在人工智能的浪潮中，大语言模型技术正以前所未有的速度改变着我们的生活与工作方式。作为这个领域的后起之秀，DeepSeek凭借其开源与高性能的技术路线在2024年年末崭露头角，并迅速成为全球领先的人工智能应用平台之一。本书循序渐进地介绍了DeepSeek相关的各方面知识、经验和技巧，系统梳理了DeepSeek的结构化提示词技巧，并附有大量的模板实例。此外，本书介绍了DeepSeek的特色功能玩法、场景实战应用、高级应用技巧，以及DeepSeek工具集成和本地部署等相关知识。本书力求使零基础读者轻松掌握DeepSeek的使用方法，并学以致用、融会贯通。

深度学习和大模型技术在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、大模型、AIGC、模型工程实现、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。 本书既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本科生、研究生、博士生阅读，帮助建立深度学习推荐系统的技术框架，通过学习前沿案例，加强深度学习理论与推荐系统工程实践的融合能力。

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 等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析，阐释其原理、算法流程及实际应用场景。对于机器学习领域的新手，本书是全面且

本书是关于如何从零开始构建大模型的指南，由畅销书作家塞巴斯蒂安 拉施卡撰写，通过清晰的文字、图表和实例，逐步指导读者创建自己的大模型。在本书中，读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练，以及定制特定任务的微调。此外，本书还将探讨如何利用人工反馈确保大模型遵循指令，以及如何将预训练权重加载到大模型中。

《图解人工智能》从基础概念、历史沿革、基础算法、代表性应用、**研究进展、跨学科交叉成果等多个方面深入介绍人工智能。为满足不同程度学习者的学习需求，全书以图片为主并辅以少量文字说明，每节配有 小清爱提问 在线视频，具有初等阅读能力的读者（包括中小学生）可以轻松获得人工智能的基础知识和全局视野；每一节还包括扩展学习资料、深入阅读材料和编程实践资源供高等阅读能力的读者（包括大学生和教师）自学提高。为配合课堂教学，全书每一节都配有PPT课件、附加视频资料、互动演示程序等教学资源。对应不同知识背景的读者，本书有速读、专业、教学3种建议阅读模式。 期待更多人能借此书产生对人工智能学科的探索热情！ 本书封面贴有清华大学出版社防伪标签，无标签者不得销售。版权所有，侵权必究。

本书共12章，围绕大语言模型基础理论、预训练、指令理解、模型增强和模型应用五个部分展开：第一部分介绍大语言模型的基础理论；第二部分介绍大语言模型的预训练，包括大语言模型预训练数据和分布式训练；第三部分介绍大语言模型如何理解并服从人类指令，包括有监督微调和强化学习；第四部分介绍大语言模型增强技术，包括多模态语言模型、大模型智能体和检索增强生成；第五部分介绍大模型应用，包括大模型效率优化、模型评估和应用开发。

内容简介 自人工智能（AI）的概念诞生之日起，科学家们就热衷于探讨它的发展路径。第一阶段毫无疑问是计算智能，经过半个多世纪，AI在运算能力和记忆方面早已超越人类。第二阶段，是感知智能，让机器可以看得懂听得懂这个世界。科学界认为，尚未到来的第三阶段，是认知智能，甚至提到一个词：认知时代。 我们来到大模型时代或者是生成式人工智能时代了吗？如果我们此时此刻正身处这个时代，那上一个是什么时代？ 有人说，大规模预训练已经过时，AI要实现具身化，具备推理能力，接着自我意识相伴而生。具身智能揭开了人类驯服机器的科学路径，小到在分子或原子上进行操作的纳米机器，大到震天撼地的巨型机械，无不乖乖地服从人类的操控指令，替代或者协助人类完成复杂的任务。 具有自我意识的AI是更安全还是更不安全？我们需要开始认真考虑

本书是一本全面探索DeepSeek大语言模型应用的实用指南，涵盖了近200个精心设计的实用案例，以 场景思维 为核心，从用户实际需求出发，系统地展示了DeepSeek如何在日常工作、学习和生活的各个方面发挥智能助手的作用。 全书共分为20章，内容丰富且有层次： （1）从基础工具使用和提示词工程入门，到内容创作、知识工作、创意设计等应用场景，涵盖了多个专业领域（医疗、金融、法律、心理）的深度应用。 （2）介绍了日常生活、创业自媒体、行业赋能的多维度实践，提供了API集成方案和30个精选高频场景的深度解析； （3）每个实例都针对特定用户群体的痛点和需求，提供了具体、可操作的解决方案，帮助读者快速掌握如何将DeepSeek融入工作流程，真正实现AI赋能。 书中不仅关注 如何使用 ，更着眼于 为何使用 和 何时使用 ，帮助读者建立对AI辅助工具的系统性

