人工智能(AI) - 第1页

近年，人工智能热潮席卷而来。本书以图解的方式网罗了人工智能开发必备的基础知识，内容涉及机器学习、深度学习、强化学习、图像和语音的模式识别、自然语言处理、分布式计算等热门技术。全书以图配文，深入浅出，是一本兼顾理论和技术的人工智能入门教材。旨在帮助读者建立对人工智能技术的整体印象，为今后深入探索该领域打下基础。另外，书中设有专栏和“小贴士”，介绍了相关术语的背景知识，可帮助读者扩充知识面，进一步理解

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。

李开复博士联手科幻作家陈楸帆，预测无限接近真实的科技未来解析未来20年人工智能等科技发展趋势，思考科技落地对人与人类社会的冲击刘慈欣、杨立昆、萨蒂亚·纳德拉、瑞·达利欧、贝尼特·米勒等强势推荐______________________________AI时代已经开启，在我们面前，机遇与挑战并存！☆《华尔街日报》《华盛顿邮报》《金融时报》2021年度图书☆ 惊艳的科幻小说+深刻的科技分析，预测并描

本书通过有趣的插图和简洁的文字带你漫步在人工智能的世界中，与你分享这个非凡工具带来的惊奇和震撼，同时帮助你了解它如何运行以及它的局限性。 作者在每个章节都揭示了人工智能的某一特性，并充分评估了这一领域的种种可能性。作者还探讨了研究人员面临的挑战及社会人工智能问题等。

本资源为中文官方原版，对英文版感兴趣的可以参照英文原版：Build a Large Language Model (From Scratch) 一起阅读。本书是关于如何从零开始构建大模型的指南，由畅销书作家塞巴斯蒂安• 拉施卡撰写，通过清晰的文字、图表和实例，逐步指导读者创建自己的大模型。在本书中，读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练，

本书用丰富的图示，从最小二乘法出发，对基于最小二乘法实现的各种机器学习算法进行了详细的介绍。第Ⅰ部分介绍了机器学习领域的概况；第Ⅱ部分和第Ⅲ部分分别介绍了各种有监督的回归算法和分类算法；第Ⅳ部分介绍了各种无监督学习算法；第Ⅴ部分介绍了机器学习领域中的新兴算法。书中大部分算法都有相应的 MATLAB 程序源代码，可以用来进行简单的测试。本书适合所有对机器学习有兴趣的初学者阅读。187 张图解轻松入门

适读人群 ：本书适合对Agent技术感兴趣或致力于投身该领域的研究人员、开发人员、企业负责人，以及高等院校相关专业师生等阅读。本书根据李宏毅老师“机器学习”公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括 BERT 和 GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶算法。

“鱼书”《深度学习入门：基于Python的理论与实现》作者又一力作。手把手带你创建深度学习框架，直击现代深度学习框架本质！深度学习框架中蕴藏着惊人的技术和有趣的机制，《深度学习入门2：自制框架》旨在揭开这些技术和机制的神秘面纱，帮助读者正确理解技术，体会它们的有趣之处。为此，本书会带领读者从零开始创建一个深度学习框架——DeZero。DeZero 是本书原创的框架，它用最少的代码实现了现代深度学习

李沐，动手深度学习，中文第二版，2023年8月18日。本书是《动手学深度学习（PyTorch版）》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知

《深度学习入门：基于Python的理论与实现》又称“鱼书”，是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相