大型电玩城捕鱼

ChatGPT是當下最新、最熱門的工具、效率工具，但為什么不同的人使用效果天差地別，整體上來說：一是認知上的不足；二是方法上的不足。這正是本書要解決的問題。本書不僅讓讀者會用ChatGPT，更嘗試讓讀者意識到自己需要構(gòu)建一個完整的學習體系，同時本書提供構(gòu)建這個學習體系的方法。有了這個學習體系，才能真正用好ChatGPT，也不止能用好ChatGPT。讀者能夠根據(jù)自己的需求，用好ChatGPT，既不停留在淺嘗輒止，也不相信宣稱的人人都能用ChatGPT賺錢。

·22.5萬字

會員

機器學習：軟件工程方法與實現(xiàn)

本書視角獨特，將軟件工程中的方法應(yīng)用到機器學習實踐中，重視方法論和工程實踐的融合。本書主要有3個特點。1）機器學習的軟件工程方法：用軟件工程（SoftwareEngineering）中的工具、方法和理論指導機器學習的實踐活動。主要體現(xiàn)在測試驅(qū)動開發(fā)（TDD）方法、機器學習項目管理方法、工程化軟件應(yīng)用于數(shù)據(jù)科學標準化環(huán)境，以及開源算法包的大量實踐應(yīng)用案例等。2）機器學習全生命周期：書中全面呈現(xiàn)了機器學習項目開發(fā)的完整鏈路，以項目需求為起點，歷經(jīng)樣本定義、數(shù)據(jù)處理、建模、模型上線、模型監(jiān)控、模型重訓或重建。流程中的大部分節(jié)點獨立成章，闡述充分，并且不是單純地闡述理論，而是重在實踐。同時，聚焦機器學習中應(yīng)用最廣泛和最有效的算法，使之成為貫穿機器學習項目生命周期的一條完整的學習路徑。3）提出機器學習是一門實驗學科：書中有大量的工業(yè)實踐代碼，例如數(shù)據(jù)分析包、特征離散化包、特征選擇包、集成模型框架包、大規(guī)模模型上線系統(tǒng)架構(gòu)和對應(yīng)代碼包等，對機器學習算法特性也有大量的代碼解析。書中還多次強調(diào)對于機器學習這樣一門實驗和實踐學科，工具、方法和策略的重要性，并介紹了在實際項目中對時間、人力成本等的權(quán)衡策略。本書不拘泥于公式推演、數(shù)值分析計算領(lǐng)域優(yōu)化求解（梯度、牛頓、拉格朗日、凸優(yōu)化）等主題，而重在展現(xiàn)機器學習的實際應(yīng)用，以及各知識點的落地。在寫作方式和內(nèi)容編寫等方面，本書力求既貼近工程實踐又不失理論深度，給讀者良好的閱讀體驗。

·22.4萬字

會員

實戰(zhàn)機器學習

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算等技術(shù)的不斷發(fā)展，許多領(lǐng)域都產(chǎn)生了大量的數(shù)據(jù)。利用機器學習技術(shù)分析海量數(shù)據(jù)，可以從數(shù)據(jù)中發(fā)現(xiàn)隱含的、有價值的規(guī)律和模式，進而用于預測并采取相應(yīng)動作。在上述背景下，本書從理論、技術(shù)和應(yīng)用三個層面入手，全面講解如何利用機器學習技術(shù)解決實際問題。本書共分26章，內(nèi)容包括機器學習解決問題流程、問題分析與建模、數(shù)據(jù)探索與準備、特征工程、模型訓練與評價、模型部署與應(yīng)用、回歸模型、支持向量機、決策樹、集成學習、K近鄰算法、貝葉斯方法、聚類算法、關(guān)聯(lián)規(guī)則學習、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)、正則化、深度學習中的優(yōu)化、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自編碼器、基于深度學習的語音分離方法、基于深度學習的圖像去水印方法、基于LSTM的云環(huán)境工作負載預測方法、基于QoS的服務(wù)組合問題、基于強化學習的投資組合方法、基于GAN模型的大數(shù)據(jù)系統(tǒng)參數(shù)優(yōu)化方法。本書內(nèi)容全面、示例豐富，適合機器學習初學者以及想要全面掌握機器學習技術(shù)的算法開發(fā)人員，也適合高等院校和培訓機構(gòu)人工智能相關(guān)專業(yè)的師生教學參考。

