内容简介对于我们每个普通人而言，核心的AI能力不是写作不是绘画，也不是编码，而是AI Agent设计！这是一本能帮助每个人轻松构建从提示词编写到AI Agent设计完整知识体系的实战指南，由LangGPT社区的的创始人等几位国内提示词编写和AI Agent设计领域的领军人物撰写，得到了硅基流动创始人袁进辉、润米咨询创始人刘润、通往AGI之路创始人AJ等众多行业专家的高度评价。设计AI Agent，提示词是关键。本书首先详细介绍了提示词的原理、编写提示词常用的6种方法，以及被奉为圭臬的结构化提示词方法论，旨在为读者深入使用各类AI助手和设计AI Agent打下坚实基础。然后系统讲解了AI Agent的工作原理、主流平台、设计模式、设计方法和流程，配有大量案例和最佳实践。本书具有以下特色： 零基础入门：不需要编程经验，人人都能看懂的AI智能体设计指南。 实用案例丰富：

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

《高效使用Deepseek：探索AI时代的未至之境》是一本关于如何高效使用DeepSeek智能助手的实用指南。书中详细介绍了DeepSeek的各项功能和使用技巧，内容涵盖了从基础的操作教程到高级的办公自动化、知识管理、智能助手应用等方面，帮助读者深入理解和掌握这一AI工具。本书的目的不仅是向用户展示DeepSeek的功能，更重要的是教会他们如何将其应用到实际的生活和工作中，从而提升工作效率和学习能力。 《DeepSeek使用指南：全场景职业应用实践》全面介绍了DeepSeek这一AI工具在多个职业场景中的应用方法和技巧，重点帮助读者在实际工作中提升生产力和创造力。书中通过深入浅出的方式，介绍了如何使用DeepSeek进行文本创作、数据分析、决策支持等工作，内容包括从基础指令到复杂任务拆解，再到行业专用的场景应用，具有很高的实用性和操作性。 《DeepSeek使用指南

AI已成为职场的入场券，你准备好了吗？ 这是一本面向所有职场人的AI助手使用指南，它以流行的豆包为工具，从实战的角度讲解了如何借助AI大幅提升工作效率和激发创新能力。本书凝聚了LangGPT社区核心AI专家的丰富实战经验和方法论，得到了豆包官方字节跳动旗下的火山引擎开发者社区，以及秋叶等多位办公和AI领域专家的高度认可。 工欲善其事，必先利其器。本书首先从一个行家的视角全面介绍了豆包、豆包内置应用、豆包浏览器插件的功能和使用方法，为读者打下AI基础；然后，详细讲解了LangGPT社区自创的提示词编写原则、思维方法，以及7种好用的结构化提示词框架，为你构建好通往AI世界的桥梁。 授人以渔，本书针对文本创作、绘图、数据处理、信息收集与获取、撰写会议材料、做计划、写总结、文献阅读、论文写作、公文写作、项目管理、爆款文案写

内容简介 这是一本全方位讲解如何利用AI工具为HR赋能的著作，是AI时代HR提升职场竞争力的实战指南。作者基于深厚的HR管理经验和AI实战经验，通过科学的方法、高效的提示词、丰富的案例、清晰的步骤，细致地讲解了如何利用 AI 工具提高工作效率、优化管理流程、提升人才管理水平。 从AIGC的基础知识到AI工具的使用，从AI在人力资源全生命周期所有场景中的应用到使用AI的风险防控，本书全面系统地讲解了HR需要掌握的全部AI知识。具体地，读完并学会本书，读者将能掌握以下知识： （1）AIGC的基础知识以及ChatGPT、Kimi、文心一言等AI工具的使用方法； （2）AIGC在人力资源领域的价值和应用挑战，以及HR的AI能力模型； （3）针对人力资源的提示词方法和技巧； （4）AI辅助HR的日常工作，包括职场文案、项目管理、制度撰写、流程管理等场景； （5）AI辅助人力资源

本书重点阐述机器人系统动力学和控制的基本原理，并展示了如何计算和使用分析工具（如matlab、mathematica和maple）来进行机器人系统设计。

本书旨在帮助没有任何人工智能技术基础的工程师们全面掌握AIGC的底层技术原理，以及大语言模型、扩散模型和多模态模型的原理与实践。本书的核心价值是，首先为想学习各种大模型的读者打下坚实的技术基础，然后再根据自己的研究方向展开深入的学习，达到事半功倍的效果。通过阅读本书，您将学习如下内容：（1）AIGC技术基础深入了解神经网络的基础知识，包括卷积神经网络和循环神经网络的原理与应用。并通过学习神经网络的优化方法，您将掌握如何优化和提升神经网络的性能。 （2）图像生成模型包括从自动编码器（AE）、变分自编码器（VAE）、生成对抗网络（GAN）等图像生成模型。通过学习优化方法，如WGAN、WGAN-WP、StyleGAN等，您将掌握如何提高图像生成模型的质量和稳定性。同时，了解图像生成模型的应用，如迁移学习、风格迁移等，让您轻松实现

