贝努瓦·利凯（Benoit Liquet）：麦考瑞大学数学与物理科学学院教授。研究方向为高维数据、大数据、组学数据、模型选择、降维与半参数模型、多状态模型、生存模型和多重检验。萨拉特·莫卡（Sarat Moka）：悉尼新南威尔士大学数学与统计学院讲师，兼任麦考瑞大学数学与物理科学学院荣誉研究员。研究方向为计算统计学、应用概率、机器学习和深度学习。尤尼·纳扎拉西（Yoni Nazarathy）：昆士

依托本书循序渐进学习，搭配附录的数学基础知识复盘，我们既能吃透线性代数、微积分、概率优化核心内容，又能建立数学公式与神经网络、CNN、Transformer、生成模型之间的对应关系，帮助学习者顺利从调参工程师进阶至读懂原理、吃透模型的层次。第 1 章至第 4 章对深度学习领域进行了简要概述， 梳理了机器 学习的关键概念， 介绍了深度学习所需的优化理论， 同时着重阐释了基础模型与核心概念。在概述基本

相较于展示AI工具生成的代码，展示人与AI工具的对话记录可能更有意义：人如何通过自然语言驱动AI工具编写代码，如何反馈错误，如何重构，如何定位问题，如何在AI工具失效的情况下接管代码，最终生成正确的代码。本书的目标读者很明确：如果你是一位有经验的软件开发者，已经掌握了一些专业的开发知识（编程语言、算法、软件架构、数据库、开发流程等，尤其是Web应用开发的知识），在这个从传统编程向Al辅助编程迅速演

在2024年，计算机领域的新书层出不穷，涵盖了从基础理论到前沿技术的多个方面。以下是今年出版的几本备受关注的计算机新书。1、深度学习详解1.李宏毅老师亲笔推荐，杨小康、周明、叶杰平、鼎力推荐!超10000次Star的开源笔记。3.从到Chat技术原理一个不落GPT中的T代表的正是Transformer。如何理解这一在深度学习领域具有深远影响的概念?从经典的论文开始,逐步深度介绍Transforme

开 发者需要进行深入思考并动手实践，以确立 Agent 的开发框架、Agent 访问工具的方 式、与数据交互的方式，以及如何对话以完成具体任务。这些问题的答案将塑造未来 Agent 的形态和能力。■ Llama Index ：开源框架，用于帮助管理和检索非结构化数据，利用大模型的 能力和 Agent 框架来提高文本检索的准确性、效率和智能程度。随着技术的进步，我们开始期待更多：我们所向往的是一个不

本书从机器学习的角度讲授这些数学知识，对它们在该领域的应用举例说明，使读者对某些抽象的数学知识和理论的实际应用有直观、具体的认识。”中除了公式以外的重、难点内容加以解析，以过来人视角给出学习建议，旨在对比较难理解的公式和重点内容扩充具体的例子说明，以及对跳步过大的公式补充具体的推导细节。全书共16 章，与“西瓜书”章节、公式对应，每个公式的推导和解释都以本科数学基础的视角进行讲解，希望能够帮助读者

相较于展示AI工具生成的代码，展示人与AI工具的对话记录可能更有意义：人如何通过自然语言驱动AI工具编写代码，如何反馈错误，如何重构，如何定位问题，如何在AI工具失效的情况下接管代码，最终生成正确的代码。本书的目标读者很明确：如果你是一位有经验的软件开发者，已经掌握了一些专业的开发知识（编程语言、算法、软件架构、数据库、开发流程等，尤其是Web应用开发的知识），在这个从传统编程向Al辅助编程迅速演

本书系统梳理当前智能体技术的发展脉络与应用趋势，全面解析智能体的构建原理与实战场景，帮助读者从零起步，掌握打造高效AI助手的核心方法。读者将跟随咖哥和小雪的脚步，踏上饶有趣味的Agent开发之旅，零距离接触GPT-4模型、OpenAI Assistants API、LangChain、LlamaIndex和MetaGPT等尖端技术，见证Agent在办公自动化、智能调度、知识整合以及检索增强生成（R

你可能是程序员或有志于学习编程的人。在实际编程中，有些人可能会想：“我应该好好学习数学……”你可能买了一本书来学习机器学习或人工智能，但完全不知道上面写的是什么！有些人可能已经感到非 常沮丧了。数学知识对编程很有用，但是很多写给程序员的数学书都比较难。小编推荐几本专门写给程序员的数学基础书，希望这份书单可以帮到你。数学知识对编程很有用，但是很多写给程序员的数学书都比较难。我们为什么不从基础的数学知

由于 LLM 本身具有较高的复 杂性和较大的规模，MLOps 在其中显得尤为重要，它能够有效应对多个挑战，例如大型数据集的管 理、模型版本的控制、结果的可复现性，以及模型性能的长期维护等。第 1 章：理解 LLM Twin 的概念与架构，介绍贯穿全书的项目LLM Twin——一个端到端的生 产级 LLM 应用示例， 定义用于构建可扩展的机器学习系统的特征、训练、推理（feature/ traini