大模型在众多领域得到了广泛应用，促进了AI技术的整合和创新。然而，在实际应用过程中，直接将大模型应用于特定行业常常难以达到预期效果。本书详细阐述如何在游戏经营分析场景中利用大模型实现数据体系的建设。
本书分为6个部分，共16章。第1部分主要介绍大模型技术的发展与应用，从大模型的发展现状展开，重点介绍大模型与数据体系的相关知识。第2部分主要介绍大模型下的关键基础设施，涵盖湖仓一体引擎、湖仓的关键技术、实时数据写入和高效数据分析等内容。第3部分主要介绍大模型下的数据资产，围绕数据资产

本书为广受读者喜爱的畅销书升级版，旨在让读者快速、简单地上手大模型应用开发。

本书为初学者提供了一份清晰、全面的最小可用知识，带领你快速了解 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。升级版在旧版的基础上进行了全面更新，融入了大模型应用开发的最新进展，比如 RAG、GPT-4 新特性的应用解析等。本书提供了大量简单易学的示例，帮你理解相关概念并将其应用在自己的项目中。

准备

本书超越了简单的AI工具使用教程，书中分为三大部分，逐步引导读者从理解AI的核心概念，到掌握高效使用AI的方法，最终探索AI的进阶应用。第一部分探讨了DeepSeek为何被视为AI时刻，分析了它与OpenAI、Anthropic等的不同之处，解析了AI的思考方式，还讨论了AI是否真正理解人类需求。第二部分介绍了如何高效使用DeepSeek。首先，详细解析了DeepSeek R1的核心能力、提示词技巧，以及如何让DeepSeek成为工作搭档，应用于营销、写作等场景。接着探讨了DeepSeek

DeepSeek 是一种基于 Transformer 架构的生成式 AI（Artificial Intelligence）大模型，融合了MoE 架构、混合精度训练、分布式优化等先进技术，具备强大的文本生成、多模态处理和任务定制化能力。本书系统性地介绍了开源大模型 DeepSeek-V3 的核心技术及其在实际开发中的深度应用。



全书分三部分共12章，涵盖理论解析、技术实现和应用实践。第一部分从理论入手，详细解析了Transformer 与注意力机制、DeepSee

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

本书共分为11章, 第1章主要讲解了Linux操作系统的安装与使用; 第2章讲解了Linux操作系统的常用命令, 包括用户与用户组管理命令、文件管理命令、软件管理命令、进程管理命令、网络管理与通信命令、帮助命令以及vim编辑器; 第3章讲解了Shell编程的相关知识; 第4-10章是Linux编程的核心知识, 包括LinuxC开发环境、文件I/O操作、Linux进程管理、信号、进程间通信、线程和socket网络编程; 第11章讲解了并发服务器的原理和实现。每个章节均配有经典案例, 读者可以一边学

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。

本书共八章，探讨人工智能三维仿真竞赛，包括竞赛的立意、类型和流程，并介绍了人工智能三维仿真软件的核心功能，如编程、控制、循迹、定位等的应用。