人工智能(AI) - 第4页

《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

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

人工智能（AI），尤其是生成式语言模型和生成式人工智能（AIGC）模型，正以惊人的速度改变着我们的世界。驾驭这股潮流的关键，莫过于探究自然语言处理（NLP）技术的深奥秘境。本书将带领读者踏上一段扣人心弦的探索之旅，让其亲身感受，并动手搭建语言模型。本书主要内容包括N-Gram，词袋模型（BoW），Word2Vec（W2V），神经概率语言模型（NPLM），循环神经网络（RNN），Seq2Seq（S2

《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

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

本书内容系统、全面，实例丰富，共有 10 章，包括 51 个实操案例解析和 80 个行业案例分析。通过学习本书，读者可以从零开始，逐步掌握人工智能的核心技术，成为合格的 AI 训练师。本书附赠了同步教学视频＋PPT 教学课件＋素材＋效果＋AI 提示词等资源。书中内容从技能线和案例线展开介绍，具体内容如下。技能线：从人工智能的相关技术入手，不仅介绍了 AI 训练师的发展历程和行业动态，还重点讲述了

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

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

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