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。

本书前半部分介绍强化学习的重要思想和基础知识，后半部分介绍如何将深度学习应用于强化学习，遴选讲解了深度强化学习的最新技术。全书从最适合入门的多臂老虎机问题切入，依次介绍了定义一般强化学习问题的马尔可夫决策过程、用于寻找最佳答案的贝尔曼方程，以及解决贝尔曼方程的动态规划法、蒙特卡洛方法和TD方法。随后，神经网络和Q学习、DQN、策略梯度法等几章则分别讨论了深度学习在强化学习领域的应用。本书延续 鱼书 系列的风格，搭配丰富的图、表、代码示例，加上轻松、简明的讲解，让人循序渐进地理解强化学习中各种方法之间的关系，于不知不觉中登堂入室。

9787115630940 做好课题申报：AI辅助申请书写作 69.80 9787115632784 高效写论文：AI辅助学术论文写作 69.80 《做好课题申报：AI辅助申请书写作》 申报课题是高校教师和科研工作者十分重要的工作内容。 本书采用倒金字塔思路，对课题申请书进行了拆解，并系统介绍了如何利用 AI 辅助做好课题申报工作。本书第一章对课题申报进行了概述，分别介绍了各级别课题的申报公告和申请书及活页。第二章～第十二章分别介绍如何利用 AI 辅助开展课题申报的具体工作，主要有寻找选题、分析课题立项选题，以及课题论证相关部分的写作，包括研究背景写作、学术史梳理及研究动态写作、研究价值写作、阐释研究对象与框架思路写作、课题的重点难点写作、主要目标写作、研究计划及其可行性写作、其他部分写作。本书讲解全面、细致，并采用案例直观展示，方便读者学习。 《高

本书通过Python示例介绍人工智能技术在金融数据分析中的应用。你将了解如何运用神经网络、强化学习等深度学习技术预测金融市场。本书分为六大部分。部分介绍人工智能算法的核心概念，包括监督学习和神经网络，并描绘超级人工智能愿景。第二部分讨论机器学习技术在金融市场中的应用。第三部分更进一步，讨论如何利用神经网络和强化学习技术解决金融市场中的统计失效问题。第四部分详述如何利用算法交易解决统计失效问题。第五部分展望未来，探讨人工智能会如何改变金融业。第六部分给出以Python实现的神经网络，可用于时间序列预测。

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。

人工智能时代，数字数据的爆炸式增长推动了人们对使用机器学习(ML)的交易策略相关知识的需求。《机器学习在算法交易中的应用(第2版)》就以Python为基本工具，从全局、战略的视角介绍了相关的概念，以及机器学习在交易策略设计和执行中的价值及实践运用。全书分4部分，其中第1部分主要介绍基于机器学习的交易策略的基础知识，该部分内容围绕机器学习算法以及交易策略相关的数据展开，概述了如何有效捕获数据信号内容、如何准确提取特征，以及如何基于这些数据优化算法评估投资组合。第2部分重点阐述了在端到端工作流环境中，一些基本的监督学习、无监督学习是如何为交易策略的制定提供帮助的。第3部分是自然语言处理，这部分引入了无监督学习算法，力求从文本数据这种关键的另类数据中高质量地提取信号。第4部分通过TensorFlow和PyTorch,重点介绍深

本书适合任何想要深入了解深度学习这个迷人领域的人，您不需要具备高级数学和编程知识就可以掌握其根本原理。如果您想知道这些工具是如何工作的，并学会自己使用它们，答案尽在书中。而且，如果您已经准备好编写自己的程序，那么随附的Github存储库中还有大量补充的Python笔记本可以帮助您。 本书讲解语言通俗易懂，包含大量的的彩色插图和具有启发性的类比，以及丰富的现实世界的例子，深入地地解释了深度学习的关键概念，包括: 文本生成器如何创建新颖的故事和文章。 深度学习系统如何在人类游戏中学习游戏并获胜。 图像分类系统如何识别照片中的物体或人。 如何以对日常生活有用的方式思考概率。 如何使用构成现代人工智能核心的机器学习技术。 各种各样的智力冒险家都可以使用本书中涵盖的强大思想来构建智能系统，帮助我们更好地理

