本书以当下热门的人工智能工具 DeepSeek 为核心，通过丰富实用的内容，助力读者从对DeepSeek一无所知的新手，成长为能够灵活运用其功能解决各类问题的行家。书中选取了多个领域的典型应用场景，如学习辅助、职场办公、生活娱乐以及自媒体创作等，为读者全方位展示 DeepSeek 的强大功能。
全书共 7 章，内容层层递进。第1~3章为读者介绍了DeepSeek的功能和技术特点、 基础操作技巧和提问策略，帮助读者快速上手。第4章~7章，分别展示了 DeepSeek 在不同场景下的

"《DeepSeek大模型高性能核心技术与多模态融合开发》深入剖析国产之光DeepSeek多模态大模型的核心技术，从高性能注意力机制切入，深入揭示DeepSeek的技术精髓与独特优势，详细阐述其在人工智能领域成功的技术秘诀。《DeepSeek大模型高性能核心技术与多模态融合开发》循序渐进地讲解深度学习注意力机制的演进，从经典的多头注意力（MHA）逐步深入DeepSeek的核心技术—多头潜在注意力（MLA）与混合专家模型（MoE）。此外，《DeepSeek大模型高性能核心技术与多模态融合开发》还将

本书追溯了人工智能从古代的机械计算器到现代深度学习与强化学习的演变历程，突出了人工智能历史上的关键里程碑和众多科学家、工程师及思想家的贡献，特别强调了图灵测试的提出和达特茅斯会议对人工智能领域的深远影响。
作者深入探讨了AI技术在个人助手、无人驾驶、拟人机器人等前沿领域的应用，并对未来的发展趋势进行了预测。书中还介绍了图形芯片、ChatGPT、Midjourney、Stable Diusion和DeepSeek等技术，展现了智能体在创意表达、问题解决和人机交互等领域的无限可能，揭示了AI如

AI已成为职场的入场券，你准备好了吗？
这是一本面向所有职场人的AI助手使用指南，它以流行的Kimi为工具，从实战的角度讲解了如何借助AI 大幅提升工作效率和激发创新能力。本书凝聚了LangGPT社区核心AI专家的丰富实战经验和方法论，得到了Kimi官方、LangGPT社区和多位AI领域专家的高度认可。
工欲善其事，必先利其器。本书首先从一个行家的视角全面揭示了Kimi、Kimi （Kimi内置的智能体）和Kimi浏览器插件的功能和使用，带你认识不一样的Kimi；然后，

"能够模仿人类语言智能与思维，具有世界一般性知识的ChatGPT，开启了通用人工智能的新时代，正成为引爆第四次工业革命的火种。本书是第一本体系化介绍ChatGPT基本原理与核心算法的教材及专业图书。全书共分5章： 第1章为人工神经网络基础；第2章详细剖析了Transformer及其缘起，分析了视觉领域的Transformer算法；第3章综述了各种大型语言模型框架，分享了创建GPT系列模型的思想之旅；第4章重点介绍了ChatGPT的预训练方法与微调算法，系统地阐述了强化学习基础与基于人类反馈的强化

本书是关于如何高效使用DeepSeek智能助手的实用指南。本书首先简单介绍了DeepSeek的基础功能、对话技巧、提示词技巧等，然后通过丰富的实操案例展示了DeepSeek在多个常见场景中的应用，包括高效办公、高效学习、高效处理政务、高效处理金融业务、高效制造、高效处理出版业务、高效处理外贸业务等，以帮助读者深入理解和掌握这一AI工具。本书的目的不仅仅是向读者展示DeepSeek的功能，更重要的是教会读者如何将其应用到实际的工作和生活中，以提升工作效率和学习能力。

本书全面系统地介绍了字节跳动旗下AI智能助手豆包的使用方法，涵盖注册登录流程及基本操作要点，并通过丰富多样的学习、工作、生活等场景的应用实例，如化身学习小能手、担当高效职场助手、呈现精彩模拟人物互动等，充分展现了豆包的强大效用。此外，还深入介绍了豆包智能体及其应用实例，以及豆包App的注册/登录方式和便捷功能。

随书赠送学习资源，包含50个高效提问公式，40个深度提问模板、100个豆包智能体模板、100个控制答案风格提示词模板、100个控制答案质量提示词模板及300个

本书深入探讨了人工智能大模型、智能体及其对未来社会的影响，详细解读了大模型如何成为推动社会进步的关键力量。书中不仅介绍了AI大模型的基本概念、技术原理和应用场景，还深入分析了DeepSeek等先进模型如何通过技术创新，为社会带来更高效的解决方案。

本书涵盖人工智能领域的多个重要方向和交叉领域，旨在向读者介绍人工智能的最新进展、应用和发展趋势，同时探讨人工智能与其他学科交叉的原则、重要性和潜在影响。主要内容包括人工智能基础与前沿、人工智能+教育、人工智能+医疗、人工智能+法律、人工智能+哲学，涉及人工智能技术在多个学科的理论前沿知识、不同领域的案例应用和辨证思考等内容。

多智能体系统是分布式人工智能的主流方法之一。多智能体系统中存在的各种随机与不确定因素对协同估计与学习算法能否成功运行以及网络的整体性能有重要影响。本书介绍了作者近年来在随机与不确定多智能体系统分布式估计与学习方面的最新研究成果。全书共6章，包括随机分布式共识计算、随机分布式线性回归和基于随机梯度下降的分布式优化算法等，建立了各类算法的收敛性条件以及算法性能与系统参数的定量关系。