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。

DeepSeek 是一种基于 Transformer 架构的生成式 AI（Artificial Intelligence）大模型，融合了MoE 架构、混合精度训练、分布式优化等先进技术，具备强大的文本生成、多模态处理和任务定制化能力。本书系统性地介绍了开源大模型 DeepSeek-V3 的核心技术及其在实际开发中的深度应用。 全书分三部分共12章，涵盖理论解析、技术实现和应用实践。第一部分从理论入手，详细解析了Transformer 与注意力机制、DeepSeek-V3 的核心架构与训练技术等内容，并探讨了 Scaling Laws 及其在模型优化中的应用。第二部分聚焦于大模型初步体验、开放平台与API 开发、对话生成与代码补全的实现，以及函数回调与缓存优化（Visual Studio Code），帮助读者快速掌握关键技术的基础理论和落地实践。第三部分则通过实际案例剖析DeepSeek在Chat类客户端、智能 AI 助理、VS Code编程插件等多领域中的实用集成开发，

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

《立心之约 中学生AI微课十讲》是关于人工智能（AI）是什么、研究什么及其应用与发展现状的科普读物，分十讲进行编写：第一讲，人工智能的现状、趋势与战略；第二讲，机器眼中的大千世界 计算机视觉；第三讲，语言与机器的火花碰撞 自然语言处理；第四讲，认知科学与AI世界的邀约 认知推理；第五讲，机器自我成长进步 机器学习；第六讲，未来生活离不开的伙伴 智能机器人；第七讲，机器世界不孤单 多智能体；第八讲，机器生活的世界 物理世界仿真模拟；第九讲，舞动科技的音符 人工智能音乐；第十讲，人工智能在北大。 《立心之约 中学生AI微课十讲》可作为人工智能的的科普读物，也可作为中学校本课教材或大学通识教育课教材。

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

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.

当前，人工智能作为一项引领未来的颠覆性战略技术，已在经济、军事、社会等各领域广泛用，成为世界各国科技竞争和战略布局的重中之重。本书以人工智能的“起点、拐点、奇点、看不见的终点”为线，突出认知新思维、技术新发展、应用新构想，从人工智能前世今生、思维方法、大模型、机器学习、感知认知、人机交互、脑科学、机器人，以及无人智能作战和未来发展等多维度、多层次、多领域进行全面深入剖析。

本书是媒体从业者结合自身实践经验编写的AIGC实操手册，帮助读者尤其是媒体从业者从专业角度掌握复杂技术世界中的运行法则，塑造先进的媒介技术观，深入了解并合理使用AIGC。 全书内容涵盖AIGC的基础概念、实践案例、项目管理、风险管理等方面，分五大部分：第一部分为AIGC理论简述；第二部分对目前国内主流大模型的使用场景与案例进行了梳理和展示；第三部分着眼媒体项目规划、资源分配、团队协作等方面，详细介绍在媒体生产传播和运营中应用AIGC的实操方法与工作流程；第四部分归纳分析了AIGC在媒体应用中可能存在的风险点；第五部分对AIGC的未来发展与应用进行展望。

在科技迅猛发展的今天，生成式人工智能不仅在创意产业、商业领域和教育系统中发挥着越来越重要的作用，也正在改变人们的生活和工作方式。《AIGC极简入门》以简明易懂的方式介绍AIGC的基本概念和原理，同时精选了多个实用案例，详细讲解如何在实际工作和生活中应用AIGC技术，帮助读者将知识转化为实际操作的能力。

人工智能、区块链与大数据等信息技术深刻塑造着当代社会，全球法正在发生范式意义的演变。法律和科技的关系经历重大转变。社会沟通的信息化、知识化与数据化，为法律的代码化、算法化和学习化转型提供了条件。全球数字寡头在新型法律平台重构并主导信息的生产与分配过程，商业、权力与技术形成复杂纠葛，进而带来一系列潜在风险。在新的人工智能时代，中国必须调整法律战略思维，在法律部门重构、群体利益平衡、全球规则主导三个层面加强规划意识。 本书在社会理论和全球法视野下重新审视数字革命与法律变迁的关系，从社会系统论、法律全球化、数字法等多重理论视角立新。本书是我国法学界一部讨论人工智能、信息革命和全球法变迁的学术专著，对此问题的深入研究具有重要的理论与实践意义。

