本书是一本专门为AI初学者撰写的入门指南，以备受关注的AI大模型DeepSeek为切入点，借助丰富的案例和通俗易懂的讲解，全面且系统地介绍有关AI的知识，帮助读者走出AI认知误区，逐步掌握AI应用技巧，进而抓住AI时代的机遇。本书不仅剖析了DeepSeek的特点和影响，还深入探讨AI在学习、生活、内容创作等多个领域的应用，能帮助读者提升学习和工作效率、进行自媒体创作等。另外，本书还为想进入AI行业的读者介绍了AI岗位知识和进军AI的攻略。

通过阅读本书，读者能将学到的

本书从应用实践出发，寓教于实操，详细介绍计算机和物联网的基础内容和操作技能。本书共 9 个项目，主要内容包括操作系统基础、计算机网络与互联网、物联网基础、智能家居与米家 APP、小米智能网关与智能开关、智能门锁与智能家居安防、自动识别技术、智能制造中的制造执行系统（MES）、物联网通信技术，通过具体实验，让读者更透彻地理解计算机和物联网的关键技术和典型应用。本书案例丰富，是一本帮助读者快速掌握计算机和物联网基础知识的入门级书。

本书可作为计算机网络和物联网从业者的参考书，也可作为

在人工智能时代，智能体平台已成为连接技术与生活的桥梁。本书全面介绍了当前主流的智能体平台及其应用，旨在为读者开启智能化生活的大门。
全书共分九章，首先对智能体平台进行概述，涵盖基础术语、核心特点、功能分类及应用领域，并展望未来发展趋势。随后，深入剖析了八大智能体平台：智谱AI、天工SkyAgents、讯飞星火、豆包、通义星尘、文心、字节Coze和腾讯元器。每章不仅介绍平台的特点与基础功能，还通过“手把手”案例（如翻译器、私人助理、游戏生成器、数字分身、古诗学习机、绘本故事制作、商品库存管理

在人工智能高速发展的当下，本书围绕全球首款通用 AI Agent——Manus 展开。 "认知篇”回溯 AI Agent 发展轨迹，剖析其与大模型的不同，突出 Manus "知行合一”的独特理念； "基础操作篇”细致介绍 Manus 的安装注册流程、界面交互方式，分享个性化设置技巧，同时深入解读技术原理，助力读者快速入门；"场景应用篇”重点呈现 Manus 在工作、生活、学习、财富管理等多元场景中的强大应用；"设计篇”深入剖析国内 AI Agent 平台，通过实操案例讲解打造专属智能体的步骤及进

本书全面系统地介绍了集成式机器学习的核心理论及其在现实中的实际应用。全书内容不仅详细讲解了集成式机器学习的基本概念，以及结合多个模型的预测来提升整体性能的集成方法，而且辅以丰富的实战案例和代码实现，深入探讨了它们在分类、回归、异常检测等任务中的应用效果；通过理论讲解与实际案例相结合，帮助读者深入理解集成式机器学习的关键技术，并能够将这些技术应用于实际问题中。本书每章内容都经过精心设计，既包括对基本概念的系统讲解，又涵盖了最新的研究成果和发展趋势。本书适合从事人工智能、机器学习相关研究与应用

本书共10章。前4章是深度学习的基础，阐述深度学习的概念、算法基础和结构基础以及深度学习环境的配置方法和步骤。后6章是深度学习的实战部分，分别从6个不同的应用领域论述并分析如何通过改造深度学习模型或者利用不同的深度学习模型完成实际的工作任务，最终目的是希望通过这些科研成果与实践案例，使读者能够针对不同领域的科学技术问题逐步获得具有普适意义的工作思路和解决方法。本书提供练习和参考答案，以及配套的演示文稿（PPT）电子课件，可以扫码获取本书配套资源，也可以从化学工业出版社化工教育（www.ci

"《生成对抗网络GAN：从理论到PyTorch实现》系统地讲解了生成对抗网络(GAN)的基本原理以及PyTorch编程技术，内容较全面，可操作性强，将理论与实践相结合。读者通过理论学习和编程实践操作，可了解并掌握生成对抗网络的基本原理和PyTorch编程技能，拉近理论与实践的距离。
《生成对抗网络GAN：从理论到PyTorch实现》共分8章，主要内容包括生成对抗网络介绍、简单全连接GAN、深度卷积GAN、Wasserstein GAN、条件GAN、StyleGAN、Pix2Pix、Cycl

本书是畅销书深度学习入门&进阶系列第五本书，主要围绕生成模型进行讲解。生成模型是一种非常重要的技术，对于人工智能的发展有着重要的作用。本书延续了作者通俗易懂的行文风格，以深入浅出的方式介绍正态分布到扩散模型所涉及的技术，并最终完成一个类似于Stable Diffusion的图像生成人工智能。读者可在创建这个图像生成人工智能的过程中学习各类技术，边做边思考，体会到技术的有趣之处蕴藏在各个细节中这一点，从而加深对生成模型的理解。

本书详细介绍了深度学习的基本理论和基于Keras深度学习框架的编程方法。全书由5章组成。第1章介绍了深度学习的基本概况, 包括深度学习的基本概念、应用领域和深度学习程序的框架等。第2章介绍了神经网络的基本原理, 包括神经元模型、激活函数、神经网络的训练过程等。第3章介绍了基于Keras的全连接前馈神经网络编程方法, 包括运行深度学习程序的硬件环境和软件环境、张量、使用全连接前馈神经网络处理回归问题和分类问题的编程方法。第4章介绍了卷积神经网络的原理和编程方法, 包括卷积计算、池化计算、使用Ker

本书全面且深入地呈现了深度学习领域的知识体系，系统梳理了该领域的核心知识，阐述了深度学习的关键概念、基础理论及核心思想，剖析了当代深度学习架构与技术。全书共 20 章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用，同时涵盖卷积网络、Transformer 等前沿架