本书致力于探索如何在大规模深度学习模型训练中，最大限度地提高性能和优化显存使用。本书面向深度学习从业者，尤其是希望深入了解并提升模型训练效率的工程师与研究人员。随着深度学习模型和数据规模的迅速增长，如何高效利用硬件资源，减少训练时间，成为当前AI系统工程的关键挑战。本书从硬件和软件的基础知识入手，逐步引导读者理解和掌握

这是一部从技术原理、行业应用、商业价值、投资创业、发展趋势5个维度讲解AIAgent的著作，具有科普书和商业书的双重属性。本书首先详细介绍了AIAgent的技术路径及其在11大领域的应用，丰富的应用案例可以帮助读者深度理解AIAgent产品形态与服务方式；然后深入探讨了AIAgent的商业价值与商业生态，并对AIAge

近年来人工智能特别是深度学习技术得到了飞速发展，这背后离不开计算机硬件和软件系统的不断进步。在可见的未来，人工智能技术的发展仍将依赖于计算机系统和人工智能相结合的共同创新模式。本书介绍了前沿的系统和人工智能相结合的研究工作，包括AIforSystems和SystemsforAI，以帮助读者更好地寻找和定义有意义的研究问

本书全面、系统地介绍了单机和分布式图分析算法的理论基础、框架、实战应用等，侧重理论与实践相结合。在内容组织上，首先，本书整体介绍图分析技术的发展历程和现状，并分析图分析技术面临的挑战。其次，本书系统介绍了以下内容：单机图分析算法的基本原理、常用场景和基础解法；分布式图分析技术的关键步骤解析及调优策略指导；业界经典的大数

《PyTorch深度学习项目教程》根据初学者的学习曲线和职业生涯成长规律，由浅入深设计了5个基础项目和3个综合项目。基础项目包括手写数字识别、二维曲线拟合、猫狗图像分类、提升猫狗图像分类的准确率和文本翻译，引导读者使用PyTorch构建神经网络算法框架，深入探讨了深度学习数据集构建、神经网络模型原理及实现、算法训练与评

本书用科普化的语言介绍了搜索、计算机视听觉、自然语言处理、机器学习、多模态信息处理等人工智能系统中的基础算法和数学模型，它们是实现人工智能的基础。展示了人工智能的底层逻辑，人工智能工作的基本规律。让读者真正搞懂如何给机器装上眼睛和耳朵、如何让机器理解人类语言、如何让机器拥有知识、如何让机器懂逻辑会推理、如何使机器人的言

本书以统一而较简明的方式介绍人工智能算法在数值求解复杂系统中的基本方法及最新进展。首先从人工智能与机器学习的基础算法开始讲解，从最基础的反向传播神经网络模型开始，介绍一些经典的机器学习算法的基础及其原理。然后从一阶常微分方程初值问题引入，分别介绍了常微分方程、偏微分方程以及积分微分方程数值求解的经典算法。随后分别研究了

本书系统阐述了机器学习的基本理论、算法和实现。全书共11章：第1章着重介绍了机器学习的基本知识；第2章介绍了样本数据预处理和提取的传统算法(如PCA和LDA)，并增加了流形学习和稀疏表征等理论；第3-8章系统介绍了传统机器学习算法，如监督学习(贝叶斯、最近邻、线性模型、非线性模型和集成学习)和非监督学习(聚类)；第9、

在人工智能飞速发展的今天，大众对于这一前沿技术仍感神秘且难以窥探其深。为此，本书针对人工智能的核心问题进行了深入剖析，旨在帮助读者揭开其神秘面纱。本书的主要内容围绕以下问题展开：什么是人工智能？人工智能能否解释其决策？它能否承担法律责任？它是否具有代理权？人类应该保留对这类系统的何种控制权，是否取决于所做决策的类型？如

大模型作为人工智能技术的重要发展方向，逐渐成为未来科技发展的重要方向之一。基于此，本书重点介绍与大模型相关的基础知识、原理与技术。本书分为14章，内容包括深度学习基础、自然语言处理、大模型网络结构、大模型训练与优化、大模型微调及相关应用案例等。全书强调内容的科学性与系统性，从大模型历史发展脉络、理论基础、构建方法到应用