·22.4萬字

會員

機器學習中的數(shù)學修煉

全書共分為兩篇：在上篇中，將從浩瀚的數(shù)學海洋中擷取機器學習研究人員最為必須和重要的數(shù)學基礎(chǔ)。內(nèi)容主要包括：微積分（含場論）、數(shù)值計算和常用最優(yōu)化方法、概率論基礎(chǔ)與數(shù)理統(tǒng)計、線性代數(shù)等。在下篇中，將選取機器學習中最為常用的算法和模型進行講解，這部分內(nèi)容將涉及（廣義）線性回歸、圖模型（包含貝葉斯網(wǎng)絡(luò)和HMM等）、分類算法（包括SVM，邏輯回歸，神經(jīng)網(wǎng)絡(luò)等）和聚類算法（包括K均值和EM算法等）等話題。

·22.2萬字

會員

現(xiàn)代決策樹模型及其編程實踐：從傳統(tǒng)決策樹到深度決策樹

決策樹是數(shù)據(jù)分析中廣泛使用的機器學習模型，其模型簡單、算法快速且具有可解釋性。但隨著大數(shù)據(jù)的涌現(xiàn)，將決策樹真正應(yīng)用到實踐中還面臨諸多困難。本書正是為解決這一痛點而作，旨在幫助讀者系統(tǒng)且全面地了解決策樹，并成功地將其用于工程實踐。

·22.1萬字

會員

生成式人工智能（基于PyTorch實現(xiàn)）

本書通過從零開始構(gòu)建生成式人工智能模型來探討生成式人工智能的底層機制，并使用PyTorch對生成式人工智能模型進行編程的實踐指導，以期讓讀者在了解生成對抗網(wǎng)絡(luò)（GAN）、變分自編碼器（VAE）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、Transformer、擴散模型、大語言模型（LLM）和LangChain等技術(shù)原理之后，能構(gòu)建可生成形狀、數(shù)字、圖像、文本和音樂的生成式人工智能模型。本書適合各種商業(yè)領(lǐng)域中的人工智能技術(shù)工程師和數(shù)據(jù)科學家在實踐生成式人工智能模型時隨手查閱，也適合生成式人工智能的初學者作為入門指南。

·22萬字

會員

未來制造：人工智能與工業(yè)互聯(lián)網(wǎng)驅(qū)動的制造范式革命

本書由三個深度關(guān)聯(lián)的篇組成。第一篇從人類文明早期開始，用大量的故事和事實全景式再現(xiàn)手工制造、大機器生產(chǎn)、流水線生產(chǎn)、大規(guī)模定制等前四次制造范式的演變和躍進過程。第二篇重點討論智能革命爆發(fā)的前因后果，從算力量變、人工智能、智能機器、工業(yè)互聯(lián)網(wǎng)等幾個維度勾勒出正在發(fā)生的智能革命的細節(jié)和全貌，告訴大家智能革命為什么，是什么，以及能改變什么。第三篇論證了在以人工智能、工業(yè)互聯(lián)網(wǎng)為核心的智能革命驅(qū)動下，制造范式將向第五制造范式——產(chǎn)用融合演進。產(chǎn)用融合制造范式將促使生產(chǎn)過程與使用過程、生產(chǎn)者和使用者全面融合，構(gòu)造不斷增值的價值環(huán)流，最終形成“邊生產(chǎn)邊使用、邊使用邊生產(chǎn)”的未來制造圖景。

