人工智能(AI) - 第5页

适读人群 ：开发人员、任何想基于大模型开发应用的普通用户本书为大模型应用开发极简入门手册，为初学者提供了一份清晰、全面的“可用知识”，带领大家快速了解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。通过本书，你不仅可以学会如何构建文本生成、问答和内容摘要等初阶大模型应用，还能了解到提示工程、模型微调、插件、LangChain等高阶实践技术。书中

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

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》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究重点。《深度学习》适

机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用，包括分析以往销售数据来预测客户行为，优化机器人的行为以便使用较少的资源来完成任务，以及从生物信息数据中提取知识的各种系统。《机器学习导论（原书第3版）》是关于机器学习的内容全面的教科书，其中有些内容在一般的在机器学习导论书中很少介绍。主要内容包括监督学习，贝叶斯决策理论，参数、半参数和非参数方

AIGC 的应用领域日益广泛，而在图像生成领域，扩散模型则是 AIGC 技术的一个重要应用。全书共 8 章，详细介绍了扩散模型的原理，以及扩散模型退化、采样、DDIM 反转等重要概念与方法，此外还介绍了 Stable Diffusion、ControlNet 与音频扩散模型等内容。最后，附录提供由扩散模型生成的高质量图像集以及 Hugging Face 社区的相关资源。本书以扩散模型理论知识为切入

本书是作者在 2023 年所发表的关于大语言模型综述论文《A Survey of Large Language Models》基础上完善增写而成的。与综述论文的定位不同的是，本书更注重为大模型技术的入门读者提供讲解。为此作者在内容上进行了大幅度的更新与重组，力图展现一个整体的大模型技术框架和路线图，适合作为这个领域一本入门级的技术书籍来阅读。可供具备深度学习基础的高中生及低年级本科生使用。

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

本书作为人工智能专业的入门书，带领读者初步学习和实践机器学习、深度学习的算法、流程和核心技术，并介绍了系统开发及开发环境，通过图解的方式将难懂的专业术语和算法表现出来，让没有相关专业基础的读者能够轻松入门。同时，本书还介绍了一些比较常用的网站网络服务，让读者能够学以致用。本书适合人工智能领域入门读者，也适合对人工智能感兴趣的其他领域读者学习。

英文版地址：Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition : Concepts, Tools, and Techniques to Build Intelligent Systems这本机器学习畅销书基于TensorFlow 2和Scikit-Learn的新版本进行了全面更新，通过具体