在清华大学社会治理与发展研究院、清华大学智能社会治理研究院、清华大学社会科学学院主办的以 智治 善治 质治：智能社会治理与中国式现代化新征程 为主题的第五届中国社会治理与发展高层论坛上重磅首发的国家顶层智库研究成果，内容详实，可读性，可操作性极强！ 本书立足当代中国现代化进程中所面临的新科技革命、第四次工业革命和新全球化 多重叠加 的时代背景，对给现代社会带来深刻变革的新兴技术：人工智能技术、信息技术、区块裢技术等进行了理论、案例及对策等多维度研究，聚焦新兴科技发展尤其是人工智能、区块链技术等给社会治理、国家治理领域带来的新议题、新挑战，对社会治理社会化、法治化、智能化、专业化等 四化 的政策意涵进行了深入解读。本书首先从文明演进视域中的技术、社会和现代性重构、新科技革命与社会治理现

我们一起探讨如何将 AI思维转化为实际行动。从战略决策到管理优化，再到经营创新， AI思维为我们提供了一套全新的工具和方法论。通过这些章节的学习，我们发现，原来 AI并非遥不可及，它早已融入我们的日常生活和工作，成为推动社会进步的重要力量。 在商业落地部分，我们重点关注了 AI思维的商业应用。从 AI产品的设计与开发，到智能场景的应用与拓展，再到商业模式的创新与重构，我们深度探讨了如何通过 AI技术赋能千行百业，重塑未来商业新世界。这些章节不仅展示了 AI技术在不同领域中的应用效果和价值，更为读者提供了有益的启示和借鉴，激发了在各自领域中创业创新的灵感和动力。 在这个日益由数据驱动的时代，AI已经成为科技领域的一颗耀眼的明星，其影响力遍及各个行业。AI技术的飞速发展，不仅是算力和数据量的增长，更是基于对AI

.ChatGPT作为人工智能领域的一大进步，引起了热议，其强大功能的背后离不开大模型的支持。大模型指的是参数规模超过千万的机器学习模型，主要应用于语音识别、计算机视觉等领域。 本书聚焦大模型，对大模型的技术场景和商业应用展开详细叙述。本书主要从典型应用ChatGPT入手，探寻其背后支撑大模型的魅力。首先，本书对大模型的基础概念、产业格局、带来的新型商业模式进行讲解，展现了大模型的发展现状和商业化潜力。其次，本书从数据服务、智能搜索、办公工具、对话式AI、休闲娱乐、生产制造、智慧营销、智慧城市等方面讲述了大模型的诸多应用场景，并阐述了大模型在这些领域的应用现状、应用潜力、企业探索实践等。 本书内容丰富，理论与实践案例结合，能够为对大模型感兴趣的企业管理者、创业者、投资者等深入研究大模型提供指导。

《AI处理器硬件架构设计》基于当前工业界主流的设计规格，详细介绍了AI处理器硬件架构及微架构的设计原理，并配有对应的工程经验总结与产品实例分析。本书主要内容包括：业界主流AI处理器架构及基础背景知识（第1章）；AI处理器指令集设计与硬件架构总体设计（第2、3章）；核心计算单元，即向量处理单元、矩阵处理单元、标量处理单元的微架构设计实现（第4~6章）；数据搬运单元与存储系统设计（第7、8章）；AI处理器设计实例剖析（第9章）。 《AI处理器硬件架构设计》可作为从事AI处理器相关研发工作的专业人员的参考书，也可用作高等院校计算机、集成电路相关专业研究生、高年级本科生的教材和参考书，还可供对AI处理器设计感兴趣的读者自学。

本书将帮助读者：学习如何理解因果推断的基本概念。将业务问题定义为因果推断问题。理解偏差如何干扰因果推断。学习因果效应如何能够因人而异。将相同客户不同时间的观测用于因果推断。在随机化不可行的时候利用地理和回溯实验。检验非遵从性偏差和效应稀释。

