本書針對現有的混合式學習模式中存在理論、實驗及創新實踐三個環節的時間及空間分離問題，探索并構建一套“理實同步-虛實結合-資源共享”線上線下混合式人才培養平臺。包括：建立了全新的通信網絡控制模型，解決了通信互聯網絡引入的時延問題，實現了混合式學習線上線下課程的同步集成，提高了高校課堂教學效率；解決了個性化知識建構平臺集成和多設備跨平臺集成的信息安全問題，構建了創造性知識生成系統，并完成了知識庫的自動更新。采用線下高校課堂與線上慕課混合策略，打造了一套全程同步混合式學習環境平臺，滿足學生從入學到畢業
本書主要圍繞AI系統的理論基礎與技術基礎知識展開，結合實例進行介紹，旨在讓讀者了解AI系統的來龍去脈，形成對AI系統的系統化與層次化的初步理解，掌握AI系統基本理論、技術、實際應用及研究方向，為后續從事具體的學習研究工作和項目開發工作奠定基礎。 本書首先介紹AI的歷史、現狀與發展及AI系統的基本知識，后分為AI硬件與體系結構、AI編譯與計算架構、AI推理系統與引擎、AI框架核心模塊四篇進行詳細介紹，涉及AI系統從底層原理到應用落地的全貌，反映了AI系統架構的前沿技術。
本書旨在成為大模型在各行各業落地應用的“百科全書”，專為對大模型感興趣的從業者和企業管理者量身打造。本書結合了實地調研和多元視角，不僅對大模型進行了技術分析，還從商業、產品、行業等多個角度進行了應用探討。全書共5章：第 1 章介紹了大模型的訓練過程和核心技術；第 2 章分析了大模型對軟件行業的影響，通過具體案例展示了軟件公司如何適應大模型需求；第 3、4 章分別從產品和行業角度出發，討論了大模型如何改變產品升級流程和工作流程，以及它對各行各業的具體影響；第 5 章展望了大模型的未來，預測了它將如
本書全面介紹大語言模型提示工程基礎、提示詞類型與萬能公式、文本摘要、改寫重述、語法糾錯、機器翻譯、數據挖掘、程序開發、AI寫作輔導、AI繪畫、百度文心一言和阿里通義大模型等內容。同時詳細介紹各類提示詞的應用, 如問答式、指令式、狀態類、建議式、安全類和感謝類提示詞, 以及如何通過實戰演練掌握這些技巧。此外, 還涉及使用提示詞進行文本摘要、改寫重述、語法糾錯、機器翻譯等語言處理任務, 以及在數據挖掘、程序開發等領域的應用。
通過“特征工程”技術, 可優化訓練數據, 提升機器學習流程的輸出效果! “特征工程”基于現有數據設計相關的輸入變量, 由此簡化訓練過程, 增強模型性能。調整超參數或模型的效果都不如特征工程; 特征工程通過改變數據管道, 大幅提升了性能。本書列舉6個實用項目, 引導你利用特征工程優化訓練數據。每章探討一個代碼驅動的新案例研究, 涉及金融、醫療等行業。你將學會清洗和轉換數據, 學會減少偏見。本書呈現各種性能提升技巧, 涵蓋從自然語言處理到時間序列分析等所有主要機器學習子領域。
本書的目標是向你介紹圖數據結構、圖分析和圖機器學習的概念、技術和工具。每章的開頭都列出了目標，大致分為三個方面：學習圖分析和機器學習的概念；用圖分析解決特定問題；了解如何使用GSQL查詢語言和TigerGraph圖平臺。首先介紹圖數據的基本概念，然后通過連接、分析、學習三大部分深入講解一些圖算法和機器學習技術。
本書提供使用PyTorch 開發深度學習應用程序的基本原理和方法,旨在為讀者介紹機器學習工程師和數據科學家在解決深度學習問題中所采用的主流現代算法與技術,緊跟深度學習領域的最新發展趨勢,助力初學者熟練掌握PyTorch。本書的核心優勢在于,采用易于理解的問題與解決方案的結構,全面而詳盡地講解了PyTorch的使用方法,并提供了大量相應的代碼示例,以便將這些概念順利應用于實際項目中。本書適合對計算機視覺、自然語言處理等領域感興趣的人士閱讀。對于希望在深度學習任務中運用PyTorch 的讀者
本書從機器學習的基本概念出發，系統地介紹了各種機器學習算法的原理與應用。書中強調了算法在實際問題中的應用與案例分析，通過完整的解決步驟和結果展示，使讀者能夠充分掌握算法建模的技術。本書涵蓋了監督學習、無監督學習、半監督學習等主要機器學習算法。
"《機器學習項目成功交付》詳細闡述了與機器學習成功交付相關的基本知識，主要包括項目前期，開始工作，深入研究問題，探索性數據分析、道德和基線評估，使用機器學習技術制作實用模型，測試和選擇模型，系統構建和生產，發布項目等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。"
新書資訊 新書推薦