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。

《图解人工智能》从基础概念、历史沿革、基础算法、代表性应用、**研究进展、跨学科交叉成果等多个方面深入介绍人工智能。为满足不同程度学习者的学习需求，全书以图片为主并辅以少量文字说明，每节配有 小清爱提问 在线视频，具有初等阅读能力的读者（包括中小学生）可以轻松获得人工智能的基础知识和全局视野；每一节还包括扩展学习资料、深入阅读材料和编程实践资源供高等阅读能力的读者（包括大学生和教师）自学提高。为配合课堂教学，全书每一节都配有PPT课件、附加视频资料、互动演示程序等教学资源。对应不同知识背景的读者，本书有速读、专业、教学3种建议阅读模式。 期待更多人能借此书产生对人工智能学科的探索热情！ 本书封面贴有清华大学出版社防伪标签，无标签者不得销售。版权所有，侵权必究。

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。

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。

这是一本深入讲解 AI 电影制作前沿科技的权威指南，帮助每个人都有机会成为电影导演。本书揭示了 AI 如何革新电影产业，并通过丰富的实践案例和操作指南，帮助读者轻松掌握使用 AI 技术制作短视频和大电影的过程。书中涵盖了 AI 生成脚本、音乐、配音、图片和视频素材等内容，介绍了如何通过数字人技术生成影视演员，并展示了传统虚幻引擎与 AI 技术相结合后的强大潜力。 无论您是电影爱好者、AI 技术研究者，还是专业电影人，本书都将成为您电影创作的指南。

《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

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。

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。

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

《DeepSeek源码深度解析》是一本系统讲解DeepSeek源码及其核心实现原理的技术指南，内容覆盖了从基础概念到高级应用的全流 程知识。全书共7章，结构层层递进。第1章对DeepSeek进行了全面概述，帮助读者构建对DeepSeek系统的整体认 知。第2章聚焦于环境搭建、代码获取与模型部署接入，为后续深入研究提供基础。第3章深入探讨了MoE（混合 专家模型）的基本原理、功能模块与优化技术。第4章详细解析了DeepSeek-V3模型的架构知识，并通过测试验证 展示了系统的实际效果。第5章围绕统一多模态大模型展开，介绍了Janus系列架构、核心技术及工具模块。第6章 针对高分辨率图像场景，探讨了结合MoE、细粒度特征提取与视觉/语言适配器的多模态模型的知识。第7章聚焦 DeepSeek-R1推理大模型，展示了DeepSeek在推理性能与自我进化方面的前沿探索。 《DeepSeek源码深度解析》适合人

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。

《DeepSeek 从入门到精通（微课视频版） 提示词设计 多场景应用 工具深度融合》 是一本系统讲解大模型 DeepSeek 应用方法的实用指南，内容涵盖从入门操作、提示词设计、本 地与云端部署到上百种实际场景应用，以及AI 智能体设计，全面展示了 DeepSeek 在办公、写作、 编程、教育、创意等领域的强大能力。全书结构清晰，配合丰富案例与实操技巧，帮助读者快 速掌握与大模型高效交互的方法。 本书最大特色在于实用性与前瞻性并重，既有提示词设计的系统讲解，提供100 提示词模 板，又有 DeepSeek 与 WPS、Word、Excel、Xmind、剪映等常用软件的深度融合案例，真正实 现AI 赋能日常工作与创作。无论你是职场人士、内容创作者、教师学生，还是对大模型感兴趣 的开发者，本书都将为你提供可操作、可落地的指导，助你在 AI 时代实现效率与创意的双重飞跃。

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

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

本书旨在采用一种符合读者认知角度且能提升其学习效率的方式来讲解深度学习背后的基础知识。 本书总计9章，深入浅出地介绍了深度学习的理论与算法基础，从理论到实战全方位展开。前三章旨在帮助读者快速入门，介绍了必要的数学概念和工具的用法。后六章沿着深度学习的发展脉络，从最简单的多层感知机开始，讲解了深度神经网络的基本原理、常见挑战、优化算法，以及三大典型模型（基础卷积神经网络、基础循环神经网络和注意力神经网络）。 本书系统全面，深入浅出，且辅以生活中的案例进行类比，以此降低学习难度，帮助读者迅速掌握深度学习的基础知识。本书适合有志于投身人工智能领域的人员阅读，也适合作为高等院校人工智能专业的教学用书。

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

《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

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

本书通过想要学习深度学习的程序员绫乃和她朋友美绪的对话，逐步讲解深度学习中实用的数学基础知识。内容涉及神经网络的结构、感知机、正向传播和反向传播，以及卷积神经网络。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的Python 编程实现神经网络，加深读者对相关数学知识的理解。 本书适合对深度学习感兴趣、想要从事深度学习相关研究，但是对深度学习和神经网络相关数学知识感到棘手的读者阅读。

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。

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.

计算机视觉有多先进?开一开特斯拉就知道了。深度学习技术已在人脸识别、交互式仿真和医学成像方面取得令人兴奋的突破，但让人心潮澎湃的当属自动驾驶技术。如今，自动驾驶的汽车已经能在高速路上畅意驰骋并对各种复杂路况做出灵活反应了。 计算机如何 理解 它所 看到 的东西?本书试图将深度学习应用于计算机视觉以回答该问题。本书仅用高中代数知识阐明视觉直觉背后的概念。你将了解如何使用深度学习架构来构建视觉系统应用程序，以实现图像生成和人脸识别功能。 主要内容 ●图像分类和目标检测 ●先进的深度学习架构 ●迁移学习与生成对抗网络 ●DeepDream和神经风格迁移 ●视觉嵌入和图像搜索

当前AI图书市场，理论知识与实践经验的脱节，是很多书籍的缺点。《人工智能算法基础》立足于理论，从实例入手，将理论知识和实际应用结合，目标是让读者能够快速地熟悉人工智能中经典算法。全书分为4篇，共20章。其中第1篇为基础算法篇，主要讲述排序、查找、线性结构、树、队列、散列、图、堆栈等基本数据结构算法；第2篇为机器学习算法篇，主要讲述分类算法、回归算法、聚类算法、降维算法和集成算法；第3篇为强化学习算法篇，主要讲述基于价值的强化学习算法和基于策略的强化学习算法；第4 篇为深度学习算法篇，主要讲述神经网络模型算法、循环神经网络算法和卷积神经网络算法等内容。 《人工智能算法基础》适合从事数据科学与人工智能相关行业的读者阅读。