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。

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

《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

全网疯传的《DeepSeek从入门到精通》的第二弹：《DeepSeek如何赋能职场应用：从提示语技巧到多场景应用》。在职场中，不同岗位的用户对人工智能工具的需求各不相同。例如，市场人员需要快速生成高质量的文案，数据分析人员需要高效处理和分析大量数据，设计师需要创意灵感和设计支持。DeepSeek通过其强大的功能和灵活的提示语技巧，能够满足这些多样化的需求。

本书结合AI原生应用落地的大量实践，系统讲解提示工程的核心原理、相关案例分析和实战应用，涵盖提示工程概述、结构化提示设计、NLP任务提示、内容创作提示、生成可控性提示、提示安全设计、形式语言风格提示、推理提示和智能体提示等内容。 本书的初衷不是告诉读者如何套用各种预设的提示模板，而是帮助读者深入理解和应用提示设计技巧，以找到决定大语言模型输出的关键因子，进而将提示工程的理论知识应用到产品设计中。本

全书系统阐述了“AI 工程”的核心方法——如何基于现成的基础模型（LLM、LMM）构建高效、实用的 AI 应用。书中提供了完整的 AI 工程框架，涵盖模型选择与评估、提示工程、RAG 与智能体、微调策略、数据集工程、推理优化及 AI 工程架构等关键环节，帮助开发者在复杂的 AI 生态中做出科学的技术决策。 作者结合丰富的业界经验，通过大量真实案例与可操作的方法，展示了如何让 AI 应用更快、更可靠

本报告综合调度并协同使用了 OpenClaw、Grok、Gemini、ChatGPT、Notebook LM 等多种智能体工具，在先前一人公司工作流所带来的操作、范式、原则下，组织开展了多轮交叉审核与迭代修订。报告的资料检索、初步整理、结构优化、文字润色及部分排版工作由人工智能辅助完成，并由人工进行关键内容把关与最终确认。

本书立足于人工智能发展前沿，系统阐述了人工智能的基本概念、发展历程和核心技术，深入剖析了人工智能技术在航空航天、工业制造、医疗健康、金融服务、文化创意等领域的创新应用。 本书通过丰富的案例分析，展现了人工智能赋能传统产业转型升级、推动新兴领域创新发展的巨大潜力，为读者提供了将理论知识转化为实践能力的有效路径。

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

《大模型 RAG 应用开发：构建智能生成系统》系统介绍检索增强生成（RAG）技术的核心概念、开发流程和实际应用。《大模型 RAG 应用开发：构建智能生成系统》共分为 11 章，第 1～3 章详细介绍 RAG 开发的基础，包括环境搭建、常用工具和模块，帮助读者从零开始理解 RAG 系统的工作原理与开发技巧；第 4～8 章聚焦 RAG 系统的具体搭建，从向量数据库的创建、文本的向量化，到如何构建高效的