《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。

本书聚焦通用人工智能的学科内涵与发展趋势，以一套基于 能力与价值双系统 的通用人工智能认知架构与测试模式为核心，梳理形成 一个定义、两个完备性、三个特征、八个关键问题 的理论框架。 本书共6章，从人工智能的历史、内涵与哲学基础切入，依次介绍通用人工智能的定义与特征、测试与评级、训练与测试平台，以及TongAI理论框架，最后给出对发展通用人工智能的建议。本书既有助于科技领域的管理者和投资者提纲挈领，把握前瞻性科技目标，也可为专业研究人员提供通用人工智能标准、评级、测试、架构的参照系与发展指南。同时，本书还可供希望了解通用人工智能基本概念与关键问题的大众读者参考。

[内容简介]《为机器立心》每每站在 命运的十字路口，我们总会听到来自历史的叩问。无论是“李约瑟难题”“钱学森之问”“杨振宁三问”，还是 的人工智能“中国之问”，都考验着我们 战略方向的确立和科学家的使命感。要交出一份满意的答卷，就要走出一条属于我们自己的路，一条底层逻辑自主可控的创新之路，走人工智能与人类价值观对齐的创新之路，走不随大流、坚信人工智能的“中国时代”必将到来的创新之路。 《为机器立心》的主题是迈向通用人工智能的中国路线，让AI不再缺“心”，点亮人工智能的“中国时刻”。在书中，朱松纯教授解答了什么是通用人工智能、如何认清智能的本质、如何为人工智能找到统一理论与认知架构，进而为机器立“心”等重要问题。全书共分为两大部分。 部分“厘清通用人工智能的3大关键迷思”：ChatGPT等大模型

用监督学习回归模型开发算法交易策略和衍生品定价模型。 用监督学习分类模型预测信货违约概率，检测欺诈行为。 用降维技术解决投资组合管理和收益率曲线构造问题。 为实现交易策略和管理投资组合，用降维和聚类技术寻找相似资产。 用强化学习模型和技术开发交易策略、衍生品对冲策略，管理投资组合。 用NLTK和scikit-learn等Python库解决金融领域自然语言处理问题。

本书聚焦通用人工智能的学科内涵与发展趋势，以一套基于“能力与价值双系统”的通用人工智能认知架构与测试模式为核心，梳理形成“一个定义、两个完备性、三个特征、八个关键问题”的理论框架。 本书共6章，从人工智能的历史、内涵与哲学基础切入，依次介绍通用人工智能的定义与特征、测试与评级、训练与测试平台，以及TongAI理论框架，*给出对发展通用人工智能的建议。本书既有助于科技领域的管理者和投资者提纲挈领，把握前瞻性科技目标，也可为专业研究人员提供通用人工智能标准、评级、测试、架构的参照系与发展指南。同时，本书还可供希望了解通用人工智能基本概念与关键问题的大众读者参考。

本书通过对 Stable Diffusion 功能和设计思路的讲解并运用大量的实际案例，展示了如何利用 AI 技术为设计师提供稳定且高效的创作支持，以及如何打破传统的创作限制，拓展设计思路，从而解决读者使用 StableDiffusion 在各行业中实操和变现的问题。通过阅读本书，读者可以了解并掌握 AI 绘画的原理、方法和技巧，提升绘画工作效率，为职业发展赋能。

