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。"
"本書循序漸進地介紹了深度學習的基礎知識與常用方法，全面細致地提供了深度學習操作的原理和在深度學習框架下的實踐步驟。本書共分為三部分，理論基礎、實驗和案例。第一部分理論基礎，包括第1~7章，主要介紹深度學習的基礎知識、深度學習在不同領域的應用、不同深度學習框架的對比以及機器學習、神經網絡等內容； 第二部分實驗，包括第8~9章，主要講解常用深度學習框架的基礎以及計算機視覺、自然語言處理、強化學習和可視化技術領域的一些實驗講解。第三部分案例包括第10~17章，通過8個案例介紹深度學習在圖像分類、目標
因素空間是信息、智能和數據科學的數學基礎理論。本書將介紹因素空間如何將智能生成的統一機制落實到各行各業，開展全民智能孵化的洛神工程。 本書主要內容包括：介紹因素的范式特質和智能孵化洛神工程的內容；介紹因素空間對智能生成機制的落實細則；介紹因素顯隱的理論，將現有人工智能數學算法歸結到回歸和優化兩大方面，突出支持向量機與因素空間對支持向量機的改進，并介紹作者在線性規劃方面的獨特貢獻；強調智能的核心是因果分析，支持珀爾的因果革命論，并對其中的瑕疵進行改進；作為智能孵化的一個應用，介紹循證因素
本書從多角度覆蓋了多智能體自主協同技術的內容，分5篇共18章，包括多智能體系統的協同基礎、集群控制、通信優化、任務協同及目標追蹤，旨在將多智能體自主協同技術中的方法和理論結合起來，并強調協同基礎的重要性，具有基礎性、應用性、綜合性和系統性等特點。本書可以作為多智能體系統領域研究的入門指南，或者作為協同無人系統工程師的自學教材，還可以用作高年級本科生以及研究生教材。另外，本書也可以作為協同無人系統、無人飛行系統以及無人系統的補充閱讀材料。
新書資訊 新書推薦