两位作者持续多年扎根人工智能前沿领域，这本书是他们在科学研究的过程中蹦出的意外火花。因为这一全新发现并不是直接回馈于他们本身所处的人工智能领域，而是“无心插柳”收获了对人类约定俗成的思维方式的全新颠覆。这一研究打破了人类世界延续多年、难以撼动的、依靠目标和计划成事的文化基因，真正开启了人类伟大创新的惊喜之旅。他们在学校、TED、科研论坛等场合公开演讲，让这一新思维方式影响并激励了许多人。他们自身也凭借写入本书的“寻宝者思维”“踏脚石模型”“新奇性探索”等具体思维方法，在人工智能研发领域取得了飞跃式的突破和进展，产生了一系列惠及人类的伟大创造。
想知道爆火AI新星DeepSeek是什么、能做什么，又将如何改变未来吗？本书以通俗易懂的问答形式，带你零基础入门DeepSeek，揭秘其智能内核与技术优势，探索其在办公、教育、医疗等领域的无限应用。从理性认识DeepSeek的能力边界，到掌握提示词优化的实战技巧，本书将帮助你快速上手，玩转DeepSeek，在AI时代抢占先机。
本书是一本关于DeepSeek的实操书。 全书从基础应用、高级应用、团队协作、7大使用技巧、辅助学习、爆款文案等方面，为读者展示了DeepSeek的多样化功能和操作技巧，帮助读者熟练掌握并充分利用这一工具。 本书内容丰富、条理清晰、操作性强，即使是对AI不太熟悉的普通用户也能轻松上手。通过阅读本书，读者将显著提高自己的生活效率、学习效率和工作效率。
本书为一本关于AI的科普读物。本书通过100个关键知识点，带你全面了解人工智能。本书分为8个部分，主要从AI的概念、核心技术、应用实践、未来发展与挑战、学习资源等角度全方位阐述，方便读者快速、全面了解AI是什么及对我们的生活、工作产生的影响。本书分享的AI相关网站、图书、竞赛等内容非常实用，对于想要学习AI技术、有志将来从事相关工作的读者来说，可以减少自我摸索的时间。
现今，Web3.0这一概念火爆科技圈，互联网的发展也将迎来新变革。过去，网络只是我们在现实生活中的辅助工具。现在，在这个虚拟世界丰盛的时代，人们的交流方式、消费活动甚至赚钱方法都发生了巨大变化。 本书基于这个时代背景，使用丰富的插图和案例，让你轻松读懂Web3.0。作者从虚拟货币、NFT、DeFi、DAO等新结构和新服务，阐释Web3.0给商业模式的发展带来了怎样的影响，让读者可以在Web3.0时代里大展宏图。
不理解大模型工作原理，看不懂深度学习的公式，你也可以用好人工智能(AI)工具。 以ChatGPT为代表的AI工具的持续更新与突破，让我们看到了AI处理枯燥工作、提升工作效率的巨大前景。但要想驾驭好AI工具，我们不仅需要掌握AI工具的有效使用方法，还需要具备一些底层能力。 本书主要解决3个问题：一是什么是AI,二是怎么用好AI工具，三是怎么找到适合自己的AI落地场景。此外，本书还介绍了AI工具的高级用法，包括联动多款AI工具解决复杂任务等。 本书用一个个具体的案例，帮助读者掌握ChatGPT等AI工具的使用方法，迁移使用AI落地场景，从而逐步了解提升学习力、时间管理能力、效率等底层能力的方法与思维。 本书适合想了解AI工具的读者阅读，尤其适合想利用AI工具提升学习力、效率的读者。
本书以探索之旅的形式，从在浏览器中输入网址开始，一路追踪了到显示出网页的内容为止的整个过程，以图配文，讲解了网络的全貌，并重点介绍了实际的网络设备和软件是如何工作的。目的是帮助读者理解网络的本质意义，理解实际的设备和软件，进而熟练运用网络技术。同时，专设了“网络术语其实很简单”专栏，以对话的形式介绍了一些网络术语的词源，颇为生动有趣。 本书图文并茂，通俗易懂，非常适合计算机、网络爱好者及相关从业人员阅读。
《图解网络硬件》详细介绍了网络硬件的相关知识。在对硬件设备、相关技术及规范详尽考据的同时，侧重实践，重点介绍了在实际网络建设工程中使用的硬件设备，辅以丰富的图例，使网络硬件的真实情况一目了然，并深入浅出地解释了复杂的网络术语，因此对于想了解实际网络设备的读者来说是不可或缺的参考资料，也可作为大学课程《计算机网络》的扩展读物。《图解网络硬件》还介绍了大量非思科设备和数据通信领域的知识，对于学习CCNA、CCIE等的读者和相关工程技术人员也很具有参考价值。
本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。本书包含4个部分：第一部分为机器学习基础，介绍了机器学习的概念、数学基础、思想方法和简单的机器学习算法；第二部分为参数化模型，讲解线性模型、神经网络等算法；第三部分为非参数化模型，主要讨论支持向量机和决策树模型及其变种；第四部分为无监督模型，涉及聚类、降维、概率图模型等多个方面。本书将机器学习理论和实践相结合，以大量示例和代码带领读者走进机器学习的世界，让读者对机器学习的研究内容、基本原理有基本认识，为后续进一步涉足深度学习打下基础。本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。
