深度学习是一种以人工神经网络等为架构，对数据资料进行表示学习的算法，它是计算机科学及人工智能的重要分支，其代表性成果如卷积神经网络、循环神经网络等作为信息产业与工业互联网等行业的主流工具性技术已被成功应用于诸多现实场景。本书作为一本面向中文读者的深度学习教科书，从“理论与实践相结合”的角度立意，贯彻“知行合一”的教育理念.全书除绪论和附录外，共有15章，分四篇：第一篇“机器学习”(第1章)，介绍机器学习的基本术语、基础理论与模型；第二篇“深度学习基础”(第2-5章)，介绍深度学习基本概

本书以函数逼近论与学习理论为主要工具，建立了一个系统的数学框架来解释深度的必要性、深度神经网络的适用性、数据规模对深度神经网络的影响、深度选择问题、网络结构选择问题及过参数化深度神经网络的泛化性等现阶段深度学习亟待解决的核心理论问题。本书的主要目的有三个:其一是期望从学习理论的角度给出作者的见解，能为某些方向的学者解惑；其二是为打算进入深度学习理论这一领域的青年学者及广大学生提供参考，使其能尽快领略深度学习理论的魅力;其三是抛砖引玉，希望更多的学者关注到深度学习理论这一方向并推动这一领域的更快发

本书以严谨的科学态度和图文结合的形式，为你展开一幅幅充满幻想与现实交织的人工智能发展史画卷。本书涵盖了人工智能学科发展进程的方方面面，从哲学、小说到技术与工程，还包括许多影响人工智能发展的其他领域。同时，书中重点介绍了一些人工智能发展的里程碑事件，如神经生物学、脑科学、微电子学和机器人等领域的辉煌成就。本书语言通俗易懂，内容浅显清晰，可作为大众，尤其是对人工智能感兴趣的读者的科普读物，也可供管理者参考阅读。此外，它还为科幻爱好者提供了丰富的灵感源泉，让他们能够写出更加引人入胜的作品。希

本书是关于人工智能（AI）是什么、研究什么及其应用与发展现状的科普读物，分十讲进行编写：第一讲，人工智能的现状、趋势与战略；第二讲，机器眼中的大千世界——计算机视觉；第三讲，语言与机器的火花碰撞——自然语言处理；第四讲，认知科学与AI世界的邀约——认知推理；第五讲，机器自我成长进步——机器学习；第六讲，未来生活离不开的伙伴——智能机器人；第七讲，机器世界不孤单——多智能体；第八讲，机器生活的世界——物理世界仿真模拟；第九讲，舞动科技的音符——人工智能音乐；第十讲，人工智能在北大。 本书可作为人工

本书是国内首部系统介绍人工智能和数据科学在法律实践和法学研究中应用的书籍。本书整合了国内外前沿的业界实践和学术研究，是对该领域知识进行系统整理和提炼的最新研究成果，为读者呈现了一幅人工智能与数据科学在法律领域应用的全面图景。 本书特别注意将复杂的技术知识转化为易于阅读和理解的内容，避免了复杂的数学公式和技术术语。书中介绍了大量具体案例，如基于大数据的判决预测、法系分类，基于大语言模型的法律问答、文书生成等。这些案例形象地展示了法律人工智能的丰富应用场景，帮助读者创造性地思考AI时代下法律行业的挑

"本书旨在帮助读者深入理解和应用智能聊天技术ChatGPT的全面指南。本书共10章，包含最基础的ChatGPT发展背景与历程、核心功能、优点和局限，ChatGPT入门操作指南，提升交互体验的基本使用技巧，免费但非常实用的ChatGPT工具和资源，ChatGPT高级使用技巧，以及OpenAI API开发，未来前景的全面展望等。
这是一本全面详尽的ChatGPT实用指南，面向ChatGPT感兴趣的读者，尤其是青少年。无论是对ChatGPT尚未了解、希望进一步掌握使用技巧、抑或是对其深度开发有兴

本书是一本专为职场人士打造的实用手册，旨在通过128个实战案例、160分钟视频教程和180个素材效果，帮助读者提升工作效率和创造力。本书详细介绍了16款国内顶尖AI工具，如文心一言、Kimi等，并额外推荐了10款工具，覆盖了从基础操作到高级应用的全方位技能，确保读者能够快速掌握并应用于实际工作中。书中不仅提供了工具的使用指南，还深入探讨了30个AI应用领域，如营销、设计、创作等，通过具体案例展示AI工具在不同领域的实际应用，使读者能够更深入地理解AI工具的潜力，从而在职场中实现效率和创

《DeepSeek图解：大模型是怎样构建的》是一本系统讲解DeepSeek开发的技术指南，传授大家开发DeepSeek模型的基础知识。旨在帮助读者深入理解DeepSeek的工作机制，并掌握其在大规模预训练、推理优化及应用开发中的关键技术。
全书共10章，依次介绍文本预处理、特征提取、文本分类与情感分析、语言的生成、机器翻译、DeepSeek的核心Transformer模型、多模态模型的架构和训练、预训练模型的训练与微调、DeepSeek API应用开发实战，以及基于DeepSeek的We

本书主要从软件开发者的角度探讨如何构建和设计深度学习系统。作者首先描述一个典型的深度学习系统的整体，包括其主要组件以及它们之间的连接方式，然后在各个单独的章节中深入探讨这些主要组件。对于具体介绍的章节，会在开始时讨论需求，接着介绍设计原则和示例服务/代码，并评估开源解决方案。通过阅读此书，读者将能够了解深度学习系统的工作原理，以及如何开发每个组件。

本书共10章，从逻辑上分为“基础知识”“原理与技术”“应用开发实践”三部分。基础知识(第1章)介绍大模型定义、应用现状、存在的问题，以及发展趋势。原理与技术(第2和3章)详细讲解大模型的构建流程、Transformer模型，以及模型微调、对齐优化、提示工程等核心技术，之后介绍了推理优化、大模型训练、大模型评估、大模型部署等拓展技术。应用开发实践(第4-10章)详细讲解大模型插件应用开发、RAG实践，以及智能客服问答、学科知识问答、法律领域应用、医疗领域应用、智能助写平台等多领域的实践。