财神爷图片招财

本書旨在提供一份全面、易懂的DeepSeek大模型實戰內容，通過深入淺出的講解，幫助讀者快速掌握DeepSeek的核心技術和應用場景。本書不僅涵蓋了DeepSeek的技術原理、架構設計和訓練方法，還詳細介紹了如何通過API調用、本地部署和云服務等方式將DeepSeek集成到實踐項目中。此外，本書通過大量實例和案例分析，展示了DeepSeek在不同領域的應用實踐，幫助讀者更好地理解和應用這一強大的工具。本書圖文并茂，理論翔實，案例豐富，適合從事DeepSeek開發的科研人員以及廣大的開發者作為技術參考和培訓資料，亦可作為高校本科生和研究生的教材。

·9萬字

會員

硅基物語·AI寫作高手：從零開始用ChatGPT學會寫作

本書從寫作與ChatGPT的基礎知識講起，結合創作者的實際寫作經歷與寫作教學經歷，介紹了用ChatGPT寫作的基礎技巧、進階寫作的方法、不同文體的寫作方法、寫作變現的秘訣，讓讀者理解寫作技巧與變現思路。

·14.7萬字

會員

破解深度學習（核心篇）：模型算法與實現

本書旨在采用一種符合讀者認知角度且能提升其學習效率的方式來講解深度學習背后的核心知識、原理和內在邏輯。經過基礎篇的學習，想必你已經對深度學習的總體框架有了初步的了解和認識，掌握了深度神經網絡從核心概念、常見問題到典型網絡的基本知識。本書為核心篇，將帶領讀者實現從入門到進階、從理論到實戰的跨越。全書共7章，前三章包括復雜CNN、RNN和注意力機制網絡，深入詳解各類主流模型及其變體；第4章介紹這三類基礎模型的組合體，即概率生成模型；第5章和第6章著重介紹這些復雜模型在計算機視覺和自然語言處理兩大最常見領域的應用；第7章講解生成式大語言模型的內在原理并對其發展趨勢予以展望。本書系統全面，深入淺出，且輔以生活中的案例進行類比，以此降低學習難度，能夠幫助讀者迅速掌握深度學習的基礎知識。本書適合有志于投身人工智能領域的人員閱讀，也適合作為高等院校人工智能相關專業的教學用書。

·13.4萬字

會員

Joy RL：強化學習實踐教程

本書是繼《EasyRL：強化學習教程》（俗稱“蘑菇書”）之后，為強化學習的讀者專門打造的一本深入實踐的全新教程。全書大部分內容基于3位作者的實踐經驗，涵蓋馬爾可夫決策過程、動態規劃、免模型預測、免模型控制、深度學習基礎、DQN算法、DQN算法進階、策略梯度、Actor-Critic算法、DDPG與TD3算法、PPO算法等內容，旨在幫助讀者快速入門強化學習的代碼實踐，并輔以一套開源代碼框架“JoyRL”，便于讀者適應業界應用研究風格的代碼。與“蘑菇書”不同，本書對強化學習核心理論進行提煉，并串聯知識點，重視強化學習代碼實踐的指導而不是對理論的詳細講解。本書適合具有一定編程基礎且希望快速進入實踐應用階段的讀者閱讀。

·7.8萬字

會員

智能無線機器人：人工智能算法與應用

本書的技術內容包括機器人基礎知識、信息物理系統、人工智能，統計決策和馬爾可夫決策過程，強化學習，狀態估計，定位，計算機視覺和多模態數據融合，機器人規劃，多智能體系統，網絡化多智能體系統，網絡化機器人的安全性和魯棒性，以及超可靠和低延遲的機器對機器的網絡。提供的例題和練習有助于簡單和有效的理解本書的內容。

