人工智能(AI) - 第8页

本书为初学者提供了一份清晰、全面的“最小可用知识”，带领你快速了解 GPT-4 和 ChatGPT 的工作原理及优势，并在此基础上使用流行的 Python 编程语言构建大模型应用。升级版在旧版的基础上进行了全面更新，融入了大模型应用开发的最新进展，比如 RAG、GPT-4 新特性的应用解析等。本书提供了大量简单易学的示例，帮你理解相关概念并将其应用在自己的项目中。 准备好了吗？只需了解 Pytho

本书以 DeepSeek 大模型为核心工具，系统讲解其在数据分析与可视化中的创新应用。 全书共 12 章。第 1 章简要介绍 DeepSeek 的技术架构、本地部署与在线开发环境，为后续分析奠定技术基础。第 2~4 章聚焦多源数据获取、数据清洗及预处理，提供标准化操作流程与代码实例。第 5~8 章介绍描述性统计、频数分析、相关性分析、线性/曲线/逻辑回归、K-Means 聚类、时间序列分析等核心算

《上头 Obsidian：手把手教你用 AI 做好知识管理》是一本专为信息爆炸时代打造的知识管理指南。本书针对传统笔记工具的不足，结合 Obsidian 的强大功能，以及 AI 工具的接入，提供了一套简单高效的解决方案。通过三步法——收集、连接、应用，教你轻松构建智能、互联的知识库，解决信息割裂和知识关联难题。无论是学生、职场人士还是终身学习者，都能快速上手，掌握 AI 赋能的笔记技巧，让知识管理

深度学习“四大名著”之一、Python机器学习入门教程。本书是使用Python进行机器学习和深度学习的全面指南。它既可以用作清晰的分步教程，也可以作为构建机器学习系统时常用的参考手册。本书包含清晰的解释、图表和工作示例，全面深入地介绍了机器学习的基本技术，并且给出了机器学习背后的原理，使你可以自己建立模型和应用程序。第3版结合TensorFlow 2和scikit-learn的新版本进行了更新，涵

本书的目标，是让非机器学习领域甚至非计算机专业出身但有学习需求的人，轻松地掌握机器学习的基本知识，从而拥有相关的实战能力。本书通过AI“小白”小冰拜师程序员咖哥学习机器学习的对话展开，内容轻松，实战性强，主要包括机器学习快速上手路径、数学和Python 基础知识、机器学习基础算法（线性回归和逻辑回归）、深度神经网络、卷积神经网络、循环神经网络、经典算法、集成学习、无监督和半监督等非监督学习类型、强

在人工智能红利大爆发的今天，AI 不仅是提效的工具，更是普通人依靠副业翻身的利器。豆包凭借极高的交互效率与内容产出质量，正成为普通人跨越技术门槛、实现技能变现的优选工具。 本书立足于读者的真实变现需求，跳过枯燥的理论，一次性呈现 33 个真实的豆包变现场景，打通从掌握功能到拿下订单的商业闭环。 本书力求 33 个真实场景所涉及的实操步骤均能落地，旨在帮助读者打通依靠豆包赚钱的“最后一公里”。无论是

《动手学PyTorch建模与应用：从深度学习到大模型》是一本讲述以PyTorch为工具实践深度学习和大模型的入门书，从数学知识和必备基础知识和概念入手讲解，理论兼备实践，语言通俗，图文并茂，边学边练，非常易于掌握。本书共11章，第1章主要介绍深度学习的概念、应用场景及开发环境搭建。第2章详细介绍PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及其案例。第3章介绍数据预处理及常用工具

这本书是深度学习领域的入门教材，系统地讲解了深度学习的知识体系，由浅入深阐述了深度学习基础知识、主要模型及部分前沿研究热点。冀使读者能有效地掌握相关知识，具备用深度学习技术解决大数据问题的能力。全书共 15 章。第1 章绪论，介绍人工智能、机器学习、深度学习的概要。第2、3章介绍了机器学习的基础知识。第4、5、6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。第7章介绍

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

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等。本书