本书是一本以大字大图配视频为特色的AI实用指南，以五天学习计划为框架，帮助读者零基础认识 AI、学会使用热门 AI 工具(如豆包、DeepSeek)，并将其运用于日常生活中。本书涵盖 AI基础知识、生活助手功能、健康管理功能、娱乐应用功能及艺术创作功能等内容。本书语言通俗易懂、操作步骤具体，并附有小练习。读者可以掌握 AI工具的使用方法，享受智能生活的便利与乐趣。

本书系统讲解自动机器学习工具与方法。让机器学习与自动化两大概念合理的结合起来，进而让读者精准理解自动化机器学习的必要性。从技术原理剖析其在自动化机器学习中的角色和内涵，通过案例掌握自动化机器学习的关键知识点和技术原理。自动机器学习可以将部分机器学习过程自动化，减轻数据科学从业者的工作负担。本书介绍自动机器学习模块的理论、技术与应用，包括自动实现数据预处理、特征选择、模型训练、模型优化等任务，学习应用auto-sklearn和MLBox等已有的自动化库，并且创建和扩展自定义的自动机器学习

本书带领读者手把手实现深度学习推理框架，并支持大语言模型的推理。



全书共 9 章，以实现开源深度学习推理框架 KuiperInfer 为例，从基础的张量设计入手，逐步深入讲 解计算图、核心算子等关键模块的设计与实现。最后，书中还涵盖了如何支持深度学习模型如 ResNet、 YOLOv5，以及大语言模型 Llama 2 的推理。通过本书，读者不仅能够获得构建和优化深度学习推理框架 的实践经验，还能深入理解框架的内部机制。

<

本书主要介绍统计机器学习框架，该框架以基于机器学习算法获得真实数据生成过程(DGP)概率分布的最佳近似为前提。统计机器学习框架由一组核心定理支撑，能够用来分析许多常见机器学习算法对DGP的渐近性。书中通过相关机器学习案例帮助学生理解框架中的核心定理。具体来说，本书分为四部分：第一部分通过实例介绍了机器学习算法概念和描述算法的数学工具；第二部分讨论了确定性学习机的渐近行为；第三部分讨论了随机推理机和随机学习机的渐近行为；第四部分关注的是机器学习算法的泛化性能表征问题。

本书将带你深入探索AI神器DeepSeek的无限潜能，带你从零开始，轻松掌握AI的核心应用。
通过学习本书，你将轻松上手DeepSeek，开启智能生活新篇章；通过学习本书，你将学会用DeepSeek大幅提升工作效率；通过学习本书，你将学会如何让DeepSeek成为你的职场超级助手；通过学习本书，你将学会如何利用DeepSeek激发自己的创作灵感，打造爆款内容和个人品牌；通过学习本书，你将学会利用DeepSeek解决各种专业难题。
无论你是职场精英、创业者，还是自由职业者

内容简介对于我们每个普通人而言，核心的AI能力不是写作不是绘画，也不是编码，而是AI Agent设计！这是一本能帮助每个人轻松构建从提示词编写到AI Agent设计完整知识体系的实战指南，由LangGPT社区的的创始人等几位国内提示词编写和AI Agent设计领域的领军人物撰写，得到了硅基流动创始人袁进辉、润米咨询创始人刘润、通往AGI之路创始人AJ等众多行业专家的高度评价。设计AI Agent，提示词是关键。本书首先详细介绍了提示词的原理、编写提示词常用的6种方法，以及被奉为圭臬的结构化

本书系统阐述了DeepSeek大模型架构、部署及应用实战的相关内容。书中从人工智能和大模型的基础理论出发，深入剖析了DeepSeek的底层技术，如Transformer架构、混合专家、动态任务分配、稀疏激活及归一化等关键技术，详细介绍了模型训练、优化和推理的前沿方法。书中不仅展示了DeepSeek在多模态模型和推理系统中的技术优势，还提供了丰富的实战案例，涵盖了从本地部署到云端应用，再到与办公软件、开发工具和Web交互系统的无缝集成。通过理论解析与实践演示，读者将获得从模型设计到实际应

本书第一章介绍了脉冲神经网络的背景，第二章介绍了脉冲神经网络的基本概念及工作原理，第三章介绍了脉冲神经网络的学习算法等，第四章介绍了多款典型的边缘端类脑计算神经形态芯片设计，包括所用的脉冲网络哟拓扑结构、片上学习算法、硬件架构和关键模块电路设计，第五章总结了类脑芯片的应用前景，目前存在的问题以及结论。

深度学习和大模型技术在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、大模型、AIGC、模型工程实现、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。本书既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本科生、研究生、博士生阅读，帮助建立深度学习推荐系统的技术框架，通过学习前沿案例，加强深度学习理论与推荐系统工程实践的融合能力。

"本书结合典型机械系统控制的实例，系统地介绍了神经网络控制的基本理论、基本方法和应用技术。本书是作者多年来从事控制系统教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。
全书共分16章，包括绪论、RBF神经网络的设计与仿真、基于梯度下降法的RBF神经网络控制、自适应RBF神经网络控制、RBF神经网络滑模控制、基于模型整体逼近的自适应RBF控制、基于局部逼近的自适应RBF控制、基于RBF神经网络的动态面自适应控制、数字RBF神经网络控制、离散神经网络控制、自适应RBF观测器设计