书籍推荐

从大模型原理到创作实践与教育议题，适合希望建立AI知识框架的普通读者、教师与家长。

从搜索、感知、学习到推理，用通识视角建立理解人工智能的知识框架，适合希望看懂技术原理与能力边界的中文读者。

围绕扣子平台的工作流、知识库、提示词与数据库，用具体项目学习AI智能体应用开发。

围绕提示词、数据分析任务和结果验证，把DeepSeek等工具接入日常分析流程；适合运营、业务和数据岗位边做边学。

围绕工具调用、MCP、知识与记忆、评估及多智能体协作，学习把Python原型做成可检查的Agent应用。适合已有编程基础的实践者。

从AI与生物技术的扩散出发，讨论技术能力、权力结构与治理难题，适合希望跳出工具使用视角的中文读者。

从数据、评估、部署到持续监控，理解机器学习系统落地时的工程取舍。适合希望把离线模型变成长期可维护服务的工程师和技术负责人。

由中国人民大学研究团队编写的中文大模型技术参考书，适合具备深度学习基础、希望建立系统技术框架的读者。

从深度学习基础走向图像、文本和生成式AI，结合Keras 3及主流框架建立实践能力。适合有Python基础、想系统补齐模型知识的读者。

以模型、策略和算法为主线，系统学习监督、无监督、深度与强化学习，适合愿意认真补足数学基础的技术读者。

把AI技术理解与需求洞察、模型评估和产品设计连接起来，适合产品经理及负责AI落地的业务与技术协作团队。

从人工智能的历史、思想与技术路线出发，理解大模型热潮的来处，适合希望建立全局认知的读者。

通过李飞飞的成长和科研经历理解计算机视觉、数据与现代AI的发展，也讨论技术进步中的人的处境与责任。

面向企业负责人和技术团队，从业务场景、方案选择与预算投入出发，介绍大模型项目的准备、开发和落地流程。

面向具备Python基础的应用开发入门读者，围绕文本生成、问答、摘要与RAG建立工程思路；阅读时需区分稳定概念与会变化的接口。

把微积分、线性代数、概率统计与AI问题联系起来，适合在算法学习中补齐数学基础，并通过Python练习检验理解。

周志华的机器学习基础教材，从模型评估到经典算法，适合希望补齐理论框架、理解模型选择逻辑的学习者。