·22萬字

會員

因果推斷：基于圖模型分析

本書對因果推斷相關(guān)知識進行了系統(tǒng)、全面的介紹，為便于學習，對大多數(shù)知識點都進行了詳細的推導說明。

·22萬字

會員

奇點到來：AIGC引爆增長新范式

增長是企業(yè)利用計算機、大數(shù)據(jù)、人工智能等新技術(shù)實現(xiàn)經(jīng)營增長的新思路和新方法，本書作為該領(lǐng)域的入門級讀物，介紹了AIGC在增長領(lǐng)域的技術(shù)和實戰(zhàn)應(yīng)用。本書分為4部分，第1部分、第2部分、第4部分主要針對有興趣了解AIGC背后技術(shù)原理、增長模式的變化以及截至2023年3月業(yè)界、學術(shù)界的最新技術(shù)進展的讀者；第3部分包含AI的基礎(chǔ)知識、基礎(chǔ)模型，并從實戰(zhàn)應(yīng)用角度介紹作為應(yīng)用開發(fā)者如何高效上手與利用最新的開源技術(shù)與API，適合有一定技術(shù)基礎(chǔ)的讀者。

·21.9萬字

會員

智能制造系統(tǒng)中的建模與仿真：系統(tǒng)工程與仿真的融合

為了更好地理解基于模型的系統(tǒng)工程，消除過度宣傳、商業(yè)炒作引發(fā)的對MBSE的扭曲，筆者力圖以通俗的文字，簡要闡述數(shù)學建模、系統(tǒng)科學方法、系統(tǒng)工程、建模與仿真、虛擬樣機等基礎(chǔ)知識，旨在說明MBSE是M&amp；S和SE深度融合的階段產(chǎn)物。通過對MBSE、數(shù)字孿生等進行剖析，引導大家深刻領(lǐng)會MBSE的本質(zhì)，共同促進MBSE在復雜系統(tǒng)和體系研究中的應(yīng)用。且需要國內(nèi)專業(yè)人士根據(jù)研究進展和應(yīng)用探索情況，撰寫相關(guān)方面的圖書，指導復雜系統(tǒng)研究與復雜產(chǎn)品的研制。本書面向廣大的工程技術(shù)人員和管理人員、也可作為大學教材。

·21.9萬字

會員

模型思維：簡化世界的人工智能模型

對從事算法研究與算法開發(fā)的人來說，模型的學習與使用必不可少。尤其是在目前如日中天的人工智能領(lǐng)域里，人人談模型，模型也是層出不窮，讓人眼花繚亂。模型讓人又愛又恨。模型可愛的地方在于它確實能夠解決實際問題，而且其有效性一般都經(jīng)過了檢驗。模型可恨的地方在于學習模型是一件非常痛苦的事情，尤其是對人工智能的初學者來說。本書將人工智能在現(xiàn)實生活場景中解決的問題分類，并根據(jù)這個分類來介紹各種模型。書中將人工智能問題分為權(quán)重問題、狀態(tài)問題、序列問題、表示問題、相似問題和分類問題六大類，方便讀者了解各個模型之間的關(guān)系，也方便讀者理解各個模型的適用場景。本書盡量更多地介紹模型的使用場景，更多地介紹實際業(yè)務(wù)需求之間的關(guān)系，更多地采用生活中更淺顯易懂的例子，方便人工智能的初學者學習模型。本書不僅適合希望學習和運用人工智能模型到具體應(yīng)用場景的企業(yè)工程師、科研院所的學生和科研人員，也適合對人工智能模型感興趣的讀者，使其將模型思維應(yīng)用到生活中。

·21.8萬字

會員

智能工程

全書共10章分別從構(gòu)建非生物智能體、感知、描述、連接、記憶和理解、學習與交互、智能體運算模式與處理功能、資源和任務(wù)功能系統(tǒng)、生存、思維、控制與主體性、智能體生命周期等角度深入討論了智能體的方方面面，本書討論一個極為龐大、復雜，且沒有先例、沒有形成共識的智能體或機器智能系統(tǒng)的實現(xiàn)機理、過程、要點，沒有能、也做不到面面俱到，存在作者有意或無意忽略的環(huán)節(jié)。本書沒有在工程細節(jié)層面討論，只是在整體實現(xiàn)的主要環(huán)節(jié)的可實現(xiàn)性進行了框架性討論。

