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。

本书以DeepSeek大模型的应用为主题，通过漫画的形式展现了DeepSeek大模型在思维养成、课程辅导、艺术设计等领域的创新应用，回顾并展望了DeepSeek大模型的产生历程和发展方向。
本书共5章，以陪伴型智能机器人“艾芝士”与人类小朋友源源之间生动有趣的对话展开知识讲解。第1章带领读者回顾DeepSeek大模型的诞生经过及AI大模型的发展历程。第2章聚焦AI时代的学习法则，探讨如何使用DeepSeek大模型建立新型学习思维方式，规划职业方向。第3章展示DeepSeek大模型如何助力

* 从人工智能概念，到互动方式、出行方式、艺术创作、未来职业规划等方面，介绍人工智能需要了解的核心知识
通过生动有趣的故事和实例，了解聊天机器人、虚拟数字人、AI创作等人工智能工作原理和应用场景，探索人工智能对人们生活和社会的影响和价值
* 一本书快速了解人工智能

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。

"拥抱软件开发的未来!《OpenAl API编程实践(Java版)》是Java开发者学习使用ChatGPT和OpenAI API构建智能应用的理想帮手。
本书从基础入手，详细阐述如何以编程方式使用ChatGPT。你将学习ChatGPT和OpenAl API的基础知识，包括身份验证、发送提示、生成响应、在Playground中进行测试以及处理错误等。通过完成实战练习，你将进一步了解不同API功能的实际应用。此外，你将学习如何使用GPT-4、GPT-3.5、Whisper、DALL-E等模型，

"作为游戏开发实用指南，《Unity Cookbook中文版：从游戏开发到AI实时解决方案（第2版）》经过全面更新，沿用深受读者欢迎的三合一模式，针对139个有价值的问题给出了详尽的解决方案和有价值的讨论，旨在帮助初学者和中级开发者深入学习Unity引擎的强大功能。全书共13章，主题涉及基础脚本编写到高级技术（如AI、动画和网络等）。通过这本实用性更强的教程，读者将学会如何应用代码片段快速而准确地解决实际问题，尤其是3D游戏开发和2D游戏开发、仿真和人工智能项目中的2D/3D图形、物理、AI、声

"用Rust构建快速、稳定、安全的Web服务器！在内存管理与并发机制上独树一帜的Rust语言，凭借其精准把控底层细节的能力，助你打造运行迅捷且零缺陷的应用程序。当你在生产环境中部署Web服务等核心组件时，Rust强大的编译器更能为你筑起防线，规避代价高昂的运行时错误。
《Rust全栈开发》介绍如何使用Rust语言创建现代分布式Web应用程序。你将从基础开始：构建一个简单的HTTP服务器和一个RESTful Web服务。然后，通过添加安全性、数据库交互性和错误处理使它们为生产做好准备。最后，

"《数据库内核揭秘:存储引擎的设计与实现》深入探讨数据库存储引擎内部机制，详细阐述存储引擎在数据管理中的核心作用，包括数据的存储、检索和管理方式。
《数据库内核揭秘:存储引擎的设计与实现》共分为9章，内容从基础概念到高级技术，逐步深入，旨在为读者提供全面的理解框架。前两章为读者打下坚实的基础，介绍数据库系统的概览以及操作系统和硬件设备的相关知识。接下来的章节按照自底向上的逻辑顺序，深入探讨存储引擎的关键模块。第3章讲解数据在文件系统中的组织和存储方式。第4章聚焦于缓冲池的设计和缓存替换算法

"本书专注于介绍基于深度学习的算法。从探索深度学习的数学基础和理论架构，到九大经典的深度学习算法，旨在为读者提供一个从基础到高级的全方位指导。截至2024年，书中介绍的9个算法几乎涵盖了整个深度学习领域的经典和前沿算法。
本书在第1章和第2章介绍了深度学习的基础：数学基础与神经网络算法。从第3章开始，书籍逐步引领读者进入深度学习的核心领域，即一些基于神经网络的变体算法：卷积神经网络、循环神经网络、编码器-解码器模型，以及目前火热的变形金刚算法、生成对抗网络和扩散模型。这些章节不仅讲解了各个

全书共分10 章，全面介绍知识增强大模型涉及的各类技术，涵盖大模型、向量数据库、图数据库、知识图谱、检索增强生成、GraphRAG 等内容，并辅以丰富的实例、精心绘制的插图和深入浅出的技术解析，帮助读者快速掌握知识增强大模型的理论，引导读者逐步构建知识增强大模型应用。本书既可以作为人工智能相关的技术从业者、企业或机构管理者的工具书，指导实际工作；也适合作为人工智能、计算机等相关专业高年级本科生或研究生学习知识增强大模型应用开发的入门图书和进阶指南。