长沙转转麻将怎么算钱

這是一本聚焦于如何利用ChatGPT輔助創作“爆款”文案的實用手冊。全書分為8章，第1章從整體上介紹了ChatGPT在“爆款”文案創作中的應用，第2章至第8章分別圍繞營銷文案、推廣文案、廣告文案、商品詳情頁文案、直播帶貨文案、個性化自媒體文案和朋友圈文案介紹了ChatGPT的應用，并說明了各類文案的創作技巧和優化方法。本書適合所有對ChatGPT輔助文案創作感興趣、希望創作“爆款”文案的讀者閱讀。無論您是專業的文案創作人員，還是在日常工作中需要寫作文案的其他人員，本書都可以幫助您提升文案創作的質量和效果，創作出更多的“爆款”文案。

·8.4萬字

會員

深入淺出圖神經網絡：GNN原理解析

這是一本從原理、算法、實現、應用4個維度詳細講解圖神經網絡的著作，在圖神經網絡領域具有重大的意義。本書作者是圖神經網絡領域的資深技術專家，作者所在的公司極驗也是該領域的領先者。本書是作者和極驗多年研究和實踐經驗的總結，內容系統、扎實、深入淺出，得到了白翔、俞棟等幾位來自學術界和企業界的領軍人物的高度評價和強烈推薦。全書共10章：第1～4章全面介紹了圖、圖數據、卷積神經網絡以及表示學習等基礎知識，是閱讀本書的預備知識；第5～6章從理論的角度出發，講解了圖信號處理和圖卷積神經網絡，深入剖析了圖卷積神經網絡的性質，并提供了GCN實現節點分類的實例。第7～9章全面的講解了圖神經網絡的各種變體及范式、圖分類機制及其實踐，以及基于GNN的圖表示學習；第10章介紹了圖神經網絡的最新研究和應用。

·8.9萬字

會員

PyTorch 2.0深度學習從零開始學

PyTorch是一個開源的機器學習框架，它提供了動態計算圖的支持，讓用戶能夠自定義和訓練自己的神經網絡，目前是機器學習領域中的框架之一。《PyTorch2.0深度學習從零開始學》共分15章，內容包括PyTorch概述、開發環境搭建、基于PyTorch的MNIST分類實戰、深度學習理論基礎、MNIST分類實戰、數據處理與模型可視化、基于PyTorch卷積層的分類實戰、PyTorch數據處理與模型可視化、實戰ResNet卷積網絡模型、有趣的WordEmbedding、基于循環神經網絡的中文情感分類實戰、自然語言處理的編碼器、站在巨人肩膀上的預訓練模型BERT、自然語言處理的解碼器、基于PyTorch的強化學習實戰、基于MFCC的語音喚醒實戰、基于PyTorch的人臉識別實戰。

·11.3萬字

會員

人形機器人（原書第2版）

本書結合人形機器人研究中各類先進方法，系統地介紹了驅動人形機器人運動的基礎知識、推導過程以及應用案例，闡述了人形機器人的運動學、動力學表示方法，解釋了ZMP的概念及其與地面反作用力的關系，描述了人形機器人雙足行走行為的生成和控制方法，并拓展了其他多種動作的實現方法，最后介紹了動力學建模、仿真和高效動力學的計算方法。

·8.7萬字

會員

MasterCAM造型與仿真加工項目范例

本書通過大量的項目任務驅動，不僅使學生在完成任務的過程中完成知識的建構，以典型引路，舉一反三，深化學生對理論知識的理解，而且使教學內容鮮活而生動，促使學生有效掌握。為此，結合多年的教學改革與實踐，在收集和整理國內外最新教材，調研同類教材使用情況的基礎上，提出本教材的建設計劃。

·7.5萬字

會員

智能制造時代的研發智慧：知識工程2.0

本書的副書名指出知識工程2.0是智能制造時代的研發智慧，書中的討論對象和舉例均以研發企業或研發過程為背景。但這只是因為研發過程是知識最密集、產出最豐富和應用最深入的過程，并不代表本書所提的方法不適用于非研發型企業。非研發型企業或非研發過程的知識工程方法是本書所提方法的子集，大部分方法進行適應性改造，即可適用于這些企業或過程。

