人工智能(AI) - 第4页

《深度学习的数学》基于丰富的图示和具体示例，通俗易懂地介绍了深度学习相关的数学知识。第1章介绍神经网络的概况；第2章介绍理解神经网络所需的数学基础知识；第3章介绍神经网络的最优化；第4章介绍神经网络和误差反向传播法；第5章介绍深度学习和卷积神经网络。书中使用Excel进行理论验证，帮助读者直观地体验深度学习的原理。

机器学习是计算机科学与人工智能的重要分支领域。本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。为了使尽可能多的读者通过本书对机器学习有所了解，作者试图尽可能少地使用数学知识。然而，少量的概率、统计、代数、优化、逻辑知识似乎不可避免。因此，本书更适合大学三年级以上的理工科本科生和研究生，以及具有类似背景的对机器学习感兴趣的人士。为方便读者，本书附录给出了一些相关数学基础知识简介

名家作品：上海交通大学ACM班创始人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生沈键编写。本书全面、系统地介绍强化学习的基础理论体系，指明强化学习的入门及进阶路径。介绍了强化学习的原理和实现，是一本理论扎实、落地性强的图书。本书配套线上代码实践平台，将纸质图书、在线代码运行环境、视频课程、在线讨论区、自主练习等多种内容形式融为一体，创造了能够将强化学习的原理和实践无缝衔接的学习环境，能够

本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电

Vibe Coding，直译为"氛围编程"，是由前 OpenAI/Tesla AI 主管 Andrej Karpathy 提出的新兴编程范式。其核⼼思想并⾮简单地⽤ AI ⽣成代码，⽽是⼀种思维上的彻底转变：让开发者从逐⾏编写、调试语法的传统模式中解放出来，转⽽专注于⽤⾃然语⾔清晰、准确地描述⾃⼰的核⼼意图（"Vibe"）。在这个范式下，强⼤的⼤型语⾔模型（LLM）如 ChatGPT、DeepSe

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

本书主要围绕 AI 系统的理论基础与技术基础知识展开，结合实例进行介绍，旨在让读者了解 AI 系统的来龙去脉，形成对 AI 系统的系统化与层次化的初步理解，掌握 AI 系统基本理论、技术、实际应用及研究方向，为后续从事具体的学习研究工作和项目开发工作奠定基础。本书内容涵盖 AI 硬件与体系结构、AI 编译与计算架构、AI 推理系统与引擎、AI 框架核心模块四篇，涉及 AI 系统从底层原理到应用落地

人工智能时代的生存手册，助你理解AI，适应AI，驾驭AI！ 站在AI即将颠覆世界前夜的那个拐点上，你应该怎么办？AI 正在以超越我们想象的速度迭代，面对这个局面，教育应该怎么办?公司应该怎么办?人应该怎么办? 这本书会为你拆解ChatGPT代表的大语言模型AI，到底有什么底层运作逻辑？它的能力边界到哪里？哪些是AI做的比你好的？哪些是人类不会被AI取代的？它还为你解读了当今最厉害的几个头脑对AI的

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、

本书涵盖基础知识、常见操作和应用开发3个方面，帮助大语言模型的使用者、应用开发者循序渐进地掌握大模型的原理、操作以及多个场景下的应用开发技能。全书共18章，分为三篇：基础篇介绍大语言模型的基础知识、应用架构和应用工作模式。操作篇详细讲解大模型的实操环节，包括环境搭建、多种有代表性的开源大语言模型的安装、微调与量化等常见操作。开发篇讲述大语言模型在Chat、辅助编程、RAG、翻译、AI Agent、