人工智能(AI) - 第4页

《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》旨在帮助没有任何人工智能技术基础的工程师们全面掌握 AIGC 的底层技术原理，以及大语言模型、扩散模型和多模态模型的原理与实践。本书的核心价值是，首先为想学习各种大模型的读者打下坚实的技术基础，然后再根据自己的研究方向展开深入的学习，达到事半功倍的效果。

《深度学习》由全球知名的三位专家 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写，是深度学习领域奠基性的经典教材。全书的内容包括 3 个部分：第 1 部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2 部分系统深入地讲解现今已成熟的深度学习方法和技术；第 3 部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研

《秒懂 AI 提问：让人工智能成为你的效率神器（第 2 版）》聚焦一个最直接的生成式 AI 使用问题：同样的模型，为什么不同用户得到的结果差别很大。作者认为，关键往往不只是模型能力，还包括用户怎样描述目标、背景、角色和输出要求。全书系统整理 20 种提问方法，从对话式、关键词式、指令式和角色扮演等基础方法开始，再进入示例、引导、发散、摘要、归纳、迭代和约束等更复杂的交互方式。进阶内容进一步讨论批判

《大模型驱动的研发效能实践》关注大语言模型如何真正进入软件研发流程，而不只是停留在代码补全或聊天助手层面。全书以软件交付全生命周期为视角，讨论 AI 如何改变开发、测试、运维、监控、安全和项目管理。基础部分介绍 Transformer、大语言模型和 GPT 系列的发展，并讲解预训练、微调等核心技术，使研发和运维人员能够理解模型能力从哪里来、有哪些局限，以及不同应用场景应该如何选择技术路线。实践部分

《解构大语言模型：从线性回归到通用人工智能》由数据科学家唐亘编著，电子工业出版社出版。本书以大语言模型为核心，从模型结构和数据基础两个维度进行系统拆解，旨在帮助读者理解大语言模型的基本原理，并进一步理解和搭建类似 ChatGPT 的人工智能系统。作者没有将大语言模型作为一个孤立的黑箱进行介绍，而是从经典机器学习和深度学习模型出发，逐步建立理解现代大模型所需要的知识体系。在模型结构方面，本书首先介绍

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost

本书是一本系统梳理并深入解析大模型的基础理论、算法实现、数据构造流程、模型微调方法、偏好对齐方法的著作，也是一本能手把手教你构建角色扮演、信息抽取、知识问答、AI Agent等各种强大的应用程序的著作。

◆本书系统介绍了机器学习的基本内容及其代码实现，是一本着眼于机器学习教学实践的图书。◆本书适合对机器学习感兴趣的专业技术人员和研究人员阅读，同时适合作为人工智能相关专业机器学习课程的教材。◎编辑推荐：·名家作品：上海交通大学ACM班创办人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生赵寒烨编写；·多位业内大咖力荐：周志华|朱军|李文新|黄萱菁|刘铁岩|陈天奇；·理论扎实：基于上交大ACM

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

《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。本书极具专业性、