人工智能(AI) - 第6页

本书通过正在学习机器学习的程序员绫乃和她朋友美绪的对话，结合回归和分类的具体问题，逐步讲解了机器学习中实用的数学基础知识。其中，重点讲解了容易成为学习绊脚石的数学公式和符号。同时，还通过实际的 Python 编程讲解了数学公式的应用，进而加深读者对相关数学知识的理解。

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

"Written by three experts in the field, Deep Learning is the only comprehensive book on the subject." -- Elon Musk, co-chair of OpenAI; co-founder and CEO of Tesla and SpaceXDeep learning is a form of

虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python 风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。由于像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了Py

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。

本书是“鸢尾花数学大系：从加减乘除到机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而本书将开启机器学习经典算法的学习之旅。本书设置了 24 个话题，对应四大类机器学习经典算法（回归、分类、降维、聚类），覆盖算法包括： 回归分析、多元线性回归、非线性回归、正则化回归、贝叶斯回归、高斯过程、k 最近邻分类、朴素贝叶 斯分类、高斯判别分析、支持向量机、核技巧、决策树、主

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

本书深入阐述了大语言模型的基本概念和算法、研究前沿以及应用，涵盖大语言模型的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。首先，本书介绍了人工智能领域的进展和趋势；其次，探讨了语言模型的基本概念和架构、Transformer、预训练目标和解码策略、上下文学习和轻量级微调、稀疏专家模型、检索增强型语言模型、对齐语言模型与人类偏好、减少偏见和有害性以及视觉语言模型等内容；