2024 年，又是人工智能和大模型技术飞速发展的一年，我们有幸见证了 AI 如何深刻地影响和改变着我们的世界。
为了深入理解这场技术变革，把握 AI 应用的未来趋势，我们特别策划了一期“大模型 & AI应用”主题书单。
本篇精选了 2024 年人工智能畅销图书，涵盖自然语言处理、深度学习、LLM、软件架构等，这些经典书带领无数程序员进入 AI 之门。
PART.01
人工智能基础
**NO.**1
《人工智能：现代方法（第4版）（上下册）》
本书系统、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。
全书分7个部分，共28章：
-
理论部分，介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；
-
实践部分，完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。
本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。
**NO.**2
《深度学习》
深度学习领域奠基性经典畅销书，数据科学家和机器学习从业者必读，长期位居美亚AI和机器学习类图书榜首，图灵奖获奖作品，全彩印刷。
本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。
《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。
**NO.**3
《动手学深度学习（PyTorch版）》
在线阅读：https://zh.d2l.ai/
深度学习领域重磅作品《动手学深度学习》全新PyTorch版本，亚马逊科学家“沐神”李沐、阿斯顿·张著作，被全球70 多个国家500多所大学采用为教科书，提供视频课程、教学PPT、习题可在线运行源码等资源的深度学习入门书，当前已累计销售近10万册。
**NO.**4
《机器学习（西瓜书）》
由周志华所著，是人工智能领域中文的开山之作，详细介绍了机器学习算法和原理，语言通俗易懂，适合初学者入门。
全书共16章，大致分为3个部分：
-
第1部分（第1～3章）介绍机器学习的基础知识；
-
第2部分（第4～10章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；
-
第3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。
本书更适合大学三年级以上的理工科本科生和研究生，以及具有类似背景的对机器学习感兴趣的人士。
**NO.**5
《人工智能简史》
《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。
第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。
本书极具专业性、思想性和趣味性，既适合缺少专业背景的读者了解人工智能的来龙去脉，作为人工智能的启迪之书，也适合专业人士了解人工智能鲜为人知的历史，提供深入学习的指导。
**NO.**6
《计算机科学概论（第13版）》
《计算机科学概论（第13版）》是首屈一指的导论性教材，累计销售超20万册，多年来一直深受世界各国高校师生的欢迎，是哈佛大学、麻省理工学院、普林斯顿大学、加州大学伯克利分校等著名大学对应课程的首选教材，对我国的高校相关教学也产生了广泛的影响。
本书以历史的眼光，从发展的角度、当前的技术水平以及现阶段的研究方向等几个方面，全景式描述了计算机科学各个子学科的主要研究领域。
本书非常适合作为高等院校计算机及相关专业本科生教材，也适合有意在计算机方面发展的非计算机专业读者作为入门参考书。
PART.02
大模型入门
0****1
《生成式AI入门与AWS实战》
本书是专注于如何在AWS上开发和应用生成式AI的实用指南，旨在为技术领导者、机器学习实践者、应用开发者等提供深入了解和应用生成式AI的策略与方法。
本书首先介绍了生成式AI的概念及其在产品和服务中的应用潜力，然后详细阐述了生成式AI项目的完整生命周期。
作者探讨了多种模型类型，如大语言模型和多模态模型，并提供了通过提示工程和上下文学习来优化这些模型的实际技巧。
此外，本书讨论了如何使用 LoRA 技术对模型进行微调，以及如何通过 RLHF 使模型与人类价值观对齐。
书中还介绍了 RAG 技术，以及如何利用 LangChain 和 ReAct 等开发 agent。
最后，本书介绍了如何使用 Amazon Bedrock 构建基于生成式AI的应用程序。
本书适合对生成式AI感兴趣的学生和研究人员、在 AWS 上开发AI应用程序的软件开发人员和数据科学家、寻求利用AI技术优化业务流程的企业决策者以及对技术趋势保持好奇心的科技爱好者阅读。
0****2
《大模型应用开发极简入门》
本书是一本适合初学者学习和快速入门大模型应用开发的实用手册。它不仅详细讲解了 GPT-4 和 ChatGPT 的工作原理，还提供了丰富的实践指导和技术细节，如文本生成、问答系统构建、内容摘要提取等。通过实际编程示例，读者可以快速掌握大模型应用开发的基本技能。
你的首本 LLM 应用开发手册：
