《ChatGLM3大模型本地化部署、應(yīng)用開發(fā)與微調(diào)》作為《PyTorch 2.0深度學習從零開始學》的姊妹篇，專注于大模型的本地化部署、應(yīng)用開發(fā)以及微調(diào)等�！禖hatGLM3大模型本地化部署、應(yīng)用開發(fā)與微調(diào)》不僅系統(tǒng)地闡述了深度學習大模型的核心理論，更注重實踐應(yīng)用，通過豐富的案例和場景，引導讀者從理論走向?qū)嵺`，真正領(lǐng)悟和掌握大模型本地化應(yīng)用的精髓。全書共分13章，全方位、多角度地展示了大模型本地化實戰(zhàn)的完整方案，內(nèi)容包括大模型時代的開端、PyTorch 2.0深度學習環(huán)境搭建、基于gra
本書從人工智能的概念、應(yīng)用和發(fā)展方向?qū)θ斯ぶ悄苓M行了初步分析，然后對人工智能的基礎(chǔ)知識做了闡述，并在此基礎(chǔ)上引出了人工智能的基礎(chǔ)算法原理，然后對智能極端的模糊算法、神經(jīng)計算和群集智能算法進行了分析探索。
本書全面介紹了圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)和前沿內(nèi)容，以及圖表示學習的基本概念和定義，并討論了高級圖表示學習方法的發(fā)展，旨在幫助研究人員和從業(yè)者了解圖神經(jīng)網(wǎng)絡(luò)的基本問題。此外，本書探討了圖神經(jīng)網(wǎng)絡(luò)的幾個前沿主題，包括利用圖數(shù)據(jù)描述社會科學、化學和生物學等領(lǐng)域的真實數(shù)據(jù)的關(guān)系，還介紹了圖神經(jīng)網(wǎng)絡(luò)的若干前沿趨勢，能夠幫助讀者進一步掌握圖神經(jīng)網(wǎng)絡(luò)所涉及的技術(shù)。 本書適合所有想了解圖神經(jīng)網(wǎng)絡(luò)基本問題和技術(shù)的人，包括但不限于高等院校計算機專業(yè)高年級本科生及研究生、科研人員以及相關(guān)從業(yè)者。
圖神經(jīng)網(wǎng)絡(luò)不僅能夠解決傳統(tǒng)機器學習方法無法解決的圖數(shù)據(jù)問題，而且能夠應(yīng)用于許多實際場景，例如社交網(wǎng)絡(luò)、藥物發(fā)現(xiàn)、網(wǎng)絡(luò)安全、金融風控等。《圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、模型與應(yīng)用實戰(zhàn)》旨在為初學者和實踐者提供一個詳細、全面的入門指南，圍繞圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、模型、應(yīng)用實戰(zhàn)（均采用Python+PyTorch實現(xiàn)）等方面進行介紹�！秷D神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、模型與應(yīng)用實戰(zhàn)》配套示例源碼、數(shù)據(jù)集、PPT課件。《圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、模型與應(yīng)用實戰(zhàn)》共分9章，內(nèi)容包括圖神經(jīng)網(wǎng)絡(luò)概述、PyTorch開發(fā)環(huán)境搭建、數(shù)據(jù)集的獲取與加載
本書的內(nèi)容共包含八章。第一章分別從學術(shù)界、媒體、企業(yè)界、政府等多視角介紹人工智能當前火熱的現(xiàn)狀。第二章介紹了不同人群對人工智能提出的疑問，包括疑問論、懷疑論和恐懼論。第三章主要闡述了人工智能的基本概念，包括來自不同領(lǐng)域的各種不同的觀點和看法。第四章提出了作者對人工智能的獨特見解，包括人腦智能、人腦基本能力模型、機器智能、智能機器、智能等級模型等多種新概念和新觀點。第五章提出廣義人工智能和狹義人工智能的概念，將各種不同的人工智能概念統(tǒng)一在一個框架之下。第六章介紹了未來人工智能可能具備的能
本書通過對大眾電子足跡大數(shù)據(jù)的挖掘與分析，從公共事件、智能交通和行為經(jīng)濟學三個維度探究復雜社會系統(tǒng)所隱藏的內(nèi)生動力，并通過提出基本假設(shè)、建立理論模型探索這些規(guī)律的產(chǎn)生機制和可能的動力學影響。本書共6章： 第1章系統(tǒng)梳理了“人類行為動力學”在社會科學的認知及其使用情況，比較了“內(nèi)生動力”與“外在推力”等知識體系對人類行為的作用，重點就人類行為特性背景中的內(nèi)生動力基本形式、表現(xiàn)方法以及個體行為影響與群體行為影響的關(guān)聯(lián)進行了分析。第2章介紹了人類行為動力學，并介紹了行為動力學規(guī)劃、搜集、提取、
主要內(nèi)容● 數(shù)據(jù)字典和數(shù)據(jù)治理● 數(shù)據(jù)質(zhì)量管控、合規(guī)和分發(fā)● 構(gòu)建自動化管道以提高可靠性● 數(shù)據(jù)攝取、存儲和分發(fā)● 支持生產(chǎn)環(huán)境中的數(shù)據(jù)建模、分析和機器學習
本套叢書循序漸進地詳細講解了與深度學習相關(guān)的重要概念、算法和模型，并著重展示了PyTorch是如何實現(xiàn)這些算法和模型的。其共分為三卷：編程基礎(chǔ)、計算機視覺、序列與自然語言處理。本書為該套叢書的第三卷：序列與自然語言處理。主要介紹了循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN、GRU和LSTM)和一維卷積；Seq2Seq模型、注意力、自注意力、掩碼、和位置編碼；Transformer、層歸一化、和視覺Transformer(ViT)；BERT、GPT-2、單詞嵌入、和HuggingFace庫等內(nèi)容。
本書探討了AI領(lǐng)域的AI Agent（智能體）和生成式AI的前沿進展，以及這些技術(shù)如何重塑我們的生活和工作方式。本書首先回顧了AI技術(shù)的演變歷程，并強調(diào)了智能體的定義及其在客戶服務(wù)、醫(yī)療健康和制造業(yè)等領(lǐng)域的廣泛應(yīng)用。本書也對智能體與傳統(tǒng)軟件進行了對比，分析了智能體的自主性、適應(yīng)性和協(xié)作能力。生成式AI的崛起也被特別提及，其在藝術(shù)創(chuàng)作、數(shù)據(jù)增強等領(lǐng)域的應(yīng)用被廣泛討論。本書還探討了智能體在多智能體系統(tǒng)中的協(xié)同作用和具身智能的概念，分析了智能體的商業(yè)應(yīng)用，包括企業(yè)級應(yīng)用與任務(wù)規(guī)劃、流程優(yōu)化等，同時也指
新書資訊 新書推薦