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。
人工智能将从根本上改变企业和社会。本书全面介绍了人工智能技术的基础知识人工智能在零售、医疗保健、能源、运输金融投资等各个行业中的应用，以及人工智能对商业发展的深远影响。作者还提出了人工智能应用框架的三层模型，助力企业打造人工智能发展路线图。
《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。 第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。 本书极具专业性、思想性和趣味性，既适合缺少专业背景的读者了解人工智能的来龙去脉，作为人工智能的启迪之书，也适合专业人士了解人工智能鲜为人知的历史，提供深入学习的指导。
本书是360集团创始人、 红衣大叔 周鸿祎全面解读AI现状、挑战与未来的力作。作者从AI发展的历程、Sora的诞生、AI革命性影响、大模型发展趋势、大模型发展安全、GPT的变革、大模型创业，以及硅基生命对碳基生命的挑战等诸多方面阐述了自己的观点和思考。作者认为，发展AI要跳出产品层面，对企业来讲，要部署一个私有化的通用大模型，并寻找一些特殊的场景，训练垂直大模型，把垂直大模型通过智能体框架同公司的数字化业务相结合；对于个人来讲，无须过分担心AI创新所带来的新挑战，大模型的能力再强大，也依然是一个强有力的生产力工具，不妨用自己的创造力去激发人工智能的创造力。
《互联网大厂推荐算法实战》介绍了互联网大厂当前采用的一些前沿推荐算法，并梳理了这些算法背后的思想脉络与技术框架。 《互联网大厂推荐算法实战》总计10章，内容涵盖了推荐系统的基础知识、推荐系统中的特征工程、推荐系统中的Embedding、推荐系统的各组成模块（包括召回、粗排、精排与重排）所使用的算法技术、推荐算法实践中经常会遇到的难题以及应对之道（其中涉及多任务推荐、多场景推荐、新用户冷启动、新物料冷启动、评估模型效果、定位并解决问题等），最后还用一章的篇幅介绍了推荐算法工程师在工作、学习、面试时应该采取的做法。 《互联网大厂推荐算法实战》既适合推荐系统、计算广告、个性化搜索领域的从业人员阅读，也适合希望从事互联网算法工作的在校学生阅读。
《从掷骰子到人工智能：趣谈概率》一书极具启发性，学习概率统计的入门书，书中介绍的著名趣味概率问题包括赌博点数分配问题、赌徒谬误、高尔顿钉板、几何概型悖论、酒鬼漫步、德国坦克问题、博士相亲、中国餐馆过程等。通过讨论这些简单有趣的例子，让读者了解概率统计中的重要概念，诸如随机变量、期望值、贝叶斯定理、大数定律、中心极限定理、马尔可夫过程、深度学习等等。概念的引入思路清晰，重要知识有拓展，许多重要概念和理论都有直观的解释和应用场景。让年轻人从游戏和趣题中学到知识，吸引他们踏进基础科学、人工智能、信息技术的大门。
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。
《深度学习》内容介绍：《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。 《动手学深度学习》内容简介：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
本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的 可用知识 ，带领大家快速了解GPT-4和ChatGPT的工作原理及优势，并在此基础上使用流行的Python编程语言构建大模型应用。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中提供了简单易学的示例，帮你理解并应用在自己的项目中。此外，书后还提供了一份术语表，方便你随时参考。 准备好了吗？只需了解Python，你即可将本书作为进入大模型时代的启动手册，开发出自己的大模型应用。
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。