·13.9萬字

會員

Python人工智能

本書以Python為平臺，以將概念、實例和經典應用相結合的方式，介紹如何利用Python實現人工智能。全書分為9章，內容包括：人工智能的基礎，人工智能背景下的科學計算，人工神經網絡，遷移學習，網絡爬蟲，智能數據分析，機器學習，智能模型分析，人工智能的應用。為了幫助讀者更好地掌握相關知識，書中每章節都通過理論與實例相結合的方式，讓讀者在掌握概念的同時，掌握程序設計方法，并能利用程序設計解決實際問題。

·11.6萬字

會員

機器學習：基于OpenCV和Python的智能圖像處理

本書利用Windows系統下的Anaconda搭建環境，并基于OpenCV框架和Python語言，詳細闡述了智能化圖像處理的實現方法。本書共12章，主要內容包括智能圖像處理入門、Python基礎、圖像處理基礎、圖像幾何變換、圖像直方圖處理、圖像平滑濾波處理、圖像閾值處理、圖像形態學處理、圖像分割處理、圖像梯度及邊緣檢測、圖像輪廓檢測與擬合、人臉識別實現等，最后結合具體案例，使用Python語言和OpenCV庫函數闡述圖像處理技術。

·6.9萬字

會員

機器學習算法競賽實戰

本書是算法競賽領域一本系統介紹競賽的圖書，書中不僅包含競賽的基本理論知識，還結合多個方向和案例詳細闡述了競賽中的上分思路和技巧。全書分為五部分：第一部分以算法競賽的通用流程為主，介紹競賽中各個部分的核心內容和具體工作；第二部分介紹了用戶畫像相關的問題；第三部分以時間序列預測問題為主，先講述這類問題的常見解題思路和技巧，然后分析天池平臺的全球城市計算AI挑戰賽和Kaggle平臺的CorporaciónFavoritaGrocerySalesForecasting；第四部分主要介紹計算廣告的核心技術和業務，包括廣告召回、廣告排序和廣告競價，其中兩個實戰案例是2018騰訊廣告算法大賽：相似人群拓展和Kaggle平臺的TalkingDataAdTrackingFraudDetectionChallenge；第五部分基于自然語言處理相關的內容進行講解，其中實戰案例是Kaggle平臺上的競賽QuoraQuestionPairs。本書適合從事機器學習、數據挖掘和人工智能相關算法崗位的人閱讀。

·15.3萬字

會員

機器學習算法的數學解析與Python實現

學習機器學習的動機很多，可能是實際工作需要，可能是興趣愛好，也可能是學業要求，從每種動機的角度看，這個問題都可能有不同的答案。我認同許多人所說的求知不能太功利這一觀點，不過大家的時間和精力畢竟有限，就算不去追求投入產出比，至少也應該有一個學這門知識想要達到的目的。機器學習是更偏重于應用的學問，在當下的發展也確實使得機器學習越來越像一門技能，而不僅僅是技術。初學算法時我最想學的是里面的“最強算法”，不過在第1章我將介紹，機器學習算法沒有最強的，只有最合適的，對于不同的問題，對應會有不同的最合適算法。所以，我們更需要關注的應該是問題，而不是算法本身。在本書中我選擇介紹市面上成熟的機器學習算法包，通過現成的算法包，就能夠根據實際要解決的問題直接選擇所需要的機器學習算法，從而把注意力集中在對不同算法的選擇上。本書的目標讀者是想要學習機器學習的學生、程序員、研究人員或者愛好者，以及想要知道機器學習是什么、為什么和怎么用的所有讀者。本書第1章介紹機器學習總體背景，第2章介紹配置環境，第3章到第10章彼此獨立，每一章介紹一種具體的機器學習算法，讀者可以直接閱讀想要了解的算法，第11章介紹了集成學習方法，這是一種組合機器學習算法的方法，也是當前在實際使用中常見又十分有效的提升性能的做法。