·14.8萬字

會員

財稅RPA：財稅智能化轉型實戰

這是一本指導財務和稅務領域的企業和組織利用RPA機器人實現智能化轉型的著作。作者基于自身在財稅和信息化領域多年的實踐經驗，從技術原理、應用場景、實施方法論、案例分析4個維度詳細講解了RPA在財稅中的應用，包含大量RPA機器人在核算、資金、稅務相關業務中的實踐案例。幫助企業從容應對技術變革，找到RPA技術挑戰的破解思路，構建財務智能化轉型的落地能力，真正做到“知行合一”。全書共6章：第1章介紹了在數字化轉型的大背景下，財稅部門正在經歷的信息化、自動化、智能化和數字化4項革新；第2章從技術層面講解了RPA的定義、功能、技術特點、應用領域、發展階段和產品架構；第3章從財務機器人選擇的角度講解了財務機器人的應用場景、適用流程、收益和局限性等；第4章系統講解了財稅機器人的整套實施方法論，包括策略與評估、設計與構建、實施與應用、運營與優化4個步驟，以及如何建立RPA卓越中心；第5章通過近10個案例講解了財稅機器人在核算類、資金類、稅務類業務場景中的應用和實施；第6章對未來RPA和AI技術的結合進行了展望，探討了RPA對財務人員的影響。

·9.9萬字

會員

知識圖譜導論

知識圖譜的發展歷史源遠流長，從經典人工智能的核心命題——知識工程，到互聯網時代的語義Web，再到當下很多領域構建的數千億級別的現代知識圖譜。知識圖譜兼具人工智能、大數據和互聯網的多重技術基因，是知識表示、表示學習、自然語言處理、圖數據庫和圖計算等多個領域技術的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融合、問答和分析等七大方面，一百多個基礎知識點的內容，同時囊括多模態知識圖譜、知識圖譜與圖神經網絡的融合、本體表示學習、事理知識圖譜，以及知識增強的語言預訓練模型等新熱點、新發展。作為一本導論性質的書，本書希望幫助初學者梳理知識圖譜的基本知識點和關鍵技術要素，也希望幫助技術決策者建立知識圖譜的整體視圖和系統工程觀，為前沿科研人員拓展創新視野和研究方向。本書在技術廣度和深度上兼具極強的參考性，適合高等院校的計算機專業師生閱讀，也可供計算機相關行業的管理者和研發人員參考。

·16.1萬字

會員

深度學習與圖像識別：原理與實踐

本書是一本有關人工智能圖像識別應用開發與實踐指導類的教材，主要介紹圖像處理應用項目開發的基本流程、圖像識別處理應用項目關鍵技術。本書直擊當今研究熱點，選擇有代表性的專題項目而且盡量避免復雜的數學推導，易于讀者理解，專注于實戰。詳細介紹了numpy，knn，線性回歸，邏輯回歸，神經網絡在圖像識別上的應用，并為后一部分的深度學習做好鋪墊。同時，針對每一個項目介紹項目的應用及意義，該項目的數據特征分析、識別系統設計、圖像預處理技術、特征提取技術，以及識別方法等。書中實例程序的框架結構簡單，代碼簡潔，讀者可在數字圖像處理技術的基礎上進一步深化學習內容，提高實踐應用能力和項目開發能力。

·10.8萬字

會員

虛擬化技術原理與實現

本書對云計算中關鍵技術之一的虛擬化技術進行了深入的分析，從x86計算機體系結構以及操作系統的工作原理出發，介紹了虛擬化技術原理以及業界主流虛擬化軟件產品，并以Xen、KVM開源軟件為例分析了虛擬化軟件的架構及其實現方法，最后對虛擬化軟件管理接口的工作原理以及實現方法進行了全面的梳理。

·9.6萬字

會員

DeepSeek使用秘笈：從入門到精通的100個實用技巧

本書以“從入門到精通”為邏輯主線，從基礎操作指南到提示詞深度優化，系統拆解DeepSeek的核心能力。書中給出的100個DeepSeek實用技巧，既講究由淺入深，又講究實戰落地，從0到1教你如何讓DeepSeek幫你提高效率：針對辦公、創作、營銷等高頻場景，提煉文檔處理、工具應用等實戰技巧；聚焦金融、教育、交通等七大行業，解析AI技術落地場景與解決方案；同時介紹了本地部署、智能體開發等應用指南，通過場景化案例幫助讀者將技術優勢轉化為實際生產力。

