本书分为八章，内容涵盖深度学习概念、深度学习框架、深度学习网络结构等基础知识，以及图像分类、目标检测、文本分类、文本翻译等深度学习实践任务。

本书从知识系统构建的支撑技术和制造企业的实际应用出发，系统地介绍了知识工程的概念、方法和应用。全书共7章，重点介绍了知识获取、知识表示、知识推理及知识管理，在此基础上，针对制造企业知识工程实施方法、工具展开了介绍，最后介绍了知识系统的结构、开发，以及知识工程技术在机械制造领域的应用。本书结合知识工程技术在制造业的应用案例进行分析，具有易懂和实用等特点。

本书全面介绍TensorFlow 2.x 框架及其在深度学习中的应用，内容包括TensorFlow 简介、Python 语 言基础、环境搭建与入门、TensorBoard 可视化、多层感知机实现、卷积神经网络实现、循环神经网络实 现、强化学习、迁移学习、生成对抗网络和GPU 并行计算等。

阅读本书犹如一次时空之旅。它不仅向你讲述了人工智能进步的故事，还能让你沿着那些人工智能先驱者的脚步，去感受他们的激情和执着，去了解他们如何用智慧之光，点亮通往未知世界的路标。希望这本书能让你感受到，人工智能原来并不遥远，人工智能原来很有趣，继而进一步地关注更多发生在人工智能世界里的奇妙故事，抑或愿意投身于这一全球瞩目的未来学科。

本书是一本精简的神经网络入门教程，用通俗易懂的语言讲解神经网络的相关知识。本书共6章，第1章对神经网络领域进行概述，包括其历史和应用；第2章深入探讨神经元的数学模型，包括其输入、权值、偏置和激活函数；第3章介绍感知机的概念，讨论感知机的结构，并解释如何用它来解决简单的分类问题；第4章介绍多层感知机的概念，讲述如何使用前馈传播和反向传播，同时详细介绍了反向传播中用到的链式法则；第5章涵盖训练神经网络时使用的各种参数和算子；第6章介绍神经网络的分布式学习、压缩和解释，其中分布式学习涵盖使用

近些年来，在深度学习的推动下，人工智能步入新的发展阶段。然而，随着深度学习模型性能的提升，其计算复杂度也在不断增加，深度学习模型的运行效率面临巨大挑战。在这种情况下，深度学习高效计算成为在更大范围内应用人工智能的重要环节。本书围绕深度学习模型计算，重点从深度学习模型优化、算法软件加速、硬件架构设计等方面展开介绍深度学习高效计算，主要包括低秩分解、剪枝、量化、知识蒸馏、精简网络设计与搜索、深度神经网络高效训练、卷积神经网络高效计算、大模型高效计算、神经网络加速器设计等内容。

本书主要介绍人工智能芯片设计相关的知识，包括作为人工智能芯片设计基础的数字集成电路电路设计知识和数字集成电路系统设计知识，进而分析人工智能芯片设计面临的挑战，由此引出本书的重点：人工智能芯片的数据流设计和架构设计，包括了块浮点数设计、卷积神经网络数据量化算法、稀疏化算法、加速器系统控制策略、卷积层加速器设计、全连接层加速器设计等前沿技术。本书在帮助读者获得对人工智能芯片设计全面理解的基础上，使读者也能更好地把握人工智能芯片设计的重点和方向，为读者在此领域进一步研究和开发打下坚实的基础。 本

《AI训练师手册：算法与模型训练从入门到精通》内容系统、全面，实例丰富，共有10章，包括51个实操案例解析和80个行业案例分析。通过学习《AI训练师手册：算法与模型训练从入门到精通》，读者可以从零开始，逐步掌握人工智能的核心技术，成为合格的AI训练师。《AI训练师手册：算法与模型训练从入门到精通》附赠了同步教学视频＋PPT 教学课件＋素材＋效果＋AI提示词等资源。
书中内容从技能线和案例线展开介绍，具体内容如下。
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

本书收集了国际国内使用AIGC的范例，以及结合“如何运用AIGC进行学习活动”、“如何问大语言模型一个好问题？”、“使用AIGC的原则”和“对使用AIGC的检核与提醒”，来探索AI在工作和生活中的无限潜力。全文共分为三章，分别是第一章：学习篇(徜徉之境——追寻学习的浪漫之旅)、第二章：生活篇(创意悠游——日常生活的多彩探险之旅)、第三章：社会实践篇，最后对全文进行总结回顾与未来研究方向探讨，以期为高校尤其是高职学生的学习和工作提供辅助，并为更广泛的AI技术应用和知识传播提供指引。

"本书循序渐进地介绍了深度学习的基础知识与常用方法，全面细致地提供了深度学习操作的原理和在深度学习框架下的实践步骤。本书共分为三部分，理论基础、实验和案例。第一部分理论基础，包括第1~7章，主要介绍深度学习的基础知识、深度学习在不同领域的应用、不同深度学习框架的对比以及机器学习、神经网络等内容； 第二部分实验，包括第8~9章，主要讲解常用深度学习框架的基础以及计算机视觉、自然语言处理、强化学习和可视化技术领域的一些实验讲解。第三部分案例包括第10~17章，通过8个案例介绍深度学习在图像分类、目标