1.【0门槛】人人都可以借力大模型，做出 AI 应用
2.【简单】学习大模型应用开发的“Z小可用知识”
3.【实操】学会写提示词、模型微调、使用 LangChain 等
4.【实战】提供常用场景代码示例，方便快速学习
5.【快速】2H 上手构建你的第一个原生 AI 应用
6.【全面】了解 GPT-4 和 ChatGPT 的工作原理
0****3
《Build a Large Language Model (From Scratch)》
书的地址：https://livebook.manning.com/book/build-a-large-language-model-from-scratch/
自ChatGPT发布以来，大型语言模型（LLM）成为了推动人工智能发展的关键技术之一。
著名机器学习和AI研究员、畅销书《Python 机器学习》的作者 Sebastian Raschka 发布了新书《Build a Large Language Model (From Scratch)》，为广大读者揭示了从零开始构建大型语言模型的全过程。
这本书不仅包含了如何创建、训练和调整LLM的详细步骤，还开源了对应的代码库，提供了实践操作的宝贵资源。
本书适合具有 Python 基础知识的读者阅读，拥有一定机器学习模型开发经验者更佳。无论是学生、研究员还是业界从业人员，都可以通过本书学习到构建和应用LLM的实用技巧。
0****4
《大模型应用解决方案》
一本权威且深入的教程，为你揭示前沿的自然语言处理技术。分享 Transformer 原理和大模型技术，针对不同企业环境，给出经典自然语言处理问题的解决方案。
由Google工程总监 Antonio Gulli 作序，并得到众多专家的推荐，这本书的含金量无需多言。
通过详细的章节和丰富的实战案例，你将全面掌握如何使用 TensorFlow、PyTorch 和GPT-3 等工具，进行情感分析、文本摘要、机器翻译等任务，还能深入了解 ViT、CLIP、DALL-E 等模型的应用。
本书不仅涵盖了 Transformer 的基础知识，还带领你探索从 NLP 到计算机视觉的广阔领域，最后展示了 ChatGPT 和 GPT-4 的高级提示工程机制。
这本书是你深入理解和应用 Transformer 模型的最佳选择。
0****5
《大语言模型应用指南》
《大语言模型应用指南：以ChatGPT为起点，从入门到精通的AI实践教程》是一本对人工智能小白读者非常友好的大语言模型应用指南，有两大特点：
-
一是以通俗易懂的方式解释复杂概念，通过实例和案例讲解大语言模型的工作原理和工作流程、基本使用方法，包括大语言模型常用的三种交互格式、提示工程、工作记忆与长短期记忆，以及外部工具等，使读者能够全面了解和掌握这一先进技术的应用和二次开发。
-
二是紧跟当前大语言模型技术的更新动态，介绍GPTs的创建，以GPT-4V和Gemini为例讲述多模态模型的应用，还包括无梯度优化、自主Agent系统、大语言模型微调、RAG框架微调、大语言模型安全技术等。
无论是学术研究者、工程师，还是对大语言模型感兴趣的普通读者，都可以通过本书获得大语言模型的前沿研究成果、技术进展和应用案例，从而更好地应用大语言模型解决实际问题。
0****6
《LangChain入门指南》
这本书专门为那些对自然语言处理技术感兴趣的读者提供了系统的 LLM 应用开发指南。
全书分为 11 章，从LLM基础知识开始，通过 LangChain 这个开源框架为读者解读整个LLM应用开发流程。
-
第1~2章概述LLM技术的发展背景和 LangChain 框架的设计理念。
-
从第3章开始，分章深入介绍 LangChain 的6大模块，包括模型I/O、数据增强、链、记忆等，通过大量代码示例让读者了解其原理和用法。
-
第9章通过构建PDF问答程序，帮助读者将之前学习的知识应用于实践。
-
第10章则介绍集成，可拓宽 LangChain 的用途。
-
第11章为初学者简要解析LLM的基础理论，如Transformer模型等。
本书以 LangChain 这个让人熟悉的框架为主线，引导读者一步一步掌握 LLM 应用开发流程，适合对大语言模型感兴趣的开发者、AI应用程序开发者阅读。
0****7
《大规模语言模型》
本书由复旦大学张奇教授团队撰写，详细介绍了构建LLM的四个主要阶段：预训练、有监督微调、奖励建模和强化学习。每个阶段都有算法、代码、数据、难点及实践经验的详细讨论，为读者提供了全面的理论基础和实践指导。
本书以大语言模型的基础理论开篇，探讨了大语言模型预训练数据的构建方法，以及大语言模型如何理解并服从人类指令，介绍了大语言模型的应用和评估方法，为读者提供了更全面的视野。
本书旨在为对大语言模型感兴趣的读者提供入门指南，也可作为高年级本科生和研究生自然语言处理相关课程的补充教材。
如何学习AI大模型 ？
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】
标签：本书,学习,年终总结,AI,模型,2024,人工智能,应用 From： https://blog.csdn.net/2401_85375298/article/details/144960254