人工智能(AI) - 第2页

2025 年 10 月初，谷歌资深工程主管、杰出工程师 Antonio Gulli 免费公开发布了一本长达 400 多页的新书——《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》。该书旨在为当前火热的 AI Agent 开发领域提供首批系统性的“设计模式”，更有条理地构建强大、可靠的智能系统。英文

《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

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

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

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

通过这本全面指南，你将深入洞悉人工智能自主性的未来，学习如何设计和部署自主人工智能智能体，这些智能体利用生成式人工智能实现规划、推理与行动。本书由主导全球 AI 标准的行业顶尖架构师和构建企业级 AI 解决方案的权威专家撰写，系统阐述了智能体系统的核心原理，详细分析 AI 智能体如何独立运行、做出决策并利用工具完成复杂任务。本书开篇介绍生成式人工智能与智能体架构的基础内容，然后将带你深入探索决策框

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

本书收录了约百道大模型工程师常见的面试题目和解答，系统、全面地介绍了与大模型相关的技术，涵盖语义表达、数据预处理、预训练、对齐、垂类微调、组件、评估、架构、检索增强生成（RAG）、智能体、PEFT（参数高效微调），以及训练与推理等内容。书中通过丰富的实例、图表及代码讲解，将复杂概念阐释得通俗易懂，是大模型领域的一本不可多得的实用指南。本书适合对大模型和 Transformer 等技术感兴趣的学生、

本书全面且深入地呈现了深度学习领域的知识体系，系统梳理了该领域的核心知识，阐述了深度学习的关键概念、基础理论及核心思想，剖析了当代深度学习架构与技术。全书共 20 章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解其结构、功