人工智能(AI) - 第3页

DeepSeek:从入门到精通（104页，资料比较全）(清华大学元宇宙文化实验室出的)文章中提到了微博、小红书、抖音、微信公众号等平台的提示语设计方案写文案、做策划、创作各平台内容都能用它找灵感、提效率。文章还讲了选模型和设计提示语的技巧真心建议大家读一读，学会用 DeepSeek，搞创作、做运营都能更上一层楼，赶紧码住看起来!

本书是“鸢尾花数学大系—从加减乘除到机器学习”丛书的第一册，也是“编程”板块的第一册， 着重介绍如何零基础入门学 Python 编程。虽然本书主要讲解 Python 编程，但是也离不开数学。本书尽量 避免讲解数学概念公式，而且用图形和近乎口语化的语言描述程序设计、数据分析、机器学习背后常用的 数学思想。本书分为预备、语法、绘图、数组、数据、数学、机器学习、应用八大板块， 共 36 章， 内容“跨度

For readers who know Python. Experience developing machine learning models is useful but not essential.中文版地址：《从零构建大模型》Learn how to create, train, and tweak large language models (LLMs) by building one

《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

《动手学PyTorch建模与应用：从深度学习到大模型》是一本讲述以PyTorch为工具实践深度学习和大模型的入门书，从数学知识和必备基础知识和概念入手讲解，理论兼备实践，语言通俗，图文并茂，边学边练，非常易于掌握。本书共11章，第1章主要介绍深度学习的概念、应用场景及开发环境搭建。第2章详细介绍PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及其案例。第3章介绍数据预处理及常用工具

该系列是由 北大计算机人工智能学院、北大青鸟人工智能研究院、北大教育学院学习科学实验室 联合多学科团队撰写的技术指南。围绕 DeepSeek 的应用、场景与实现原理展开讨论。《DeepSeek提示词工程与落地场景》聚焦大模型交互技术与产业落地方向，系统拆解了如何通过自然语言交互释放DeepSeek-R1推理模型的潜能。本文档以"零技术门槛"为核心定位，既包含底层技术解析，更提供可快速复用的实战方法

本书由中科院计算所、软件所的专家学者倾心写就，以“图像风格迁移”应用为例，全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新，第1章回顾人工智能、智能计算系统的发展历程，第2、3章在介绍深度学习算法知识的基础上增加了大模型算法的相关知识，第4章介绍深度学习编程框架PyTorch的发展历程、基本概念、编程模型和使用方法，第5章介绍编程框架的工作原理，第6章回顾深度学习所用的处理器结构从

这本书是深度学习领域的入门教材，系统地讲解了深度学习的知识体系，由浅入深阐述了深度学习基础知识、主要模型及部分前沿研究热点。冀使读者能有效地掌握相关知识，具备用深度学习技术解决大数据问题的能力。全书共 15 章。第1 章绪论，介绍人工智能、机器学习、深度学习的概要。第2、3章介绍了机器学习的基础知识。第4、5、6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。第7章介绍

《深度学习进阶：自然语言处理》是《深度学习入门：基于Python 的理论与实现》的续作，围绕自然语言处理和时序数据处理，介绍深度学习中的重要技术，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本书语言平实，结合大量示意图和Python代码，按照“提出问题”“思考解决问题的新方法”“加以改善”的流程，基于深度学习解决自然语言处理相关的各种问题，使读者在此过

人工智能已在多个行业得到成功应用，大模型的应用已成为突破性进展的重要驱动力，而在特定垂直领域，如医疗、法律、金融等，大模型微调面临独特的挑战和需求。本书致力于大型语言模型微调与应用的关键技术，本书探讨两个热门应用方向：大模型的知识专业性和时效性。本书剖析了垂直领域大模型训练的背景及意义，探讨大模型在垂直领域的迁移学习、应用部署与效果评估等核心内容，结合实际案例，深入浅出地解析了每个环节的关键问题和