官术网_书友最值得收藏!

MindSpore大語(yǔ)言模型實(shí)戰(zhàn)
會(huì)員

隨著ChatGPT等大語(yǔ)言模型的迅速發(fā)展,大語(yǔ)言模型已經(jīng)成為人工智能領(lǐng)域發(fā)展的快車道,不同領(lǐng)域涌現(xiàn)出各種強(qiáng)大的新模型。開(kāi)發(fā)者想要獨(dú)立構(gòu)建、部署符合自身需求的大語(yǔ)言模型,需要理解大語(yǔ)言模型的實(shí)現(xiàn)框架和基本原理。本書(shū)梳理大語(yǔ)言模型的發(fā)展,首先介紹Transformer模型的基本原理、結(jié)構(gòu)和模塊及在NLP任務(wù)中的應(yīng)用;然后介紹由只編碼(Encoder-Only)到只解碼(Decoder-Only)的技術(shù)路線發(fā)展過(guò)程中對(duì)應(yīng)的BERT、GPT等大語(yǔ)言模型;接下來(lái)介紹大語(yǔ)言模型在部署、訓(xùn)練、調(diào)優(yōu)過(guò)程中涉及的各種關(guān)鍵技術(shù),如自動(dòng)并行、預(yù)訓(xùn)練與微調(diào)、RLHF等,并提供相應(yīng)的實(shí)踐指導(dǎo);最后以開(kāi)源大語(yǔ)言模型BLOOM和LLaMA為樣例,介紹其架構(gòu)和實(shí)現(xiàn)過(guò)程,幫助讀者理解并構(gòu)建、部署自己的大語(yǔ)言模型。本書(shū)還提供了基于MindSpore框架的豐富樣例代碼。本書(shū)適合人工智能、智能科學(xué)與技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)、電子信息工程、自動(dòng)化等專業(yè)的本科生和研究生閱讀,同時(shí)也為從事大語(yǔ)言模型相關(guān)工作的軟件開(kāi)發(fā)工程師和科研人員提供翔實(shí)的參考資料。

陳雷編著 ·人工智能 ·6.6萬(wàn)字

大模型應(yīng)用開(kāi)發(fā):核心技術(shù)與領(lǐng)域?qū)嵺`
會(huì)員

本書(shū)由科大訊飛與中國(guó)科大的大模型的資深專家聯(lián)合撰寫(xiě),一本書(shū)打通大模型的技術(shù)原理與應(yīng)用實(shí)踐壁壘,深入大模型3步工作流程,詳解模型微調(diào)、對(duì)齊優(yōu)化、提示工程等核心技術(shù)及不同場(chǎng)景的微調(diào)方案,全流程講解6個(gè)典型場(chǎng)景的應(yīng)用開(kāi)發(fā)實(shí)踐。本書(shū)共10章,從邏輯上分為“基礎(chǔ)知識(shí)”“原理與技術(shù)”“應(yīng)用開(kāi)發(fā)實(shí)踐”三部分?;A(chǔ)知識(shí)(第1章)介紹大模型定義、應(yīng)用現(xiàn)狀、存在的問(wèn)題,以及發(fā)展趨勢(shì)。原理與技術(shù)(第2和3章)詳細(xì)講解大模型的構(gòu)建流程、Transformer模型,以及模型微調(diào)、對(duì)齊優(yōu)化、提示工程等核心技術(shù),之后介紹了推理優(yōu)化、大模型訓(xùn)練、大模型評(píng)估、大模型部署等拓展技術(shù)。應(yīng)用開(kāi)發(fā)實(shí)踐(第4~10章)詳細(xì)講解大模型插件應(yīng)用開(kāi)發(fā)、RAG實(shí)踐,以及智能客服問(wèn)答、學(xué)科知識(shí)問(wèn)答、法律領(lǐng)域應(yīng)用、醫(yī)療領(lǐng)域應(yīng)用、智能助寫(xiě)平臺(tái)等多領(lǐng)域的實(shí)踐。

于俊 劉淇 程禮磊 程明月 ·人工智能 ·12.3萬(wàn)字

Python機(jī)器學(xué)習(xí)入門(mén)與實(shí)戰(zhàn)

