人工智能(AI) - 第5页

自早期以来，神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带入一个全新的方向。在本书中，我们将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。

《推荐系统：原理与实践》介绍当前推荐系统领域中的经典方法。不仅详细讨论了各类方法，还对同类技术进行了归纳总结，这有助于读者对当前推荐系统研究领域有全面的了解。书中提供了大量的例子和习题来帮助读者深入理解和掌握相关技术。此外，本书还介绍了当前新的研究方向，为读者进行推荐系统技术的研究提供参考。本书既可以作为计算机相关专业本科生和研究生的教材，也适合开发人员和研究人员阅读。

For readers who know Python. Experience developing machine learning models is useful but not essential.中文版地址：《从零构建大模型》Learn how to create, train, and tweak large language models (LLMs) by building one

本书是面向机器学习新手的入门书，从学习环境的搭建开始，图文并茂地介绍了学习机器学习所需的Python知识和数学知识，并在此基础上结合数学式、示例程序、插图等，抽丝剥茧般地对有监督学习中的回归与分类、神经网络与深度学习的算法与应用、手写数字识别、无监督学习的算法等进行了介绍。本书既有图形、代码，又有详细的数学式推导过程，大大降低了机器学习的学习门槛，即使没有学过Python、数学基础不太好，也可以看

2022年以来，人工智能技术已经取得了划时代的飞速发展。ChatGPT以及GPT-4发布，DeepMind的AlphaFold一举解决困扰科学界几十年的蛋白质折叠问题，自动驾驶技术的重大突破，进一步拓展了人工智能的应用场景以及能力，也使人类也更加重视AI伦理和相关法规的制定，2024年的诺贝尔奖更是体现出了不容忽视的“人工智能含量”。在这一过程中，人类对人工智能也有了更为全面和深入的理解。本书中，

《深度学习图解》（grokking deep learning）指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家 Andrew W. Trask 以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用 Python 语言及其最基本的数学库 NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚

本书从强化学习最基本的概念开始介绍，将介绍基础的分析工具，包括贝尔曼公式和贝尔曼最优公式，然后推广到基于模型的和无模型的强化学习算法，最后推广到基于函数逼近的强化学习方法。本书强调从数学的角度引人概念、分析问题、分析算法，并不强调算法的编程实现。本书不要求读者具备任何关于强化学习的知识背景，仅要求读者具备一定的概率论和线性代数的知识。如果读者已经具备强化学习的学习基础，本书可以帮助读者更深入地理解

《深度学习》由全球知名的三位专家 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 撰写，是深度学习领域奠基性的经典教材。全书的内容包括 3 个部分：第 1 部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2 部分系统深入地讲解现今已成熟的深度学习方法和技术；第 3 部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研

全书内容从逻辑上分为三个部分。 第一部分：MCP 基础认知（第 1、2 章），通过类比和架构图解的方式细致地介绍了 MCP 的基本概念、核心价值、工作原理等，让读者能零门槛了解 MCP。 第二部分：MCP 本地实践（第 3、4 章），手把手指导读者建立本地 MCP 主机，从 Hello World 示例到工具链扩展，帮助读者通过实践快速建立对 MCP 的直观认知。 第三部分：服务开发与应用（第 5

利用机器翻译技术实现不同语言之间的自由交流始终是最令人期待的计算机应用之一。本书全面回顾了近 30 年来机器翻译的技术发展历程，遵循机器翻译技术的发展脉络，对基于统计和基于端到端深度学习的机器翻译关键技术及原理进行了深入解析，力求做到简洁明了、全面透彻、图文结合。此外，本书着重介绍了近年来机器翻译领域的科研热点，旨在帮助读者全面了解机器翻译的前沿研究进展和关键技术。 《机器翻译：基础与模型》可供计