本書共8章，內容涵蓋廣泛，語言表述通俗易懂，采用圖文并茂的方式進行講解。第1章概述了文心一言的發展歷程、基礎知識以及實用技巧；第2章聚焦于文心一言在寫作與繪畫領域的具體應用，并提供了相關案例供讀者參考；第3章介紹了如何利用文心一言提高工作效率，同時展示了相關的應用場景和案例；第4章則針對教育學習領域，詳細講解了文心一言在該領域的應用及相關案例；第5章將視角轉向生活方面，深入探討了文心一言在日常生活中的各種應用，并提供了豐富的案例以資借鑒；第6章介紹了使用文心一言增添生活趣味性的各種應用
《具身智能》這本書深入探討了人工智能中的一個新興領——具身智能，即智能系統與物理身體的結合。本書系統論述了具身智能的理論框架，包括身體與思維的互動、感知與行為的統一性，以及智能體如何通過與環境的互動來學習寫適應。書中詳細介紹了自由能原理，這是理解生命體和智能系統組織原則的關鍵理論，同時探討了這一原理在人工智能設計中的應用，如強化學習感知與行動的和諧統一等。此外，本書還討論了多學科視角下的智能解讀，以及空間智能與具身智能的整合策略，為讀者提供了一個全面了解人工智能未來發展趨勢的窗口。
智能辦公時代，人工智能正在進入千行百業，成為降本增效的生產力工具。每個企業、每個人都將擁有個性化的超級助理，以人機協同的新常態創造AI時代的工作方式。本書以釘釘的探索與實踐為基礎，展現了基于人工智能的超級助理將為企業和個人帶來的巨大變革。從戰略制定到業務增長，從組織協同到人事管理，超級助理將利用感知、記憶、規劃和行動四種主要能力，在企業協作、創新和決策方面提供更好的支持。此外，本書也詳細敘述了釘釘自誕生至今，數次迭代升級的底層邏輯和實施過程，以及鄉村小學、傳統巨頭和
智能傳播，這是一個與時代同行的話題，一個與科技同步演進的領域。在這個信息風暴不斷升級的時代，我們面臨著前所未有的挑戰與機遇。而本書則在這個時代的大舞臺上，以獨特的視角探討了智能媒體與智能傳播的多重層面。本書從計算社會科學的角度出發，深度挖掘了智能媒體與智能傳播其定義、背景、以及未來的發展圖景，探索了智能媒體是如何通過技術改變傳播介質，如何與媒體業務深度融合，以及如何智能感知并滿足用戶媒體需求；梳理了人工智能相關技術及其在社交網絡、輿情監控、個性化推薦等領域的應用。同時，也正視了人工智能
本書介紹了使用機器學習進行個性化預測的通用原理和方法，以及其在推薦系統等具體場景下的應用。第一部分簡要介紹了機器學習的基礎內容，主要圍繞回歸和分類展開對基本內容、特征設計和評估方法的探討。第二部分詳細介紹了個性化機器學習的基礎知識。首先圍繞推薦系統設置介紹了基于記憶和基于模型的推薦方法等相關知識，并探討了將社交關系和價格等特征納入推薦中的個性化設置；之后，從時序和序列建模的角度介紹了自回歸和馬爾可夫鏈等基本方法，以及基于神經網絡的更復雜的個性化技術。第三部分介紹了個性化機器學習的一些新
在生成式人工智能的時代，我們見證了模型推理對存儲空間和計算能力的巨大需求，這對大語言模型和視覺生成模型的實際應用提出了前所未有的挑戰。在這樣的背景下，高效模型壓縮和模型設計技術顯得尤為重要，它們是降低模型計算和存儲需求的關鍵，使得模型的快速部署和高效運行成為可能。本書系統地介紹了高效模型壓縮和模型設計的方法，在編寫上兼顧理論和實踐。本書主體部分詳細介紹了模型壓縮的方法論，包括高效模塊設計、模型剪枝、模型量化、模型二值化、神經網絡架構搜索、知識蒸餾幾大部分。另外，簡要介紹了定制化硬件加速
本書共9章，主要內容有：深度學習模型性能評估、模型可視化、輕量級模型設計、模型剪枝、模型量化、遷移學習與知識蒸餾、自動化模型設計、模型優化與部署工具。
《基于深度學習的圖像處理與實踐》循序漸進、深入淺出地講解了基于深度學習的圖像處理的核心知識，并通過具體實例演示了開發深度學習圖像處理程序的方法和流程。全書共 14 章，分別講解了圖像識別技術基礎，scikit-image數字圖像處理，OpenCV 圖像視覺處理，dlib機器學習和圖像處理，face_recognition人臉識別，采樣、變換和卷積處理，圖像增強，圖像特征提取，圖像分割，目標檢測，圖像分類，國內常用的第三方人臉識別平臺，斗轉星移換圖系統，智能OCR文本檢測識別系統等內容。本書
本書是一本全面介紹深度學習和PyTorch實戰的入門指南。全書共11章，第1章主要介紹了深度學習的概念、應用場景及如何搭建開發環境。第2章詳細介紹PyTorch數學基礎，包括函數、微分、數理統計、矩陣等基礎知識及案例。第3章則介紹了數據預處理及常用工具，包括NumPy、Matplotlib、數據清洗、特征工程以及深度學習解決問題的一般步驟等。第4章分別介紹了PyTorch的基本概念、深度神經網絡以及數據建模。第5章重點介紹了卷積神經網絡、循環神經網絡等；第6章則涵蓋了回歸分析、聚類分析
在這本書中，作者著力討論了幾種獲取機器學習和數據挖掘算法性能的相關知識的方法。作者展示了如何再次利用這些知識來選擇、組合、編撰和調整算法和模型，從而為數據挖掘提供更快、更有效的解決方案，幫助研究人員改進算法，并開發能夠自我改進的學習系統。本書的新版在舊版基礎上就內容做了非常大的擴充。作者介紹了最新的自動機器學習方法，闡明了它與元學習之間的關系，他們解釋了操作鏈設計方法的自動化問題。這本書將引起機器學習、數據挖掘和人工智能領域的研究人員和研究生的興趣
新書資訊 新書推薦