·21.8萬字

會員

推薦系統(tǒng)：產(chǎn)品與算法解析

本書以媒介變遷為整體脈絡(luò)，通過幾類推薦產(chǎn)品的發(fā)展趨勢來探討推薦產(chǎn)品創(chuàng)新的核心驅(qū)動力，以及由具體產(chǎn)品特性引發(fā)的技術(shù)變革。全書內(nèi)容分為5部分。第一部分從宏觀視角探討推薦產(chǎn)品從0到1進行創(chuàng)新的產(chǎn)品思路和技術(shù)思路；第二部分介紹革新傳統(tǒng)紙質(zhì)媒介的新聞推薦和資訊推薦，包括關(guān)鍵算法設(shè)計和產(chǎn)品設(shè)計；第三部分介紹構(gòu)建線上社交網(wǎng)絡(luò)的社交和社區(qū)推薦，以及如何通過協(xié)同過濾算法模擬社交網(wǎng)絡(luò)；第四部分從產(chǎn)品、生態(tài)和算法設(shè)計的角度，介紹革新傳統(tǒng)影視行業(yè)的視頻推薦；第五部分以阿里推薦產(chǎn)品及其新興的競爭產(chǎn)品為例，介紹革新傳統(tǒng)貨架電商的商品推薦。

·21.4萬字

會員

深度學習高手筆記（卷2）：經(jīng)典應(yīng)用

本書通過扎實、詳細的內(nèi)容，從理論知識、算法源碼、實驗結(jié)果等方面對深度學習中涉及的算法進行分析和介紹。本書共三篇，第一篇主要介紹深度學習在目標檢測與分割方向的前沿算法，包括雙階段檢測、單階段檢測、無錨點檢測、特征融合、損失函數(shù)、語義分割這6個方向；第二篇主要介紹深度學習在場景文字檢測與識別方向的重要突破，主要介紹場景文字檢測、場景文字識別這兩個階段的算法；第三篇主要介紹深度學習的其他算法與應(yīng)用，包括圖像翻譯、圖神經(jīng)網(wǎng)絡(luò)、二維結(jié)構(gòu)識別、人像摳圖、圖像預訓練、多模態(tài)預訓練這6個方向的算法。附錄部分介紹雙線性插值、匈牙利算法、Shift-and-Stitch、德勞內(nèi)三角化、圖像梯度、仿射變換矩陣等內(nèi)容。本書結(jié)構(gòu)清晰，內(nèi)容廣度與深度齊備。通過閱讀本書，讀者可以了解前沿的深度學習算法，擴展自己的算法知識面。無論是從事深度學習科研的教師及學生，還是從事算法落地實踐的工作人員，都能從本書中獲益。

·21萬字

會員

移動平臺深度神經(jīng)網(wǎng)絡(luò)實戰(zhàn)：原理、架構(gòu)與優(yōu)化

這是一本講解怎么養(yǎng)大象，以及如何把大象裝進口袋里的實戰(zhàn)書。<br/>深度學習的出現(xiàn)和應(yīng)用，把許多科幻小說中預言的機器智能變成現(xiàn)實，也助力計算機將海量數(shù)據(jù)處理能力轉(zhuǎn)化為更深層的解構(gòu)、洞察和創(chuàng)造力，進而提供更加人性化的服務(wù)。在深度學習炸裂式發(fā)展的背后，是無數(shù)科研工作者對算法網(wǎng)絡(luò)的不斷改善和工程師們夜以繼日的努力，才將這些成果轉(zhuǎn)化為更多人觸手可及的力量。<br/>然而深度學習并不是一門程序語言或者一個編程框架，而是一個知識體系。對于有志進入這個領(lǐng)域發(fā)展的人來說，這個名詞所代表的數(shù)學知識和計算機技術(shù)，以及將這些概念轉(zhuǎn)化為應(yīng)用所牽涉的框架和體系，恰如一只身軀龐大、威力無窮的大象。它的鼻子、耳朵、四肢、尾巴，每一處都飽含新知，每一處都值得細細琢磨。這很容易讓人感覺處處都要學習，無從下手，生出畏懼心來。

