主要内容
● 用进化计算解决复杂的设计和分析问题
● 调整深度学习超参数
● 将Q-Learning应用于深度学习，从而进行深度强化学习
● 优化无监督自编码器的损失函数和网络架构
● 创建一个能够参与OpenAI Gym游戏的进化智能体

XGBoost是一种经过行业验证的开源软件库，为快速高效地处理数十亿数据点提供了梯度提升框架。首先，本书在介绍机器学习和XGBoost在scikit-learn中的应用后，逐步深入梯度提升背后的理论知识。读者将学习决策树，并分析在机器学习环境中的装袋技术，同时学习拓展到XGBoost的超参数；并将从零开始构建梯度提升模型，将梯度提升扩展到大数据领域，同时通过计时器的使用了解速度限制。接着，本书重点探讨XGBoost的细节，着重于速度提升和通过数学推导导出参数。通过详细案例研究，读者将练习使用sc

这本书将把人工智能、大数据、云、机器人和智能设备作为背景。揭示了人工智能如何帮助企业实现商业价值指数级增长。本书涵盖了我们为什么需要人工智能，如何开始，以及成功实施所需的框架和重要元素的全部内容。作者展示了其AI可视化版图，概述了计划和衡量一个成功的战略(包括潜在的权衡)所需的构建模块，涉及了人工智能、机器学习或预测分析，这个模块目的是指导一项人工智能和大数据不可忽视战略。人工智能和大数据正在影响着人类工作和生活的方方面面。这本书旨在向企业领导者、创业者、商务人士阐释如何理解、适应和利

本书以深入浅出的方式介绍近年来人工智能领域最热门的技术——多模态大模型的技术方法、开源平台和应用场景，并详细阐述因果推理、世界模型及多智能体与具身智能等前沿技术领域，有助于读者全面了解多模态大模型的特点及发展方向，对新一代人工智能技术范式和通用人工智能的发展起到重要推动作用。全书共5章，第1章深入探讨最具代表性的大模型结构，第2章深度剖析多模态大模型的核心技术，第3章介绍多个具有代表性的多模态大模型，第4章深入分析视觉问答、AIGC 和具身智能这3个典型应用，第5章探讨实现通用人工智能的可行思路

本书详细介绍边缘计算和人工智能技术，主要内容包括边缘计算与人工智能概述、边缘计算与人工智能基本开发方法、边缘计算与人工智能模型开发、边缘计算与人工智能基础应用开发、边缘计算与人工智能综合应用开发。全书采用项目式开发的学习方法，通过贴近日常生活的开发实例，由浅入深地介绍边缘计算与人工智能的相关知识。本书中的每个案例均有完整的开发过程，并给出了开发代码，读者可在这些案例的基础上快速地进行二次开发。

《ChatGLM3大模型本地化部署、应用开发与微调》作为《PyTorch 2.0深度学习从零开始学》的姊妹篇，专注于大模型的本地化部署、应用开发以及微调等。《ChatGLM3大模型本地化部署、应用开发与微调》不仅系统地阐述了深度学习大模型的核心理论，更注重实践应用，通过丰富的案例和场景，引导读者从理论走向实践，真正领悟和掌握大模型本地化应用的精髓。
全书共分13章，全方位、多角度地展示了大模型本地化实战的完整方案，内容包括大模型时代的开端、PyTorch 2.0深度学习环境搭建、基于gra

本书从人工智能的概念、应用和发展方向对人工智能进行了初步分析，然后对人工智能的基础知识做了阐述，并在此基础上引出了人工智能的基础算法原理，然后对智能极端的模糊算法、神经计算和群集智能算法进行了分析探索。

本书全面介绍了图神经网络的基础和前沿内容，以及图表示学习的基本概念和定义，并讨论了高级图表示学习方法的发展，旨在帮助研究人员和从业者了解图神经网络的基本问题。此外，本书探讨了图神经网络的几个前沿主题，包括利用图数据描述社会科学、化学和生物学等领域的真实数据的关系，还介绍了图神经网络的若干前沿趋势，能够帮助读者进一步掌握图神经网络所涉及的技术。 本书适合所有想了解图神经网络基本问题和技术的人，包括但不限于高等院校计算机专业高年级本科生及研究生、科研人员以及相关从业者。

图神经网络不仅能够解决传统机器学习方法无法解决的图数据问题，而且能够应用于许多实际场景，例如社交网络、药物发现、网络安全、金融风控等。《图神经网络基础、模型与应用实战》旨在为初学者和实践者提供一个详细、全面的入门指南，围绕图神经网络基础、模型、应用实战（均采用Python+PyTorch实现）等方面进行介绍。《图神经网络基础、模型与应用实战》配套示例源码、数据集、PPT课件。
《图神经网络基础、模型与应用实战》共分9章，内容包括图神经网络概述、PyTorch开发环境搭建、数据集的获取与加载