了Transformer及其緣起，分析了視覺領(lǐng)域的Transform

"本書圍繞熱門話題“數(shù)字人”，系統(tǒng)介紹了其發(fā)展過程、技術(shù)特點(diǎn)、應(yīng)用場景、安全問題及未來趨勢，共分十二章。內(nèi)容涵蓋數(shù)字人的定義、誕生背景、關(guān)鍵技術(shù)，以及在多行業(yè)的應(yīng)用現(xiàn)狀與前景。同時，探討了數(shù)字人使用中的安全問題、政策支持與未來發(fā)展方向，并展望其融入日常生活的美好愿景，為讀者呈現(xiàn)數(shù)字人領(lǐng)域的全景圖。本書適合對數(shù)字人技術(shù)感

"本書針對基于演化的機(jī)器學(xué)習(xí)的一些關(guān)鍵問題進(jìn)行深入探索。全書共20章，分為3篇。上篇為第1～6章，探索了深度改進(jìn)的分布估計算法，提出了基于共軛先驗(yàn)分布的兩層分布估計算法、帶有鏈接學(xué)習(xí)的量子演化算法和問題規(guī)模自適應(yīng)的基于分解的多目標(biāo)分布估計算法。中篇為第7～13章，針對學(xué)習(xí)分類器與特征選擇方法，重點(diǎn)研究兩者的融合策略，將

"隨著社會需求的變化，越來越多的人工智能應(yīng)用涉及多標(biāo)簽學(xué)習(xí)問題，如文本分類、語義標(biāo)注、社交網(wǎng)絡(luò)、基因預(yù)測和疾病診療等，多標(biāo)簽學(xué)習(xí)已成為當(dāng)前人工智能領(lǐng)域的研究熱點(diǎn)之一。本書基于集成學(xué)習(xí)相關(guān)理論，圍繞多標(biāo)簽局部依賴、多標(biāo)簽缺失補(bǔ)全、極端量級多標(biāo)簽學(xué)習(xí)、長尾多標(biāo)簽學(xué)習(xí)和開放詞多標(biāo)簽學(xué)習(xí)等一系列問題進(jìn)行展開，提出了一系列高效的