本書(shū)以零基礎(chǔ)講解為特色,用實(shí)例引導(dǎo)讀者學(xué)習(xí),深入淺出地介紹Python機(jī)器學(xué)習(xí)的相關(guān)知識(shí)和實(shí)戰(zhàn)技能。全書(shū)共17章,分為5篇。第Ⅰ篇為機(jī)器學(xué)習(xí)入門(mén)篇,包含第1章,主要介紹機(jī)器學(xué)習(xí)的概念、機(jī)器學(xué)習(xí)研究的主要任務(wù)、如何選擇合適的算法及機(jī)器學(xué)習(xí)研究問(wèn)題的一般步驟等;第Ⅱ篇為工具模塊使用篇,包含第2~4章,主要介紹數(shù)組計(jì)算NumPy、數(shù)據(jù)分析Pandas、圖形展示Matplotlib等;第Ⅲ篇為專業(yè)技能提升篇,包含第5~13章,主要介紹算法綜述、決策樹(shù)、樸素貝葉斯、邏輯回歸、支持向量機(jī)、AdaBoost、線性回歸、k-means、PCA等;第Ⅳ篇為深度學(xué)習(xí)延伸篇,包含第14章,主要介紹卷積神經(jīng)網(wǎng)絡(luò);第Ⅴ篇為項(xiàng)目技能實(shí)戰(zhàn)篇,包含第15~17章,主要介紹驗(yàn)證碼識(shí)別、答題卡識(shí)別、機(jī)器學(xué)習(xí)簡(jiǎn)歷指導(dǎo)等。同時(shí),本書(shū)隨書(shū)贈(zèng)送了大量相關(guān)的學(xué)習(xí)資料,以便讀者擴(kuò)展學(xué)習(xí)。本書(shū)適用于任何想學(xué)習(xí)Python機(jī)器學(xué)習(xí)的讀者。無(wú)論讀者是否從事Python相關(guān)工作,是否接觸過(guò)Python,均可通過(guò)學(xué)習(xí)本書(shū)快速掌握Python機(jī)器學(xué)習(xí)的開(kāi)發(fā)方法和技巧。

桑園編著 ·人工智能 ·17.9萬(wàn)字

AI加速器架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)
會(huì)員

這是一本講解NPU硬件架構(gòu)設(shè)計(jì)與技術(shù)實(shí)現(xiàn)的著作。作者將自己在CPU、GPU和NPU領(lǐng)域15年的軟硬件工作經(jīng)驗(yàn)融會(huì)貫通,將四代NPU架構(gòu)設(shè)計(jì)經(jīng)驗(yàn)融為一體,將端側(cè)和云側(cè)NPU架構(gòu)合二為一,總結(jié)并提煉出本書(shū)內(nèi)容。本書(shū)主要討論神經(jīng)網(wǎng)絡(luò)硬件層面,尤其是芯片設(shè)計(jì)層面的內(nèi)容,主要包含神經(jīng)網(wǎng)絡(luò)的分析、神經(jīng)網(wǎng)絡(luò)加速器的設(shè)計(jì)以及具體實(shí)現(xiàn)技術(shù)。通過(guò)閱讀本書(shū),讀者可以深入了解主流的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),掌握如何從零開(kāi)始設(shè)計(jì)一個(gè)能用、好用的產(chǎn)品級(jí)加速器。通過(guò)閱讀本書(shū),你將:透徹理解與深度學(xué)習(xí)相關(guān)的機(jī)器學(xué)習(xí)算法及其實(shí)現(xiàn);學(xué)會(huì)主流圖像處理領(lǐng)域神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu);掌握加速器運(yùn)算子系統(tǒng)和存儲(chǔ)子系統(tǒng)的設(shè)計(jì);摸清加速器設(shè)計(jì)中遇到的具體問(wèn)題及其解決方法;了解NPU架構(gòu)需要考慮的控制通路和數(shù)據(jù)通路。