《DeepSeek 从入门到精通（微课视频版） 提示词设计 多场景应用 工具深度融合》 是一本系统讲解大模型 DeepSeek 应用方法的实用指南，内容涵盖从入门操作、提示词设计、本 地与云端部署到上百种实际场景应用，以及AI 智能体设计，全面展示了 DeepSeek 在办公、写作、 编程、教育、创意等领域的强大能力。全书结构清晰，配合丰富案例与实操技巧，帮助读者快 速掌握与大模型高效交互的方法。 本书最大特色在于实用性与前瞻性并重，既有提示词设计的系统讲解，提供100 提示词模 板，又有 DeepSeek 与 WPS、Word、Excel、Xmind、剪映等常用软件的深度融合案例，真正实 现AI 赋能日常工作与创作。无论你是职场人士、内容创作者、教师学生，还是对大模型感兴趣 的开发者，本书都将为你提供可操作、可落地的指导，助你在 AI 时代实现效率与创意的双重飞跃。

内容简介这是一本人人都能读懂的大模型综合指南，既是一本大模型的科普书，又是一本大模型的商业书。由中国电信研究院天翼智库官方出版，从核心技术、基础设施、商业应用、产业体系、安全治理5个维度全面讲解了大模型。语言上通俗易懂，内容上深入浅出，呈现上图文并茂，给读者良好阅读体验的同时，让读者对大模型的理解事半功倍！无论你是AI工程师，还是完全没有IT技术背景的爱好者；无论你是一线的从业人员，还是企业的管理者和决策者，你都能通过本书系统理解和掌握大模型，从而深刻认识大模型的核心价值和应用潜力，把握住大模型带来的变革和商机。通过阅读本书，我们每个人都能从中收获以下知识：（1）AI的本质和AI发展的4个阶段；（2）大模型的核心技术和大模型的技术进化路线；（3）大模型的算力基础设施和数据基础设施；（4）基座

《强化学习（第2版）》作为强化学习思想的深度解剖之作，被业内公认为是一本强化学习基础理论的经典著作。它从强化学习的基本思想出发，深入浅出又严谨细致地介绍了马尔可夫决策过程、蒙特卡洛方法、时序差分方法、同轨离轨策略等强化学习的基本概念和方法，并以大量的实例帮助读者理解强化学习的问题建模过程以及核心的算法细节。《强化学习（第2版）》适合所有对强化学习感兴趣的读者阅读、收藏。

本书从简单的思路着手，详细介绍了理解神经网络如何工作所必须的基础知识。部分介绍基本的思路，包括神经网络底层的数学知识，第2部分是实践，介绍了学习Python编程的流行和轻松的方法，从而逐渐使用该语言构建神经网络，以能够识别人类手写的字母，特别是让其像专业人员所开发的网络那样地工作。第3部分是扩展，介绍如何将神经网络的性能提升到工业应用的层级，甚至让其在Raspberry Pi上工作。

本书是深度学习领域的入门教材，系统地整理了深度学习的知识体系，并由浅入深地阐述了深度学习的原理、模型以及方法，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。 全书共15章，分为三个部分。 分为机器学习基础：第1章是绪论，介绍人工智能、机器学习、深度学习的概要，使读者全面了解相关知识；第2~3章介绍机器学习的基础知识。 第二部分是基础模型：第4～6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络；第7章介绍神经网络的优化与正则化方法；第8章介绍神经网络中的注意力机制和外部记忆；第9章简要介绍一些无监督学习方法；第10章介绍一些模型独立的机器学习方法，包括集成学习、自训练、协同训练、多任务学习、迁移学习、终身学习、元学习等。 第三部分

随着计算科学的快速发展，人工智能已为我们大家熟知。2017 年国务院正式印发《新一代人工智能发展规划》，明确了人工智能的国家战略地位，关于人工智能的科普、技术普及读物也已出现，但符合少年儿童认知的人工智能科普读物却一直是个空白。本书是面向少年儿童的人工智能科普读物，用轻松有趣的笔触和明确简洁的形式介绍人工智能的历史、现状及未来。 本书写给6 岁以上、13 岁以下的青少年读者，深入浅出地介绍了人工智能的发展历史、人工智能的主要研究方向、技术实现流程及人工智能与未来社会的关系探索等。本书从科普和青少年教育的角度出发，培养孩子们对人工智能乃至新科技的认知，目的是让孩子们了解人工智能知识，建立正确的科技价值观和科学的方法论，为将来人工智能的研究和应用做好准备。

虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。 本书是教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。它帮助读者快速从零开始构建一个真实示例：肿瘤图像分类器。在此过程中，它涵盖了整个深度学习管道的关键实践，包括 PyTorch张量 API、用 Python 加载数据、监控训练以及将结果进行可视化展示。 本书主要内容： （1）训练深层神经网络； （2）实现模块和损失函数； （3）使用 PyTorch Hub 预先训练的模型； （4）探索在 Jupyt

本书通过想要学习深度学习的程序员绫乃和她朋友美绪的对话，逐步讲解深度学习中实用的数学基础知识。内容涉及神经网络的结构、感知机、正向传播和反向传播，以及卷积神经网络。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程实现神经网络，加深读者对相关数学知识的理解。 本书适合对深度学习感兴趣、想要从事深度学习相关研究，但是对深度学习和神经网络相关数学知识感到棘手的读者阅读。

本书强调 把 AI作为方法 (AI即 Artifcial Intelligence，人工智能)这一核心理念，旨在引导读者掌握与 AI对话的关键技巧，并将AI融入工作和生活真正体验 AI带给人类的高效与便捷。 本书从技术的发展规律人手，探讨了把AI作为方法的必然性和必要性，进一步剖析了算法与哲学在内在逻辑上的贯通性。此外，本书通过丰富多样的案例展示了 AI的强大魅力，通过一系列 召唤术 帮助读者运用AI创造性地完成各种各样的任务，在这个过程中体验和掌握运用AI的核心技巧。 本书适合对 AI有研究兴趣、有使用需求、有产品研发需求或有投资意向的读者阅读。读者可扫描文中的二维码了解本书所介绍的与AI交互的秘诀。

本书全面阐述了现代因果关系分析，展示了因果关系如何从一个模糊的概念发展成为一套数学理论，并广泛用于统计学、人工智能、经济学、哲学、认知科学、卫生科学和社会学等领域。本书提出了一个全面的因果关系理论，它统一了因果关系的概率、操作、反事实和结构方法，并提供了简单的数学工具来研究因果关系和统计关联之间的关系。本书通过融合领域知识、常识约束、文化传承的概念等来补充数据信息，为基于统计的机器学习中遇到的基本问题提供了科学的解决方案。

《DeepSeek大模型 : 技术解析与商业应用》系统讲解了DeepSeek 大语言模型的技术原理与商业实践，既深入剖析模型的核心原理，又提供切实可行的实践指导。全书共分为10 章，从基础概念入手，逐步阐明模型架构、本地部署方法，并详细解析了DeepSeek 提示词的思维链，指导用户如何根据不同需求设计有效的提示词，以实现高效的AI 交互。书中深入探讨了DeepSeek 在多领域的应用：在内容创作方面，利用AI 生成创意文案、优化代码开发与学术写作，从而显著提升效率；在自媒体领域，通过解锁流量密码，为开发者和创作者提供智能支持；在职场环境中，辅助简历优化、面试模拟及知识库构建，全面提升办公效能；在数字艺术设计方面，赋能创作者高效产出作品，激发无限创意表达。此外，本书还讲解了如何通过DeepSeek API 将技术无缝嵌入商业流程，进而构建智能生态系统。

本书根据李宏毅老师 机器学习 公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括 BERT 和 GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶算法. 在理论严谨的基础上，本书保留了公开课中大量生动有趣的例子，帮助读者从生活化的角度理解深度学习的概念、建模过程和核心算法细节.

内容简介这是一本全面讲解RAG技术原理、实战应用与系统构建的著作。作者结合自身丰富的实战经验，详细阐述了RAG的基础原理、核心组件、优缺点以及使用场景，同时探讨了RAG在大模型应用开发中的变革与潜力。书中不仅揭示了RAG技术背后的数学原理，还通过丰富的案例与代码实现，引导读者从理论走向实践，轻松掌握RAG系统的构建与优化。无论你是深度学习初学者，还是希望提升RAG应用技能的开发者，本书都将为你提供宝贵的参考与指导。通过阅读本书，你将掌握以下知识：?透彻理解RAG的召回和生成模块算法?高级RAG系统的技巧?RAG系统的各种训练方式方法?深入了解RAG的范式变迁?实战0基础搭建RAG系统?实战高级RAG系统微调与流程搭建

本书系统介绍了视觉 SLAM（同时定位与地图构建）所需的基本知识与核心算法，既包括数学理论基础，如三维空间的刚体运动、非线性优化，又包括计算机视觉的算法实现，例如多视图几何、回环检测等。此外，我们还提供了大量的实例代码供读者学习研究，从而更深入地掌握这些内容。本书可以作为对 SLAM 感兴趣的研究人员的入门自学材料，也可以作为 SLAM 相关的高校本科生或研究生课程教材使用。

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。 全书的内容分为3个部分：*部分介绍深度学习的背景，提供预备知识，并包括深度学习*基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本