注意 作为一切思维活动的起点，一直是哲学、心理学和认知神经科学的重点研究对象。随着计算机技术的发展，人类对注意力机制的模拟和应用成为计算机科学领域的热点研究方向 让计算机能够具有类似人类的注意力机制，使其能够有效地应用于对数据的理解和分析。Transformer模型诞生后，注意力机制在人工智能各大重要领域的研究和应用更是如火如荼，成果丰硕。 《人工智能注意力机制：体系、模型与算法剖析》从注意力机制这一重要角度入手，阐述注意力机制的产生背景和发展历程，通过详实的理论剖析，以深入浅出的方式着重介绍注意力机制在计算机视觉、自然语言处理，以及多模态机器学习三大人工智能方向中的应用思路、模型与算法。 《人工智能注意力机制：体系、模型与算法剖析》以人工智能相关专业研究人员，特别是计算机视觉与自然语言处理

这是一本能指导读者快速掌握PyTorch和深度学习的著作，从PyTorch的原理到应用，从深度学习到强化学习，本书提供了全栈解决方案。 第1版上市后销量和口碑俱佳，是深度学习领域的畅销书，被誉为PyTorch领域的标准著作。第2版在第1版的基础上，去芜存菁，与时具进，根据PyTorch新版本全面升级，技术性、实战性、针对性、丰富性、易读性均得到了进一步提升，必定能帮助读者更轻松、更高效地进入深度学习的世界。 全书一共19章，在结构上分为三大部分： 第1部分（第1~4章） PyTorch基础 首先有针对性地讲解了Python和PyTorch的基石NumPy中的关键知识，然后详细讲解了PyTorch的基础知识、神经网络工具箱和数据处理工具箱等内容，帮助读者快速了解和掌握PyTorch。 第二部分（第5~10章） 深度学习基础 依次讲解了机器学习、视觉处理、自然语言处理、注意力机制、目标检测、

这是一本从技术与管理角度全景式介绍智能汽车电子与软件的著作，涵盖行业背景、组织架构、项目管理、开发方法、系统集成、流程体系、人员搭建、核心标准、开发工具链、痛点及展望等核心内容。本书是作者在博世等头部Tier 1与OEM企业10余年技术与管理经验总结，得到了来自华为、腾讯、广汽、长城、极氪、蔚来、小鹏等20余家车企和机构的25位专家高度评价和推荐。 第1章从行业发展的里程碑、技术演变、行业格局、安全问题、量产落地、传统汽车与互联网的融合等角度阐释了汽车行业的特点，有助于读者理解软件在汽车行业落地与深化时碰到的一些现象或问题。 第2章从Tier 1与OEM的组织模式特点及软件所处位置开始，引出组织变化与融合的趋势，并以软件质量为例提出了软件体系进入汽车企业的路径，为读者提供参考思路。 第3章从汽车软件全生命周期和

本书由来自日本的三位机器人专家撰写，主要讲解仿人机器人的分析、设计和控制中使用的模型。首先介绍仿人机器人领域的发展历史，总结当前的先进成果。接下来介绍运动学、静力学和动力学相关的理论基础，并对双足平衡控制方法进行了综述。然后讨论多指手机器人、双臂机器人和多机器人系统的协作物体操作的模型和控制算法。之后介绍仿人机器人的运动生成和控制，以及这些技术的应用。 后介绍仿真环境，并提供使用基于MATLAB的模拟器进行动力学仿真的详细步骤。本书要求读者具备一定的背景知识，适合进阶阶段的研究人员阅读。

这是一本讲解如何用ChatGPT、Github Copilot X、Cursor等主流AIGC工具优化和提升软件开发全流程效率和质量的实战性著作。 全书以软件开发的流程位主线来组织内容，详细讲解了程序员、架构师、项目经理、产品经理、技术团队管理者们如何在技术方案构建、需求文档撰写、代码编写与注解、客户端开发、前端开发、后端开发、测试和调试、性能优化、疑难问题解决、产品设计、软件架构与设计、应试与面试12个主题充分发挥AIGC工具的潜能，在提高研发效率和质量的同时，提升自身的实力。 AIGC工具在软件研发12个主题的使用方法，全部以实战项目案例的方式展开讲解，有具体的工程化思路，也有可复用的提示词，还有对使用经验的总结和注意事项的提醒。只要跟着本书的案例实操一遍，就能顺利跃迁为AI时代的新程序员，与AI共同进化，成为不被AI淘汰的人。

本书从原理和实战两个方面介绍了强化学习。原理方面，深入介绍了主流强化学习理论和算法，覆盖资格迹等经典算法和MuZero等深度强化学习算法；实战方面，每章都配套了编程案例，以方便读者学习。 全书从逻辑上分为三部分。 第1章：从零开始介绍强化学习的背景知识，介绍环境库Gym的使用。 第2～15章：基于折扣奖励离散时间Markov决策过程模型，介绍强化学习的主干理论和常见算法。采用数学语言推导强化学习的基础理论，进而在理论的基础上讲解算法，并为算法提供配套代码实现。基础理论的讲解突出主干部分，算法讲解全面覆盖主流的强化学习算法，包括经典的非深度强化学习算法和近年流行的强化学习算法。Python实现和算法讲解一一对应，还给出了深度强化学习算法的TensorFlow和PyTorch对照实现。 第16章：介绍其他强化学习模型，包括平均奖励模型、