·11.5萬字

會員

AIGC輔助軟件開發：ChatGPT 10倍效率編程實戰

這是一本講解如何用ChatGPT、GithubCopilotX、Cursor等主流AIGC工具優化和提升軟件開發全流程效率和質量的實戰性著作。全書以軟件開發的流程位主線來組織內容，詳細講解了程序員、架構師、項目經理、產品經理、技術團隊管理者們如何在技術方案構建、需求文檔撰寫、代碼編寫與注解、客戶端開發、前端開發、后端開發、測試和調試、性能優化、疑難問題解決、產品設計、軟件架構與設計、應試與面試12個主題充分發揮AIGC工具的潛能，在提高研發效率和質量的同時，提升自身的實力。AIGC工具在軟件研發12個主題的使用方法，全部以實戰項目案例的方式展開講解，有具體的工程化思路，也有可復用的提示詞，還有對使用經驗的總結和注意事項的提醒。只要跟著本書的案例實操一遍，就能順利躍遷為AI時代的新程序員，與AI共同進化，成為不被AI淘汰的人。

·15.1萬字

會員

大模型應用開發：核心技術與領域實踐

本書由科大訊飛與中國科大的大模型的資深專家聯合撰寫，一本書打通大模型的技術原理與應用實踐壁壘，深入大模型3步工作流程，詳解模型微調、對齊優化、提示工程等核心技術及不同場景的微調方案，全流程講解6個典型場景的應用開發實踐。本書共10章，從邏輯上分為“基礎知識”“原理與技術”“應用開發實踐”三部分。基礎知識（第1章）介紹大模型定義、應用現狀、存在的問題，以及發展趨勢。原理與技術（第2和3章）詳細講解大模型的構建流程、Transformer模型，以及模型微調、對齊優化、提示工程等核心技術，之后介紹了推理優化、大模型訓練、大模型評估、大模型部署等拓展技術。應用開發實踐（第4～10章）詳細講解大模型插件應用開發、RAG實踐，以及智能客服問答、學科知識問答、法律領域應用、醫療領域應用、智能助寫平臺等多領域的實踐。

·12.3萬字

會員

深度學習

本書初定五個章節，第一章淺層模型部分介紹線性回歸、Logistics回歸、Softmax回歸、廣義線性回歸模型以及機器學習基本概念。第二章介紹深度學習模型以及相應的正則化技術。第三章介紹卷積的物理意義、卷積神經網絡及其各種改進。第四章介紹反饋神經網絡及其改進的長短期記憶單元。第五章介紹深度強化學習，展示深度卷積網絡如何與強化學習技術融合用以人機圍棋博弈以及自動駕駛領域。

·20.4萬字

十堂極簡人工智能課

從人臉識別到AlphaGo，從無人駕駛到全球經濟管理，人工智能作為21世紀極有潛力的一門技術，已經全面滲透了我們的生活，也徹底改變了我們的行為方式。如今，我們既離不開人工智能，也無法擺脫它對我們生活的影響。那么，這門技術到底是如何發展起來的？人工智能背后的運行邏輯是什么？它會讓我們的生活變得更好，還是會帶來更多的問題？我們每個人的工作是否終將被人工智能所取代？作為一部幾乎沒有門檻的人工智能入門作品，本書審視并回答了上述問題。讀完之后，你將對人工智能形成一套完整且系統化的認知。

·6.7萬字

會員

可解釋人工智能導論

本書全面介紹可解釋人工智能的基礎知識、理論方法和行業應用。全書分為三部分，共11章。第一部分為第1章，揭示基于數據驅動的人工智能系統決策機制，提出一種基于人機溝通交互場景的可解釋人工智能范式。第二部分為第2～5章，介紹各種可解釋人工智能技術方法，包括貝葉斯方法、基于因果啟發的穩定學習和反事實推理、基于與或圖模型的人機協作解釋、對深度神經網絡的解釋。第三部分為第6～10章，分別介紹可解釋人工智能在生物醫療、金融、計算機視覺、自然語言處理、推薦系統等領域的應用案例，詳細說明可解釋性在司法、城市管理、安防和制造等實際應用中發揮的積極作用。第11章對全書進行總結，并論述可解釋人工智能研究面臨的挑戰和未來發展趨勢。此外，本書的附錄給出可解釋人工智能相關的開源資源、中英文術語對照及索引，方便讀者進一步查閱。本書既適合高等院校計算機和信息處理相關專業的高年級本科生和研究生，以及人工智能領域的研究員和學者閱讀；也適合關注人工智能應用及其社會影響力的政策制定者、法律工作者、社會科學研究人士等閱讀。