深度学习框架中蕴藏着惊人的技术和有趣的机制，本书旨在揭开这些技术和机制的神秘面纱，帮助读者正确理解技术，体会它们的有趣之处。为此，本书会带领读者从零开始创建一个深度学习框架 DeZero。DeZero 是本书原创的框架，它用少的代码实现了现代深度学习框架的功能。本书分60 个步骤来完成这个框架，在此过程中，读者会加深对PyTorch、TensorFlow 和Chainer 等现代深度学习框架的理解，看清深度学习框架的本质。 本书沿袭《深度学习入门：基于Python 的理论与实现》的风格，语言通俗，代码简洁，讲解详细。在自制框架的过程中，读者还能进一步巩固Python 编程和软件开发相关的知识。 本书适合对深度学习框架感兴趣的读者阅读。
在当今时代，人工智能已悄然融入我们的日常生活，成为不可或缺的生活伴侣。想象一下，如果没有人工智能，我们很可能会在没有GPS的偏僻道路上迷路；我们的消费偏好、个人品位也会被它悄然塑造。本书正是在这样的时代背景下应运而生，不仅深刻剖析了人工智能的现状，还揭示了如何在已知与未知之间架设桥梁，指导我们更智慧、更人性化地开发与应用人工智能，共同绘制未来智能世界的宏伟蓝图。这是一场关于智慧与梦想的对话，引领我们穿越迷雾，探索人工智能的无限可能。
本书面向初学者，采用全彩图解 视频讲解的形式介绍了人工智能的基础知识及开发案例，从无代码到图形化编程到代码编程，循序渐进，让读者逐步掌握人工智能技术，体验人工智能带给自己的乐趣。 本书首先通过mDesigner 开源硬件的结合赋予创客作品以 智能 ，接着介绍了与人工智能密切相关的深度学习及其所需要的编程语言、编程框架及编程环境等知识，进而结合不同的场景，详细讲解了人工智能在视觉、听觉、无人驾驶等不同领域的实际应用。 本书强调人工智能理念的实战应用，书中涉及的程序源代码均可直接下载使用，方便读者动手实践，注重想象力、创造力以及动手能力的提升。对于青少年创客、人工智能初学者来说，本书将是一本不错的入门读物。
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
我们在与环境交互的过程中进行学习，经历的奖励或惩罚将指导我们未来的行为。深度强化学习将该过程引入人工智能领域，通过分析结果来寻找有效的前进方式。DRL智能体可提升营销效果、预测股票涨跌，甚至击败**围棋高手和国际象棋大师。 《深度强化学习图解》呈现生动示例，指导你构建深度学习体系。Python代码包含详明、直观的注释，助你深刻理解DRL技术。你将学习算法的运行方式，并学会用评估性反馈来开发自己的DRL智能体。 本书主要内容包括: ●强化学习入门 ●行为与人类似的DRL智 能体 ●在复 杂情况下应用DRL
如何从零开始，全面了解人工智能（AI）的前世今生？ 如何掌握技术，逐步实现人工智能数字化发展？ 如何抢占市场，全面发展人工智能产业和设备？ 《从零开始学人工智能》通过12个专题、170多个知识点，帮助您从AI小白变成智能高手。 《从零开始学人工智能》详细讲解了人工智能的基本知识和技术制造，再从互联网三大巨头入手，从10个方面重点介绍了在人工智能方面的产业布局，具体包括智能家居、智能手机、智能办公、智能穿戴、智能出行、智能零售和其他领域，希望帮助您快速入门，精通人工智能知识。 《从零开始学人工智能》结构清晰，不仅适合人工智能新手掌握AI的基本方法，快速了解人工智能的相关技术，更适合帮助在人工智能行业遇到瓶颈的技术研究者和企业管理者解决难题，提高自身的专业水平。
《深度学习之图像识别：核心算法与实战案例（全彩版）》全面介绍了深度学习在图像识别领域中的核心算法与应用。该书不但重视基础理论的讲解，而且从第4章开始，每章都提供了1～3个不同难度的案例供读者实践，读者可以在已有代码的基础上进行改进，从而加深对所学知识的理解。 《深度学习之图像识别：核心算法与实战案例（全彩版）》共9章：首先介绍深度学习的基础概念，包括神经网络基础知识和深度学习中的优化技术；然后系统介绍深度学习中与数据相关的知识，包括经典数据集的设计、数据集的增强，以及数据的获取、整理与可视化；接着重点针对图像识别领域，结合实战案例系统地介绍深度学习在图像分类、图像分割和目标检测3个领域的核心技术与应用；另外，还会对深度学习模型的可视化以及模型的压缩和优化进行详细介绍，为读者设计和训
