计算机 - 第4页

《利用Python进行数据分析》第1版出版于2012年，彼时基于 Python 的开源数据分析库（例如 pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典畅销书，前两版中文版累计销售近30万册。第3版针对 Python3.10 和 pandas1.4 进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的 panda

适读人群 ：开发人员、任何想基于大模型开发应用的普通用户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

《深度学习入门：基于Python的理论与实现》又称“鱼书”，是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相

本书从强化学习最基本的概念开始介绍，将介绍基础的分析工具，包括贝尔曼公式和贝尔曼最优公式，然后推广到基于模型的和无模型的强化学习算法，最后推广到基于函数逼近的强化学习方法。本书强调从数学的角度引人概念、分析问题、分析算法，并不强调算法的编程实现。本书不要求读者具备任何关于强化学习的知识背景，仅要求读者具备一定的概率论和线性代数的知识。如果读者已经具备强化学习的学习基础，本书可以帮助读者更深入地理解

适读人群 ：本书既适合深度学习的初学者，也适合对人工智能感兴趣的教师、学生和相关从业者学习参考。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全新技术。全书从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

本书详尽地阐述智能体的基础理论、开发工具以及不同层次的开发方法，通过融合自然语言理解、多轮对话和任务自动化技术，为读者提供从理论到实践的全方位指导，旨在帮助读者构建高效的智能体。全书分为 3 个部分，共 12 章。 第 1 部分（第 1～5 章）深入解析智能体的工作原理及开发所需的工具链，包括智能体的定义、类型及其与大语言模型（LLM）的关系，探讨智能体框架结构和核心模块的设计，并介绍 LangC

英文版地址：Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow 3rd Edition (Third)《机器学习实战（原书第 3 版）：基于 Scikit-Learn、Keras 和 TensorFlow》是全球畅销的机器学习入门经典，由 Aurélien Géron 编写，全面介绍了使用 Python 进行机器学习