人工智能(AI) - 第1页

本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。 全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第 1~3 章），解析语言模型的核心概念，包括词元、嵌入向量及 Transformer 架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第 4~9 章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升

本资源为中文官方原版，对英文版感兴趣的可以参照英文原版：Build a Large Language Model (From Scratch) 一起阅读。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，

《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

近年，人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发必备的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该领域打下基础。另外，书中设有专栏和“小贴士”，介绍了相关术语的背景知识，可帮助读者扩充知识面，进一步理解

本书由图灵智能研究院院长刘江撰写，旨在揭示 OpenClaw 这一人工智能“小龙虾”在全球范围内爆火的技术真相。通过五个真实故事，展示了 OpenClaw 在日常生活和工作中解决各种问题的实例，以及在自动化和智能化应用中的潜力。书中还通过多个数字和案例，展示了 OpenClaw 在全球范围内的热度及其在市场和技术社区的影响力。定义了 OpenClaw 的基本概念，解释了其在技术和应用方面的开源特性

知名 AI 应用专家宝玉结合自身实战经验，撰写了这本技能实操指南，旨在帮助读者将个人经验转化为智能体可执行的技能，摆脱“AI 工具人”困境，真正实现工作自动化。全书遵循“先实践后沉淀”的学习路径，带你从跑通第一个技能入手，逐步构建专属的多技能 AI 自动化工作流。作者手把手教你掌握：3 个单技能模板、1 条组合式写作工作流、1 套技能工程方法论、1 次从零开始完整迭代的技能项目实战。本书不绑定平台

《大模型与智能体》是邱锡鹏围绕大语言模型与智能体技术体系编写的人工智能著作，内容从神经网络与 Transformer 基础出发，逐步延伸到大模型训练、推理和智能体系统。全书强调建立从基础模型到自主智能系统的完整知识链路，既关注核心原理，也讨论大模型时代计算系统、应用形态与研究方向的变化。在大模型部分，本书涉及 Transformer、预训练、后训练与对齐、训练系统、提示与思维链、多模态大模型以及算

李沐，动手深度学习，中文第二版，2023年8月18日。本书是《动手学深度学习（PyTorch版）》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知

《大模型工程师面试：算法原理、开发实践与系统部署》由苏宏博、温智凯编著，面向准备进入大模型开发、算法和部署岗位的技术人员。全书以真实岗位能力为导向，不只整理面试题，而是围绕算法原理、开发实践和系统部署建立完整知识体系，使读者能够把零散知识点组织成可用于项目和面试的技术框架。内容从大模型技术演进、岗位分类和数据集构建讲起，进一步深入 Tokenization、Transformer、Attentio

《LangGraph 智能体设计模式与多智能体开发》以 LangGraph 1.0 为核心，围绕 AI 应用从大模型调用升级为能够执行复杂任务的智能体展开。全书按照基础、设计模式和多智能体实战逐步推进，适合已经具备 Python 基础的开发者。前几章从智能体基本概念、Python 开发环境和 Qwen3 模型 API 开始，介绍 LangGraph 中的图、节点、状态和条件分支等核心组件，使读者理