·12.7萬字

會員

高效用DeepSeek：職場逆襲的實戰指南

本書以DeepSeek應用為基礎，講解了DeepSeek在自媒體、咨詢、營銷、教育、翻譯、職場、編程等多個領域的應用。書中通過豐富的案例和詳細的指導，展示了DeepSeek如何幫助自媒體人打造“爆款”內容，如何為咨詢提供高效決策支持，如何在營銷中實現流量裂變，如何重塑未來學習范式，以及如何助力職場人和企業實現業務增效等。本書內容通俗易懂，案例豐富，無論是AI（ArtificialIntelligence，人工智能）領域的從業者，還是希望借助AI提升工作效率的職場人士、企業管理者、教育工作者等，或還是對AI技術感興趣的普通用戶，都能從本書中獲得幫助。

·8.2萬字

會員

TensorFlow機器學習（原書第2版）

這是一本TensorFlow機器學習入門教程，書中通過大量實例，以淺顯易懂、循序漸進的方式詳細闡釋使用Python和TensorFlow構建機器學習模型的核心技術與方法。本書既涵蓋機器學習基礎理論，又介紹了如何將機器學習核心概念應用于現實世界的挑戰（例如，情感分析、文本分類和圖像識別）中，并通過實例展示了用于深度語音處理、面部識別以及使用CIFAR-10的自編碼器的神經網絡技術。全書共分為三部分。第一部分（第1～2章）討論機器學習的基本原理及其當前被大規模應用的原因；第二部分（第3～10章）通過大量實例詳細介紹回歸算法和分類算法，涵蓋回歸、分類、無監督聚類和隱馬爾可夫模型（HMM）等技術及應用；第三部分（第11～19章）主要介紹神經網絡及其應用，涵蓋使用隱藏層的自編碼器壓縮和表示輸入、用于自動分類圖像和面部識別的卷積神經網絡（CNN）、用于時間序列數據或語音轉文本的循環神經網絡（RNN），以及seq2seqRNN架構等內容。通過閱讀本書，你將能夠：使用TensorFlow進行機器學習選擇最佳的機器學習方法使用TensorBoard可視化算法與合作伙伴共享結果在Docker中運行模型

·16.8萬字

會員

21個項目玩轉深度學習：基于TensorFlow的實踐詳解

本書以實踐為導向，深入介紹了深度學習技術和TensorFlow框架編程內容。通過本書，讀者可以訓練自己的圖像識別模型、進行目標檢測和人臉識別、完成一個風格遷移應用，還可以使用神經網絡生成圖像和文本，進行時間序列預測、搭建機器翻譯引擎，訓練機器玩游戲等。全書共包含21個項目，分為深度卷積網絡、RNN網絡、深度強化學習三部分。讀者可以在自己動手實踐的過程中找到學習的樂趣，了解算法和編程框架的細節，讓學習深度學習算法和TensorFlow的過程變得輕松和高效。

·11.8萬字

會員

模型思維：簡化世界的人工智能模型

對從事算法研究與算法開發的人來說，模型的學習與使用必不可少。尤其是在目前如日中天的人工智能領域里，人人談模型，模型也是層出不窮，讓人眼花繚亂。模型讓人又愛又恨。模型可愛的地方在于它確實能夠解決實際問題，而且其有效性一般都經過了檢驗。模型可恨的地方在于學習模型是一件非常痛苦的事情，尤其是對人工智能的初學者來說。本書將人工智能在現實生活場景中解決的問題分類，并根據這個分類來介紹各種模型。書中將人工智能問題分為權重問題、狀態問題、序列問題、表示問題、相似問題和分類問題六大類，方便讀者了解各個模型之間的關系，也方便讀者理解各個模型的適用場景。本書盡量更多地介紹模型的使用場景，更多地介紹實際業務需求之間的關系，更多地采用生活中更淺顯易懂的例子，方便人工智能的初學者學習模型。本書不僅適合希望學習和運用人工智能模型到具體應用場景的企業工程師、科研院所的學生和科研人員，也適合對人工智能模型感興趣的讀者，使其將模型思維應用到生活中。

·21.8萬字

會員

人工智能時代：未來已來

本書深入淺出地介紹了人工智能歷史和技術，對現階段人工智能技術的應用成果進行了展示、解讀，讓讀者在詳細了解人工智能發展歷史的基礎上，清晰認知人工智能的關鍵技術。本書適合人工智能研究者，以及對人工智能感興趣的讀者閱讀。