《机器学习 深度学习图像识别从基础到案例实战》一书用大量的图形图像，结合Python代码介 绍了人工智能领域图像识别的相关知识。全书共3部分，其中第1部分介绍了基础知识及相关工具如 Python、Jupyter Nobebook和NumPy、Matplotlib等软件库的使用方法；第2部分主要借助TensorFlow、 PyTorch、Keras、Chainer、scikit-learn等工具实现了16个不同层次的图像识别案例，如Iris数据集分类、 手写数字识别、人物检测等，助力提升读者实战水平；第3部分介绍了基于Python的面向对象编程知 识和如何用Python建立Web服务器。本书浅显易懂，特别适合作为大中专院校相关专业的参考书，也 适合想通过Python系统学习机器学习和深度学习、用Python进行图像识别的入门参考书。

佐尔坦 索莫吉，比利时人，机器学习与人工智能、业务改进与简化、创新、数字转换、商业智能领域的专家、资深经理。比利时鲁汶大学博士，比利时弗拉瑞克商学院工商管理硕士、匈牙利布达佩斯技术与经济大学硕士。 杨勇，武警警官学院信息通信系主任、教授、博士。长期从事指挥与控制、人工智能和兵棋的教学与研究。承担和主研国家自然科学基金3项，省部级项目30余项。 徐磊，武警警官学院信息通信系副教授、硕士。长期从事作战模拟的教学与研究。承担和主研国家自然科学基金1项，省部级项目20余项。 史洋，武警警官学院信息通信系作战模拟与仿真教研室讲师、硕士。长期从事指挥信息系统工程，人工智能和兵棋推演的教学与研究工作。

本书循序渐进地阐述了多模态大模型的核心开发技术与应用实战的知识。全书共10章，分别讲解了多模态技术概述、多模态模型与框架、多模态数据处理、多模态表示学习、多模态嵌入表示、多模态大模型的训练、多模态大模型的评估与验证、基于多模态大模型的翻译系统、基于多模态大模型的音视频广义零样本学习系统、基于Diffusion Transformer的文生图系统。全书简洁而不失技术深度，内容丰富全面，案例翔实，以通俗易懂的文字介绍了复杂的知识体系，易于阅读，是学习多模态大模型开发的实用教程。 本书适用于已经了解了Python语言基础语法，想进一步学习大模型开发、自然语言处理、计算机视觉处理、机器学习、深度学习技术的读者，还可以作为各类院校相关专业师生的学习用书和培训学校的教材。

本书的主要内容有：了解机器学习术语背后的数学知识。探究机器学习和神经网络的基础。管理网络加深过程出现的问题。搭建神经网络，分析复杂图像。用自编码器高效降维。深入序列分析，用其研究语言。探讨复杂机器学习模型的解释方法。收获生成建模的理论和实用知识。理解强化学习的基础。

目前，AI 技术已经广泛应用于我们工作生活中的各个领域。进入人工智能2.0时代后，AIGC技术（生成式人工智能）发展迅速，通过该技术可以自动生成文章、图像、音视频等。《AI绘画101例 小白上手宝典（全彩?视频版）》就以案例的形式介绍了该技术的一个重要分支 AI绘画，也就是通过使用了机器学习、深度学习等算法的AIGC技术让计算机自动生成图像。 《AI绘画101例 小白上手宝典（全彩?视频版）》共10章，其中在第1章介绍了 Midjourney、Stable Diffusion、文心一格等当前比较流行的AI绘画软件，其余9章则分别介绍了各软件在不同场景下的实际应用，如头像、壁纸、美图、宣传设计、广告设计、装帧设计、界面设计、产品设计、建筑及家居设计等。全书设计了100多个案例，每个案例都提供了多种可替换的关键词，读者只需将案例中的可替换关键词进行替换，即可变换出

本书共分为 8 章，主要内容包括与人工智能相关的数学知识，Python 语言所特有的语法和技巧，Docker 模型透明无缝地发布的实现，业界优秀的 Git 代码版本管理工具，模型开发环境的配置，高级人工智能开发工程师常用的 IDE 开发工具，经典神经网络模型的剖析和分解，RPC 远程调用的实现，训练样本的序化组织结构TFRecord，模型的训练、保存和封装发布，模型训练的 GPU 配置和机制策略的部署，模型从训练到发布的完整示例等。