人工智能(AI) - 第7页

DeepSeek 是一种基于 Transformer 架构的生成式 AI（Artificial Intelligence）大模型，融合了MoE 架构、混合精度训练、分布式优化等先进技术，具备强大的文本生成、多模态处理和任务定制化能力。本书系统性地介绍了开源大模型 DeepSeek-V3 的核心技术及其在实际开发中的深度应用。全书分三部分共12章，涵盖理论解析、技术实现和应用实践。第一部分从理论入手

《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

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!

大模型是深度学习自然语言处理皇冠上的一颗明珠，也是当前AI和NLP研究与产业中最重要的方向之一。本书使用PyTorch 2.0作为学习大模型的基本框架，以ChatGLM为例详细讲解大模型的基本理论、算法、程序实现、应用实战以及微调技术，为读者揭示大模型开发技术。本书配套示例源代码、PPT课件。 《从零开始大模型开发与微调：基于PyTorch与ChatGLM》共18章，内容包括人工智能与大模型、Py

《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。

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

本书是“鸢尾花数学大系：从加减乘除到机器学习”丛书中编程板块的第二册。编程板块第一册《编 程不难》着重介绍如何零基础入门 Python 编程， 本书则在《编程不难》基础之上深入探讨如何用 Python 完 成数学任务及板块数据可视化。本书是本系列中的一本真正意义上的“图册”。内容覆盖科技制图、计算机图形学、创意编程、趣味 数学实验、数学科学、机器学习等。本书“毫无节制”地展示数学之美，而且提供特别

《深度学习图解》（grokking deep learning）指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家 Andrew W. Trask 以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用 Python 语言及其最基本的数学库 NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚

本书是专注于如何在AWS上开发和应用生成式AI的实用指南，旨在为技术领导者、机器学习实践者、应用开发者等提供深入了解和应用生成式AI的策略与方法。本书首先介绍了生成式AI的概念及其在产品和服务中的应用潜力，然后详细阐述了生成式AI项目的完整生命周期。作者探讨了多种模型类 型，如大语言模型和多模态模型，并提供了通过提示工程和上下文学习来优化这些模型的实际技巧。此外，本书讨论了如何使用LoRA技术对模

全书内容从逻辑上分为三个部分。 第一部分：MCP 基础认知（第 1、2 章），通过类比和架构图解的方式细致地介绍了 MCP 的基本概念、核心价值、工作原理等，让读者能零门槛了解 MCP。 第二部分：MCP 本地实践（第 3、4 章），手把手指导读者建立本地 MCP 主机，从 Hello World 示例到工具链扩展，帮助读者通过实践快速建立对 MCP 的直观认知。 第三部分：服务开发与应用（第 5