·20.4萬字

會員

從ChatGPT到AIGC：智能創作與應用賦能

自2023年以來，AI聊天機器人ChatGPT火爆互聯網，其顛覆性的使用體驗重塑了人們對于AI的認知。而ChatGPT背后的技術—AIGC也引起了互聯網圈的關注，打開了人們對AI應用的想象空間。本書從ChatGPT入手，以AIGC為中心，對AIGC的理論知識、應用場景、未來發展等內容進行了全面的梳理。首先，本書對AIGC的概念、技術構成、產業生態、市場現狀等進行了講解，以便讀者對AIGC形成一個清晰、完整的認知。其次，本書講解了AIGC在傳媒、電商、影視、娛樂、教育、工業等領域的應用，展現了AIGC的應用價值和對各領域的賦能。最后，本書解析了AIGC領域的創投機會和未來圖景，便于讀者把握AIGC的發展趨勢。本書在系統地講述AIGC理論及應用的同時，引入了大量實踐案例，介紹了諸多國內外知名企業在AIGC領域的布局，也介紹了一些AI文字生成、AI圖片生成、AI視頻生成、AI音頻生成等方面的AIGC應用，內容十分豐富。

·10.4萬字

會員

一本書讀懂大模型：技術創新、商業應用與產業變革

這是一本人人都能讀懂的大模型綜合指南，既是一本大模型的科普書，又是一本大模型的商業書。由中國電信研究院天翼智庫官方出版，從核心技術、基礎設施、商業應用、產業體系、安全治理5個維度全面講解了大模型。語言上通俗易懂，內容上深入淺出，呈現上圖文并茂，給讀者良好閱讀體驗的同時，讓讀者對大模型的理解事半功倍！無論你是AI工程師，還是完全沒有IT技術背景的愛好者；無論你是一線的從業人員，還是企業的管理者和決策者，你都能通過本書系統理解和掌握大模型，從而深刻認識大模型的核心價值和應用潛力，把握住大模型帶來的變革和商機。

·13.2萬字

會員

成為提問工程師

隨著技術發展，各種AI產品層出不窮。人人都使用過AI，但真正做到用AI提升工作和學習效率的人卻很少。原因是大多數使用者，不會專業地提問。如果能正確地提問，AI將幫你解放工作，實現效率逆襲。精通向AI提問的能力，AI能幫你成為超級個體。這是一本AI時代成為提問高手的進階指南，既授人以魚，也授人以漁。本書從AI的基本概念與運行原理入手，引用了飛輪思維和ICDO提問技巧，還詳細介紹了在不同場景下的提問方法與實際案例，旨在幫助讀者掌握高效提問的技巧，獲得更加精準和豐富的答案，做到事半功倍，實現效率十倍提升。

·8.3萬字

會員

機器學習基礎：從入門到求職

本書是一本機器學習算法方面的理論+實踐讀物，主要包含機器學習基礎理論、回歸模型、分類模型、聚類模型、降維模型和深度學習模型六大部分。機器學習基礎理論部分包含第1、2章，主要介紹機器學習的理論基礎和工程實踐基礎。第3章是回歸模型部分，主要包括模型的建立、學習策略的確定和優化算法的求解過程，最后結合三種常見的線性回歸模型實現了一個房價預測的案例。第4至11章詳細介紹了幾種常見的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹模型、Logistic回歸模型、支持向量機模型、隨機森林模型、AdaBoost模型和提升樹模型，每一個模型都給出了較為詳細的推導過程和實際應用案例。第12章系統介紹了五種常見的聚類模型，包括K-Means聚類、層次聚類、密度聚類、譜聚類和高斯混合聚類，每一個模型的原理、優缺點和工程應用實踐都給出了較為詳細的說明。第13章系統介紹了四種常用的降維方式，包括奇異值分解、主成分分析、線性判別分析和局部線性嵌入，同樣給出了詳細的理論推導和分析。最后兩章分別是詞向量模型和深度神經網絡模型，其中，詞向量模型詳細介紹了Word2Vec和Doc2Vec模型的原理推導和應用；深度神經網絡模型系統介紹了深度學習相關的各類基礎知識。