·11.3萬字

會員

如何高效向GPT提問

人工智能正以前所未有的速度改變著世界。GPT作為強大的人工智能語言模型，具有廣泛的應用場景，必將改變人類的生產與生活方式，為人類社會帶來巨大且深遠的影響。而只要一個人開始使用GPT，他將大概率發現向GPT提問頗為關鍵。很大程度上，提問的質量決定著回答的質量，提問的效率決定著工作的效率。本書旨在幫助讀者學會如何高效向GPT提問，從而獲得更加準確、系統、深入的回答，繼而在不同的實際場景下提高工作效率節省時間、解決問題。

·7.4萬字

會員

AI智能語音技術與產業創新實踐

本書從技術、應用和產業3個維度為切入點，對智能語音語義領域相關的熱點和趨勢展開研究。本書以“人與機器的對話”開篇，講述人類語音生成、傳播和感知的過程，引發對于機器智能語音聽說的思考，進而闡述技術探索發展史；然后，分析了以語音交互為核心的技術現狀，綜合剖析提出全雙工、端到端模型構建、語音假冒攻擊等熱點；其次，從政策、投融資和產業規模上，分析整體智能語音產業環境，縱觀國內外企業在相關技術和產品上的積極布局，介紹了智能語音的產業鏈和產業格局；最后，圍繞語音交互技術形成的應用，以智能汽車、智能家居、可穿戴設備、智能客服、醫療、教育等諸多細分領域為代表，提出“AI+基礎服務”“AI+硬件設備”“AI+垂直行業”的3種應用轉化參考模式，并列舉實際具體案例和解決方案。本書適合從事人工智能技術研發、產品應用、市場規劃的工程技術人員和管理人員參考使用，也可作為高等院校人工智能相關的專業師生參考。同時，也適合對人工智能語音技術感興趣的相關人員閱讀。

·13.6萬字

會員

AI提示工程實戰：從零開始利用提示工程學習應用大語言模型

本書介紹提示工程的基本概念和實踐，旨在幫助讀者了解如何構建高質量的提示內容。內容包括：認識大語言模型、ChatGPT應用體驗、ChatGPTAPI、PythonChatGPTAPI庫、提示工程、提示類型、基于提示工程應用Python數據分析等。

·14萬字

會員

計算機視覺應用與實戰

本書圍繞計算機視覺在農業、醫學、工業等領域的案例，深入淺出地講解計算機視覺核心的模型與關鍵技術。本書中所有案例的代碼均能在達內時代科技集團自主研發的AIX-EBoard人工智能實驗平臺上部署與實施，實現了教學場景化、學習趣味化。本書分為三個部分，循序漸進地介紹計算機視覺相關技術的理論基礎和各案例的實踐步驟。第1部分基于OpenCV介紹傳統視覺應用的基礎算法，同時實現輪廓提取、全景圖像拼接等案例的實踐；在傳統視覺應用的基礎上，第2部分講解基于機器學習和深度學習的視覺應用，結合不同行業的案例對圖像進行分析處理，如水果識別、病蟲害識別、相似圖像搜索、眼底血管圖像分割等。第3部分聚焦市場關注度較高的一些新興視覺應用的原理及實現，如從二維圖像到三維空間的重建、計算機視覺在移動設備中的應用、實時圖像和視頻的風格遷移等。本書適合人工智能相關專業的本科生、專科生及計算機初學者閱讀，既可以作為應用型本科院校和高等職業院校人工智能專業的教材，也可以作為相關領域從業者的學習和參考用書。本書可以幫助有一定基礎的讀者查漏補缺，深入理解和掌握相關原理與方法，提高解決實際問題的能力。

·8.3萬字

會員

深度學習與目標檢測（第2版）

本書的寫作初衷是，從學者的角度，用一種通俗易懂的方式，將基于深度學習的目標檢測的相關論文中的理論和方法呈現給讀者，同時針對作者在深度學習教學過程中遇到的難點，進行深入的分析和講解。本書側重對卷積神經網絡的介紹，而深度學習的內容不止于此。所以，作者將深度學習分為有監督學習、無監督學習和強化學習三類，將圖像分類、目標檢測、人臉識別、語音識別、生成對抗網絡和AlphaGo等應用場景歸入不同的類別，并分別對其原理進行了概括性的講解。

·12.6萬字

跳轉至頁

官术网_书友最值得收藏!

人工智能

分類

狀態

屬性

字數

更新時間

DeepSeek實戰：從提示詞到部署和實踐