人工智能(AI) - 第8页

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

Create LLM-powered autonomous agents and intelligent assistants tailored to your business and personal needs.

《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

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

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

本书共 12 章，围绕大语言模型基础理论、预训练、指令理解、模型增强和模型应用五个部分展开：第一部分介绍大语言模型的基础理论；第二部分介绍大语言模型的预训练，包括大语言模型预训练数据和分布式训练；第三部分介绍大语言模型如何理解并服从人类指令，包括有监督微调和强化学习；第四部分介绍大语言模型增强技术，包括多模态语言模型、大模型智能体和检索增强生成；第五部分介绍大模型应用，包括大模型效率优化、模型评估

《OpenClaw：从入门到精通》是系统性 OpenClaw 开源 AI 代理实战指南。本书聚焦 OpenClaw 的实际应用，从安装配置到场景落地提供完整解决方案。 全书分为五大部分：第一部分详解 OpenClaw 的三大核心能力（Computer Use、Long-term Memory、Proactive Action）及四层架构体系（Gateway、Skills、Memory、Agent

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