《AI時代項目經(jīng)理成長之道：ChatGPT讓項目經(jīng)理插上翅膀》是一本致力于揭示人工智能如何顛覆和重塑項目管理，并以ChatGPT為核心工具推動項目管理創(chuàng)新的實用指南。本書通過13章的系統(tǒng)探討，帶領讀者踏上項目管理卓越之路。 第1章“人工智能顛覆與重塑項目管理”，首先揭示了人工智能對項目管理的深刻影響和帶來的機遇與挑戰(zhàn)，為讀者構(gòu)建了認知框架。緊接著，第2章至第13章依次介紹了使用ChatGPT編寫各種文檔、在項目啟動中的應用、幫助組建高效團隊、輔助項目溝通管理、項目計劃與管理、項目成本管理、項目時
《洞察AIGC：智能創(chuàng)作的應用、機遇與挑戰(zhàn)》內(nèi)容分為 3 篇：第 1 篇“AIGC 的蛻變”講述 AIGC 的發(fā)展歷史及其背后的智能；第2 篇“AIGC 的應用”講述 AIGC 在文學創(chuàng)作、日常辦公、知識管理、科研出版、工業(yè)制造、健康醫(yī)療、金融服務、品牌營銷領域的應用現(xiàn)狀及常用工具；第 3 篇“AIGC 的機遇與挑戰(zhàn)”講述 AIGC 的資本與技術(shù)前景，同時提出需要注意的風險。
本書分為10章: 第1章LabVIEW快速入門, 介紹了程序設計語言LabVIEW的集成開發(fā)環(huán)境、主要數(shù)據(jù)類型、基本程序設計方法及典型設計模式: 第2章LabVIEW程序設計擴展技術(shù), 介紹了集成EasyDL開發(fā)必備的DLL設計與調(diào)用、JSON封裝與解析、HTTP通信以及文件I/O等編程技術(shù); 第3章Lab VEIW數(shù)據(jù)采集技術(shù), 介紹了數(shù)據(jù)采集的基本概念、數(shù)值、聲音、圖像三種類型數(shù)據(jù)的采集系統(tǒng)組成、程序設計方法; 第4章簡要介紹了飛槳EasyDL開發(fā)平臺的基本特點和AI應用建模的一般
本書主要講解了常見的人工智能應用。其中，項目 1介紹了人工智能常見的應用場景、相關軟件的安裝及如何將TensorFlow模型部署到安卓端；其他 9個項目主要介紹了常見人工智能應用場景的實現(xiàn)，每個項目均介紹了當前項目的原理、開發(fā)環(huán)境，再對當前項目分步驟介紹如何實現(xiàn)，以便于讀者的理解。 本書可作為高等院校人工智能技術(shù)應用、大數(shù)據(jù)技術(shù)等相關專業(yè)的實訓教材，也可供對人工智能應用感興趣的讀者自學。
隨著通信技術(shù)不斷發(fā)展，可用的頻譜資源越來越緊張。認知無線電的頻譜感知技術(shù)和頻譜資源共享策略可以大大提高頻譜使用效率。 《認知物聯(lián)網(wǎng)的頻譜感知及資源共享》將認知無線電技術(shù)引入物聯(lián)網(wǎng)中，研究物聯(lián)網(wǎng)如何通過認知無線電技術(shù)與現(xiàn)有用戶共享頻譜，研究復雜異構(gòu)網(wǎng)絡中高效的頻譜感知算法以及頻譜分配算法，以解決物聯(lián)網(wǎng)頻譜需求無法滿足的瓶頸問題。 《認知物聯(lián)網(wǎng)的頻譜感知及資源共享》主要適用于高等院校通信類專業(yè)的研究生、教師，以及相關科研機構(gòu)的研究人員。
本書在介紹如何利用前端技術(shù)來實現(xiàn)深度學習的模型部署和預測的基礎上，重點介紹了若干運用前端AI技術(shù)的典型場景。本書內(nèi)容包括三大部分：前端與AI、引入新模型和Web AI進階。本書重點講解模型開發(fā)的“全鏈路”，從模型供給到業(yè)務實現(xiàn)，串聯(lián)起前端AI開發(fā)的整個流程。讀者可以根據(jù)定制化的需求利用Paddle.js前端推理引擎完成算子開發(fā)、精度對齊、業(yè)務場景接入等具體的研發(fā)工作。本書不僅可以使讀者對前端AI的理論和技術(shù)體系有深入的了解，還能通過指導實現(xiàn)推理效果的驗證，讓前端開發(fā)和AI技術(shù)深入結(jié)合，實現(xiàn)理論和
本書首先介紹了使用ChatGPT的提示詞技巧，詳細解釋了如何有效使用提示詞提問。接下來，介紹了可以與ChatGPT結(jié)合使用的各種AI工具，包括與AI寫作、文本轉(zhuǎn)語音和數(shù)字人等有關的工具。了解市場上常見的AI工具后，書中探討了如何將ChatGPT應用于工作和學習，為讀者提供強大的支持和幫助。隨后，書中分享了基于ChatGPT的創(chuàng)業(yè)實例，激發(fā)讀者的創(chuàng)新思維。最后，書中還介紹了AI在企業(yè)中實際應用的案例，展示了其在降低成本、提高效率方面的巨大潛力。
本書首先講述提示技術(shù)的基本工作原理和提示工程師的常用工具, 提示技術(shù)的基礎模式, 提示技術(shù)的進階知識 (包括零樣本提示、少樣本提示和思維鏈提示CoT); 然后講解自然語言處理的基礎知識和ChatGPT大模型方面的內(nèi)容, 以及NLP模型的特點和應用場景; 最后展示提示技術(shù)在不同領域的應用, 展示了辦公類、圖片類、代碼類和電商類案例。
AIGC的應用領域日益廣泛，而在圖像生成領域，擴散模型則是AIGC技術(shù)的一個重要應用。本書以擴散模型理論知識為切入點，由淺入深地介紹了擴散模型的相關知識，并以大量生動有趣的實戰(zhàn)案例幫助讀者理解擴散模型的相關細節(jié)。全書共8章，詳細介紹了擴散模型的原理，以及擴散模型退化、采樣、DDIM反轉(zhuǎn)等重要概念與方法，此外還介紹了StableDiffusion、ControlNet與音頻擴散模型等內(nèi)容。最后，附錄提供由擴散模型生成的高質(zhì)量圖像集以及HuggingFace社區(qū)的相關資源。
本書主要內(nèi)容包括探索性數(shù)據(jù)分析、有監(jiān)督學習 (線性回歸、SVM、決策樹等)、無監(jiān)督學習 (降維、聚類等), 以及深度學習的基礎原理和應用等。本書旨在為廣大讀者提供一個系統(tǒng)全面、易于理解的機器學習和深度學習入門教程。不需要過多的數(shù)學背景, 只需掌握基本的編程知識即可輕松上手。
新書資訊 新書推薦