甄建勇 王路業(yè) ·人工智能 ·6萬(wàn)字

TensorFlow知識(shí)圖譜實(shí)戰(zhàn)
會(huì)員

大數(shù)據(jù)時(shí)代的到來(lái),為人工智能的飛速發(fā)展帶來(lái)前所未有的數(shù)據(jù)紅利。在大數(shù)據(jù)的“喂養(yǎng)”下,大量知識(shí)不斷涌現(xiàn),如何有效地發(fā)掘這些知識(shí)呢?知識(shí)圖譜橫空出世。本書(shū)是一本講解如何使用TensorFlow2構(gòu)建知識(shí)圖譜的入門(mén)教程,引導(dǎo)讀者掌握基于深度學(xué)習(xí)的知識(shí)圖譜構(gòu)建概念、理論和方法。本書(shū)分為13章:第1章從搭建環(huán)境開(kāi)始,包含TensorFlowCPU版本和GPU版本的安裝,并通過(guò)一個(gè)知識(shí)圖譜的例子引導(dǎo)讀者開(kāi)始學(xué)習(xí);第2~4章介紹TensorFlowAPI的使用;第5章是DatasetAPI,學(xué)習(xí)使用原生API處理數(shù)據(jù)的方法;第6~8章是實(shí)戰(zhàn)準(zhǔn)備部分,介紹ResNet模型、詞嵌入(wordembedding)模型、情感分類;第9~10章在“注意力模型”基礎(chǔ)上搭建了“編碼器模型”;第11~13章搭建了知識(shí)圖譜聯(lián)合抽取模型,利用本書(shū)所學(xué)知識(shí)實(shí)戰(zhàn)知識(shí)圖譜的搭建過(guò)程和性能提升方案。本書(shū)內(nèi)容詳盡、示例豐富,適合作為知識(shí)圖譜和深度學(xué)習(xí)讀者的參考書(shū),同時(shí)也適合開(kāi)設(shè)人工智能專業(yè)的大中專院校師生閱讀,還可作為高等院校計(jì)算機(jī)及相關(guān)專業(yè)教材使用。

王曉華 ·人工智能 ·9.9萬(wàn)字

因果推斷與機(jī)器學(xué)習(xí)(修訂版)
會(huì)員

本書(shū)是一本理論扎實(shí),同時(shí)聯(lián)系實(shí)際應(yīng)用的圖書(shū)。全書(shū)系統(tǒng)地介紹了因果推斷的基本知識(shí)、基于機(jī)器學(xué)習(xí)的因果推斷方法和基于因果推斷的機(jī)器學(xué)習(xí)方法及其在一些重要領(lǐng)域的應(yīng)用。全書(shū)共分6章。第1章從結(jié)構(gòu)因果模型和潛在結(jié)果框架出發(fā),介紹因果推斷的基本概念和方法。第2章介紹近年統(tǒng)計(jì)和機(jī)器學(xué)習(xí)文獻(xiàn)中出現(xiàn)的一些重要的基于機(jī)器學(xué)習(xí)的因果推斷方法。第3章介紹能夠提高機(jī)器學(xué)習(xí)模型的泛化能力的因果表征學(xué)習(xí)。第4章介紹因果機(jī)器學(xué)習(xí)如何提高機(jī)器學(xué)習(xí)模型的可解釋性與公平性。第5章介紹因果機(jī)器學(xué)習(xí)在推薦系統(tǒng)和學(xué)習(xí)排序中的應(yīng)用。第6章是對(duì)全書(shū)的一個(gè)總結(jié)和對(duì)未來(lái)的展望。本書(shū)對(duì)結(jié)合因果推斷和機(jī)器學(xué)習(xí)的理論與實(shí)踐進(jìn)行了介紹。并在第1版的基礎(chǔ)上對(duì)一些陳舊的內(nèi)容做了更新。通過(guò)閱讀本書(shū),讀者不僅可以掌握因果機(jī)器學(xué)習(xí)的基礎(chǔ)理論,還可對(duì)本書(shū)中提到的論文代碼進(jìn)行鉆研,從而在實(shí)踐中加深對(duì)因果機(jī)器學(xué)習(xí)的理解。