本书以有趣的案例和深入浅出的语言，直击AI的底层运行逻辑与核心原理，勾勒人工智能的全貌，以便读者掌握AI技术要点，打通AI的各种技术壁垒，厘清不易察觉的 认知错误 ，从而更好地认识正在运转的神秘AI世界。 本书共9章，逻辑上分为三部分。 第1～3章是人工智能的基础理论，通过生动、有趣的讲解，让读者知道支撑AI的基础学科如何起作用：如何基于统计学和概率论找到应对不确定性的有效方法与解题思路；如何基于数据统计的基础知识与原理避开数据 陷阱 ，给出谨慎的主观结论；如何从数学视角理解信息的处理模型。 第4～7章讨论人工智能的核心技术 数据、算法、算力，详细介绍大数据是如何处理的，如何通过机器学习算法和深度学习算法让机器正确认识数据间的关联与规律，以及如何通过算力整合与软件协作实现更高效的智能。 第8～9章探讨一

本书是关于迁移学习的基础、方法、技术和应用的一本书。内容分成两个部分：第壹部分介绍了迁移学习的基础。第二部分涵盖了迁移学习的许多应用领域。迁移学习解决的是学习系统如何快速地适应新场景、新任务和新环境。其研究涉及科学和工程的许多领域，包括人工智能、算法理论、概率和统计等。本书是一本供经验丰富的机器学习研究人员和应用程序开发人员使用的参考书。

内容简介 这是一本从原理、算法、实现、应用4个维度详细讲解图神经网络的著作，在图神经网络领域具有重大的意义。 本书作者是图神经网络领域的技术专家，作者所在的公司极验也是该领域的领先者。本书是作者和极验多年研究和实践经验的总结，内容系统、扎实、深入浅出，得到了白翔、俞栋等几位来自学术界和企业界的领军人物的高度评价和强烈推荐。 全书共10章： 第1～4章全面介绍了图、图数据、卷积神经网络以及表示学习等基础知识，是阅读本书的预备知识； 第5～6章从理论的角度出发，讲解了图信号处理和图卷积神经网络，深入剖析了图卷积神经网络的性质，并提供了GCN实现节点分类的实例。 第7～9章全面的讲解了图神经网络的各种变体及范式、图分类机制及其实践，以及基于GNN的图表示学习； 第10章介绍了图神经网络的*新研究和应用。

本书讲解了经典的高级机器学习算法原理与知识，包括常见的监督学习、无监督学习、概率图模型、核方法、深度神经网络，以及强化学习等内容，同时更强调动手实践。所有算法均利用PyTorch计算框架进行实现，并且在各章节配备实战环节，内容涵盖点击率预估、异常检测、概率图模型变分推断、高斯过程超参数优化、深度强化学习智能体训练等内容。 本书附赠所有案例的源代码及各类学习资料来源，适合具有一定编程基础的人工智能爱好者学习，也是相关从业者和研究人员的学习指南。

本书是关于在MATLAB中使用实例进行机器学习的综合指南。书中概述了人工智能与自动控制的历史；回顾了用于机器学习的商用软件包，并展示了它们如何应用于该领域；接着展示了如何使用MATLAB来解决机器学习问题，以及如何利用MATLAB图形技术来增强程序员对机器学习结果的理解。 本书随书提供了机器学习中若干重要问题的MATLAB完整解决方案，包括飞行控制、人脸识别、自动驾驶。书中所有的示例和应用程序都提供了完整的源代码。 机器学习包含大量的数学概念与理论解释。书中以清晰简洁的方式介绍了其中每个领域的数学知识，即使是并不经常接触数学理论的读者也可以轻松理解。工程领域的读者会看到这些数学知识与他们已经了解的领域技术之间的密切联系，并将学习到新的技术。 本书主要内容： 如何使用MATLAB构建机器学习应用 适用于机器学习的MATLAB

内容简介 这是一本深入阐述ChatGPT等大模型的工作原理、运行机制、架构设计和底层技术，以及预训练、迁移、微调和中间件编程的著作。它将帮助我们从理论角度全面理解大模型，从实践角度更好地应用大模型，是作者成功训练并部署大模型的过程复盘和经验总结。 第1章介绍了ChatGPT等大模型的发展历程、技术演化和技术栈等基础知识； 第2~5章深入讲解了Transformer的架构原理，并从GPT-1的生成式预训练到GPT-3的稀疏注意力机制详细描述了GPT系列的架构演进； 6~8章从底层技术实现的角度讲解了大语言模型的训练策略、数据处理方法，以及如何利用策略优化和人类反馈来进一步提升模型的表现； 第9~10章首先详细讲解了大语言模型在垂直领域的低算力迁移方法，并给出了医疗和司法领域的迁移案例，然后讲解了大模型的中间件编程； 第11章对GPT的未来发展趋势进行预