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
本书包含静力学、运动学、动力学、材料力学，静力学模块核心知识为物体在静力作用下的平衡问题，运动学和动力学模块涉及物体运动和微积分知识，在高中物体和大学数学基础上加强研究非静止物体的力学问题，材料力学模块涉及静力结构的安全问题，主要侧重于解决静止构件的强度、刚度和稳定性问题。
本书围绕果蔬加工制品企业质量与安全管理的基本要求，以果蔬加工制品安全问题产生的环节和控制途径为主线，阐述了果蔬加工制品质量和安全相关的控制体系及应用。
本书是畅销书《WPS Office 2019完全自学教程》的升级版，以WPS Office软件为平台，从办公人员的工作需求出发，配合大量典型案例，全面地讲解了WPS Office在文秘与行政、人力资源管理、统计与财务、市场与营销等各个领域中的应用，而且介绍了最新的WPS AI功能的应用，帮助读者轻松高效地完成各项办公事务。 本书以“完全精通 WPS Office”为出发点，以“用好 WPS Office”为目标来安排内容，全书共分为7篇，19章内容。第1篇为快速入门，全面讲解WPS Office
本书按照时间先后顺序，梳理计算机发展历程中的关键技术，详细介绍相关技术原理、背后的发明故事及市场情况等，主要包括：计算机起源和组成、晶体管、二进制与数字编码、数字电路、芯片、CPU、计算机操作系统、软件与编程、网络、智能设备以及人工智能。本书由三部分内容组成，一是正文内容；二是知识拓展；三是技术知识，读者可以根据喜好选择阅读。本书具有一定的专业性，有干货有故事，内容有趣不乏味，娓娓道来，引人入胜。
"《推荐系统核心技术与实践》循序渐进地讲解了使用Python语言开发推荐系统的核心知识，并通过实例的实现过程演练了各个知识点的使用方法和使用流程。全书共分 12 章，内容包括推荐系统基础知识介绍、基于内容的推荐、协同过滤推荐、混合推荐、基于标签的推荐、基于知识图谱的推荐、基于隐语义模型的推荐、基于神经网络的推荐模型、序列建模和注意力机制、强化推荐学习、电影推荐系统、动漫推荐系统等。本书内容讲解简洁而不失技术深度，内容丰富全面，用简练的文字介绍了复杂的案例，易于读者学习。《推荐系统核心技术
"《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
新书资讯 新书推荐