第四部分“高级概念”（第13~17章）揭示各种可以令读者编写出更强大的代码的高级策略，包含继承、混入、元类、抽象基类、自省、泛型、异步、并发、线程和并行等。第三部分“数据和流程”（第9～12章）介绍操作数据和控制执行流程的许多独特方法，包括集合、迭代、生成器、推导式、文本输入/输出、上下文管理、二进制和序列化等。第二部分“基本结构”（第5~8章）探索Python的变量、数据类型、函数、类、对象、错

同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学等方面的应用。本书根据李宏毅老师“机器学习”公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括 BERT 和 GPT）等深度学习常见算法，并讲解了对抗

《动手学深度学习》全新PyTorch版本，李沐和亚马逊科学家阿斯顿·张等大咖作者强强联合之作，机器学习、深度学习领域重磅教程，交互式实战环境，配套资源丰富！

以下推荐几本适合入门人工智能的书籍，帮助你逐步建立基础知识和理解：一、数学基础类《数学之美》推荐理由：深入浅出地讲解了自然语言处理与搜索方向的数学原理，对于理解算法背后的数学逻辑非常有帮助。本书的章节名称，有“统计语言模型”“谈谈中文分词”“贾里尼克和现代语言处理”“布尔代数和搜索引擎”“信息指纹及其应用”等，似乎太过专业，实际上高中和大学低年级的同学们都能看得懂，当然本书因此也可以称得上是“高级

美国经典人工智能教材第3版，人工智能的百科全书，新增深度学习及人工智能编程等内容，理论阐释结合动手实践。本书包括引言、基础知识、基于知识的系统、人工智能高级专题、人工智能的现在和未来以及安全与编程六部分内容。第一部分从人工智能的定义讲起，对人工智能的早期历史、思维和智能的内涵、图灵测试、启发式方法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、

图像分割的概念图像分割是将图像分割成不同的区域或类别，并使这些区域或类别对应于不同的目标或局部目标。每个区域包含具有相似属性的像素，并且图像中的每个像素都分配给这些类别之一。一个好的图像分割通常指同一类别的像素具有相似的强度值并形成一个连通区域，而相邻的不同类别的像素具有不同的值。这样做的目的是简化成改变图像的表示形式，使其更有意义、更易于分析。如果分割做得好，那么图像分析的所有其他阶段都将变得更

计算机图形学中使用了大量数学知识，尤其是矩阵和线性代数。虽然我们倾向于认为3D图形编程是紧跟最新技术的领域之一（它在很多方面确实是），但它用到的很多技术实际上可以追溯到上百年前,其中一些甚至是由文艺复兴时期的伟大哲学家们认识到并记录的。3D图形学中几乎每个方面、每种效果——移动、缩放、透视、纹理、光照、阴影等，都在很大程度上以数学方式实现。

如何解决机器学习领域的数学问题，打下坚实的数学基础？是很多初学者乃至进阶者关心的话题。我们把这个问题拆解成下面几个问题：1. 为什么需要数学？2. 机器学习中究竟用到了哪些数学知识？3. 如何掌握这些数学知识？那么你需要这样一本帮你解决学习机器学习的数学问题的书，首选《机器学习的数学》，本书覆盖了人工智能领域中与机器学习相关的数学知识体系，不仅囊括了微积分和线性代数等基本数学原理，还详细讲解了概率

本书深入阐述了大语言模型的基本概念和算法、研究前沿以及应用，涵盖大语言模型的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。最后，讨论了语言模型对环境的影响。本书从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAI GPT、清华大学GLM、Meta Llama等主流大模型的技术原理，并从大模型参数高效微调、大模型指

点击关注异步图书，置顶公众号每天与你分享IT好书 技术干货 职场知识​​点击图片购书​参与文末话题讨论，每日赠送异步图书——异步小编在摩尔定律减缓的今天，一味比拼硬件性能的技术竞赛变得越发艰难。然而性能提升的最终目的是满足应用，如何在现有的能力下最大程度地满足数以千万计的不同应用的需求，就成了当今处理器行业要面对的重要问题。RISC-V站在了时代的风口，其作为一种开源架构的出现必将对芯片产业产生深