郭若城等編著 ·人工智能 ·14.1萬(wàn)字

ChatGPT、AutoGPT與10億崗位沖擊:GPT-4、GPT-5等迭代和AIGC、AGI生存
會(huì)員

通用智力是人類區(qū)別萬(wàn)物并高于萬(wàn)物的獨(dú)有神器和最后一道保護(hù)屏障,之前的AI工具諸如深藍(lán)、阿爾法狗等雖然非常強(qiáng)大,但其功能單一,不能遷移通用。ChatGPT、AutoGPT和GPT-4、GPT-5等或許正在敲開(kāi)“通用智能”的大門(mén),潘多拉魔盒或?qū)⒂纱舜蜷_(kāi),所以ChatGPT、AutoGPT和GPT-4等的橫空出世,具有劃時(shí)代的重大意義。本書(shū)圍繞、聯(lián)動(dòng)AI領(lǐng)域諸如大模型、預(yù)訓(xùn)練、微調(diào)、人類反饋強(qiáng)化學(xué)習(xí)、Al對(duì)齊、AIGC、NLP、Transformer、自監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、深度學(xué)習(xí)、大數(shù)據(jù)、算法、算力等眾多前沿概念和技術(shù),詳細(xì)介紹了ChatGPT、AutoGPT和GPT-4等產(chǎn)生、火爆、強(qiáng)大的緣由,并對(duì)其構(gòu)造機(jī)制、訓(xùn)練過(guò)程、技術(shù)難點(diǎn)痛點(diǎn)、特色、局限性、同類科技、操作應(yīng)用、生態(tài)落地、與現(xiàn)實(shí)社會(huì)的關(guān)系,以及對(duì)人類社會(huì)和個(gè)體的利好與巨大沖擊等進(jìn)行了翔實(shí)的闡釋,同時(shí)還思考了面對(duì)如此“難卜未來(lái)”的大科技,人類該何去何從,人們?cè)撊绾螒?yīng)對(duì)工作、崗位與生存威脅等熱點(diǎn)、深層次問(wèn)題,力求打造一部由熱點(diǎn)引爆、向民眾科普Al前沿知識(shí)的力作。

王驥 ·人工智能 ·5.5萬(wàn)字

具身智能:人工智能的下一個(gè)浪潮

自人工智能(AI)的概念誕生之日起,科學(xué)家們就熱衷于探討它的發(fā)展路徑。第一階段毫無(wú)疑問(wèn)是計(jì)算智能,經(jīng)過(guò)半個(gè)多世紀(jì),AI在運(yùn)算能力和記憶方面早已超越人類。第二階段,是感知智能,讓機(jī)器可以看得懂聽(tīng)得懂這個(gè)世界。科學(xué)界認(rèn)為,尚未到來(lái)的第三階段,是認(rèn)知智能,甚至提到一個(gè)詞:認(rèn)知時(shí)代。我們來(lái)到大模型時(shí)代或者是生成式人工智能時(shí)代了嗎?如果我們此時(shí)此刻正身處這個(gè)時(shí)代,那上一個(gè)是什么時(shí)代?有人說(shuō),大規(guī)模預(yù)訓(xùn)練已經(jīng)過(guò)時(shí),AI要實(shí)現(xiàn)具身化,具備推理能力,接著自我意識(shí)相伴而生。具身智能揭開(kāi)了人類馴服機(jī)器的科學(xué)路徑,小到在分子或原子上進(jìn)行操作的納米機(jī)器,大到震天撼地的巨型機(jī)械,無(wú)不乖乖地服從人類的操控指令,替代或者協(xié)助人類完成復(fù)雜的任務(wù)。具有自我意識(shí)的AI是更安全還是更不安全?我們需要開(kāi)始認(rèn)真考慮如何不被機(jī)器奴役了?多年以后,面對(duì)人工智能,人們會(huì)想起AI之父圖靈在花園里的那個(gè)遙遠(yuǎn)的下午嗎?

劉云浩 ·人工智能 ·11.3萬(wàn)字

QQ閱讀手機(jī)版

主站蜘蛛池模板: 岳池县| 虹口区| 永春县| 马鞍山市| 海淀区| 于田县| 天全县| 广宁县| 石楼县| 滨州市| 晋宁县| 金昌市| 兴海县| 盐边县| 左贡县| 太谷县| 临武县| 葫芦岛市| 金湖县| 隆尧县| 怀来县| 丰台区| 海口市| 耒阳市| 九龙城区| 寿阳县| 汉阴县| 湘阴县| 汉沽区| 浪卡子县| 广元市| 鱼台县| 林口县| 上饶市| 体育| 龙江县| 彩票| 龙陵县| 弋阳县| 靖江市| 冀州市|