本書是一部揭示ChatGPT與AIGC的背后真相及未來發展趨勢的重要著作。首先，本書全景式展現了ChatGPT背后的創造者群像，揭示了創新、創造和創業的成功之路。其次，本書系統回顧了AIGC發展過程中的重要里程碑，從早期的神經網絡到深度學習技術，再到大語言模型的突破，全面展示了這一領域的進展和創新。再次，本書聚焦剖析了ChatGPT的技術淵源、技術架構、進化之路、商業模式及未來發展趨勢。從次，本書將關于ChatGPT的討論擴大到AIGC領域，深刻分析了AIGC的生產力革命內涵。然后，本書深
在很長一段時間里，人類是地球上唯一會使用符號的生物。現在，計算機越來越智能，人類有了使用符號的伙伴。而要了解人工智能，就必須了解人工智能奠基人和科學家。本書作者帕梅拉·麥考黛克回憶了自己從20世紀60年代初識人工智能到21世紀深切體驗人工智能對我們生活產生的影響，記述了這一過程中對人工智能形成和發展做出舉足輕重的貢獻的人物，探討了人文與科學這兩種文化之間的碰撞和結合。
《Copilot和ChatGPT編程體驗：挑戰24個正則表達式難題》呈現了兩方競爭的格局。一方是專業程序員David Q. Mertz，是網絡上****的正則表達式教程的作者。另一方則是強大的AI編程工具OpenAI ChatGPT和GitHub Copilot。比賽規則如下：David編寫了24個正則表達式難題，并展示如何解決每個難題。David解題后，會讓AI工具重解一遍。AI工具給出的結果令David大為驚嘆。哪方的結果更正確？哪方編寫的代碼更簡潔優雅？哪方更機智地利用了鮮為人知的
本書介紹人工智能的基礎理論、技術及應用。全書共9章,主要內容包括人工智能概述、知識表示與知識圖譜、搜索策略、機器學習、人工神經網絡、典型卷積神經網絡、智能圖像處理、機器學習開發框架、機器學習項目剖析。本書強調理論聯系實際，既深入淺出地介紹了人工智能領域的基礎知識和實用技術，又詳細介紹了兩個機器學習開發框架： PyTorch和百度公司研發的PaddlePaddle（飛槳），并帶領讀者逐步剖析在飛槳平臺上實現的項目案例。案例的代碼清晰，易于理解，讀者可快速提高采用機器學習方法解決實際問題的實踐
人工智能是研究利用計算機系統實現人類智能的理論、方法和技術的學科。本書較系統進介紹了人工智能的基本內容，主要包括人工智能發展的三次熱潮、知識與知識表示、推理方式、搜索策略、專家系統、機器學習、神經網絡模型、深度學習、計算機視覺、自然語言處理、知識圖譜、智能體、群智能算法、生物征識別和智能機器人等。 本書注重基本概念、基本方法和應用實例的介紹，譜言精煉、邏輯層次清晰、透合作為高等學校人工智能”課程的教材，也可以用作科技人員的參考書。
本書以PyTorch深度學習的常用技術與真實案例相結合的方式，深入淺出地介紹使用PyTorch實現深度學習應用的重要內容。本書共7章，內容包括深度學習概述、PyTorch深度學習通用流程、PyTorch深度學習基礎、手寫漢字識別、文本生成、基于CycleGAN的圖像風格轉換、基于TipDM大數據挖掘建模平臺實現文本生成等。本書大部分章包含實訓和課后習題，希望通過練習和操作實踐，幫助讀者鞏固所學的內容。 本書可以作為高等學校數據科學與大數據技術或人工智能相關專業的教材，也可作為深度學習愛好者的自學
本書以項目實踐作為主線，結合必需的理論知識，以任務的形式進行內容設計，每個任務都包含任務描述及任務實施的步驟，讀者按照實施步驟進行操作就可以完成相應的學習任務，從而不斷提升項目實踐能力。本書主要內容涉及機器學習的基礎知識，模型評估與選擇，回歸、分類、聚類等機器學習算法，數據挖掘的基礎知識，數據分析與應用，以及通過用戶行為分析預測項目學習如何將機器學習與數據挖掘應用到實際中。 本書適合使用機器學習與數據挖掘技術進行大數據處理的程序員、架構師和產品經理作為技術參考和培訓資料，也可作為高校本科生和研究
本書系統介紹了眾包學習的概念、應用領域、前沿課題和研究實踐。在基礎知識方面，本書介紹了眾包的起源與發展、眾包技術的研究方向，分析眾包模式給機器學習帶來的機遇與挑戰。在前沿技術方面，本書詳細闡述了眾包標注真值推斷與面向眾包標注數據的預測模型學習等前沿研究課題。在研究實踐方面，本書介紹了面向偏置標注的眾包標簽真值推斷、基于機器學習模型的眾包標簽噪聲處理、眾包標簽利用方法與集成學習模型、基于不確定性度量的眾包主動學習等典型研究案例。
本書以統計/數學為出發點, 介紹深度學習必備的數理基礎, 講解PyTorch的主體架構及最新的模塊功能, 包括常見算法與相關套件的使用方法, 例如對象偵測、生成對抗網絡、深度偽造、圖像中的文字辨識、臉部辨識、BERT/Transformer、聊天機器人、強化學習、自動語音識別、知識圖譜等。
本書是一本深度學習從入門、算法到應用實踐的書籍。全書共9章，第1章介紹深度學習基礎，主要介紹基本概念和基本算法；第2章介紹深度學習的計算平臺，主要介紹深度神經網絡計算芯片TPU的架構原理；第3章介紹深度學習編程環境和操作基礎，引導零基礎讀者快速入門Linux操作系統、Python編程語言、TensorFlow和PyTorch深度學習框架，為實現深度學習算法開發及應用部署奠定基礎；第4～8章基于卷積神經網絡，分別聚焦計算機視覺領域的幾大經典任務，包括圖像的分類、目標檢測、語義分割、實例分割、人臉檢
新書資訊 新書推薦