多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）是机器学习中的一个领域，研究多个智能体如何在共享环境中学习最优的交互方式。这一领域在现代生活中有着广泛的应用，包括自动驾驶、多机器人工厂、自动化交易和能源网络管理等。 本书是一部系统阐述多智能体强化学习理论与技术的权威著作，清晰而严谨地介绍了MARL的模型、解决方案概念、算法思想、技术挑战以及现代方法。书中首先介绍了该领域的基础知识，包括强化学习理论和算法的基础、交互式博弈模型、博弈中的不同解决方案概念以及支撑MARL研究的算法思想。随后，书中详细介绍了利用深度学习技术的现代MARL算法，涵盖集中训练与分散执行、价值分解、参数共享和自博弈等思想。本书还附带了一个用Python编写的MARL代码库，其中包括自包含且易于阅读的MARL算法实现。 本书技术内容以易于理解

随着软件开发领域的不断演进，对智能化和确定性的需求日益凸显。为满足这一迫切需求，本书将焦点聚集在低代码与人工智能的融合上，提出了低代码 AI模式，旨在为软件开发引入全新的范式。通过深入探讨低代码平台和人工智能的发展历程，本书致力于引导读者进入结合人工智能技术的低代码软件开发新时代。本书系统整合了低代码和人工智能领域的知识，提出了创新性的低代码 AI模式。通过详细讨论各个环节中AI的应用，为软件开发领域引入更高效、更可靠的新范式。这一新兴范式在学术研究和实际应用中具有重要意义，为读者提供深刻认识和实际指导。本书主要面向软件开发领域的专业人士、学生以及对低代码和人工智能结合应用感兴趣的科技爱好者。

《DEEPSEEK极速上手：高效做事不内耗》本书本着 不止授人予鱼，更要授人以渔 的写作宗旨，系统性地讲解了大 语言模型 DeepSeek 在人们工作、生活中的革命性应用，从技术原理到案例实践，为读者提供了全栈式的 DeepSeek 应用指南。 全书共 6 章，分别聚焦于 DeepSeek 应用的不同主题，从理论基础到实际操作，再到行业应用，为读者构建了一个完整的知识体系。第 1~2 章从技术演进的角度，深入浅出地介绍 DeepSeek 如何重构人机交互范式，并全面、细致讲解了 DeepSeek的基础操作，为读者快速上手 DeepSeek 打下基础。第 3 章重点介绍了具有独创性的六定模型，这是基于提示工程提出的 DeepSeek 提示词方法论，能帮助读者系统地掌握从简单到复杂的 AI 交互技巧。第 4 章介绍了与 DeepSeek 的深度交互方法，这是基于推理机制、用户意图理解机制、情感交互机制、记忆机制、幻觉机

本书稿具体分为以下几个部分展开对人工智能与教育现代化的论述：一、绪论，即人工智能推动教育变革、对人工智能的反思与追问、人工智能助力实现教育现代化；二、人工智能教育的源与流；三、人工智能与教育现代化的整体化发展；四、人工智能在教育现代化中的理论探索；五、人工智能在教育现代化中的应用探索；六、人工智能在教育现代化的典型案例分析；结语，人的自由全面发展：智能时代教育现代化的根本方向。

自早期以来，神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带入一个全新的方向。在本书中，我们将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。

本书深入探讨了如何使用AI大模型技术全方位优化小程序的开发流程。全书涵盖了从需求分析、系统设计、编码到调试与测试的完整开发过程，强调大模型工具不仅能提升项目的开发效率，还减少了人为错误。既讲解了小程序开发的基础知识，如前端技术栈、云函数、数据库设计等，也介绍了大模型辅助编程方法和开发技巧。本书既可以帮助有经验的小程序开发者通过AI大模型技术提升工作效率，也为编程初学者提供了系统的学习路径，帮助他们快速上手小程序开发。书中案例源码与素材的获取方式见封底。

图可以被用于表示各类对象之间的关系，而图神经网络是指专门用于处理图数据的深度学习模型，可实现对图数据的建模和推断。本书系统地介绍图神经网络的基本原理、常用模型和应用领域等。首先介绍两类最基本的图神经网络方法GCN和GraphSAGE，并给出图神经网络的学习目标、评价方法；其次对图神经网络中常用的模型结构进行深入解析，给出图神经网络在自然语言处理、推荐系统、风险控制等领域的应用，提供PyG和DGL两类图神经网络建模工具；最后探讨和给出几类自适应学习方法以实现图神经网络自适应学习目标。 本书内容丰富、体系完整、难度适中，适合从事图神经网络研究的学者和工程技术人员阅读。