·20.9萬字

會員

大話機器智能：一書看透AI的底層運行邏輯

本書以有趣的案例和深入淺出的語言，直擊AI的底層運行邏輯與核心原理，勾勒人工智能的全貌，以便讀者掌握AI技術(shù)要點，打通AI的各種技術(shù)壁壘，厘清不易察覺的“認知錯誤”，從而更好地認識正在運轉(zhuǎn)的神秘AI世界。本書共9章，邏輯上分為三部分。第1～3章是人工智能的基礎(chǔ)理論，通過生動、有趣的講解，讓讀者知道支撐AI的基礎(chǔ)學科如何起作用：如何基于統(tǒng)計學和概率論找到應(yīng)對不確定性的有效方法與解題思路如何基于數(shù)據(jù)統(tǒng)計的基礎(chǔ)知識與原理避開數(shù)據(jù)“陷阱”，給出謹慎的主觀結(jié)論如何從數(shù)學視角理解信息的處理模型。第4～7章討論人工智能的核心技術(shù)——數(shù)據(jù)、算法、算力，詳細介紹大數(shù)據(jù)是如何處理的，如何通過機器學習算法和深度學習算法讓機器正確認識數(shù)據(jù)間的關(guān)聯(lián)與規(guī)律，以及如何通過算力整合與軟件協(xié)作實現(xiàn)更高效的智能。第8～9章探討一些人工智能安全話題——大數(shù)據(jù)“殺熟”、隱私計算、深度偽造技術(shù)、對抗樣本攻擊、數(shù)據(jù)投毒攻擊、攻防博弈等，并展望人工智能的未來，包括：人工智能會搶走人類的工作嗎？機器人會統(tǒng)治人類嗎？通用人工智能會出現(xiàn)嗎？未來到底會變成什么樣子？

·20.8萬字

會員

新智元：機器+人類=超智能時代

谷歌AlphaGO戰(zhàn)勝李世石，標志著機器智能向人類智能的領(lǐng)地又邁進了偉大的一步。而“互聯(lián)網(wǎng)”向“智能”時代的躍遷，也昭示新智能時代即將到來。2016年，恰逢人工智能誕生60周年，本書是人工智能技術(shù)和產(chǎn)業(yè)狂飆突進的見證，為讀者打開人工智能世界的一扇大門，不僅可以一窺百度大腦、訊飛超腦、中國大腦計劃究竟，更可以著名人工智能研究院院長等頂級專家大咖的技術(shù)解密作為對智能產(chǎn)業(yè)未來趨勢的參照。近百位學界、商界、技術(shù)界、產(chǎn)業(yè)界的專家，從機器人、機器人學習、智能汽車、智能醫(yī)療、認知科學、高性能計算和“AI”投資等不同視角，對人工智能和機器人產(chǎn)業(yè)進行評析。人類未來在AI時代將何去何從，超智能時代將引發(fā)社會更多思考。

·20.7萬字

會員

機器學習教程（微課視頻版）

本書兼顧機器學習基礎(chǔ)、經(jīng)典方法和深度學習方法，對組成機器學習的基礎(chǔ)知識和基本算法進行了比較細致的介紹，對廣泛應(yīng)用的經(jīng)典算法如線性回歸、邏輯回歸、樸素貝葉斯、支持向量機、決策樹和集成學習等算法都給出了深入的分析并討論了無監(jiān)督學習的基本方法，對深度學習和強化學習進行了全面的敘述，比較深入地討論了反向傳播算法、多層感知機、CNN、RNN和LSTM等深度神經(jīng)網(wǎng)絡(luò)的核心知識和結(jié)構(gòu)；對于強化學習，不僅介紹了經(jīng)典表格方法，還討論了深度強化學習。本書是面向大學理工科和管理類各專業(yè)的寬口徑、綜合性機器學習的教材，可供本科生和一年級研究生課程使用，也可供科技人員、工程師和程序員自學機器學習的原理和算法使用。本書對基礎(chǔ)和前沿、經(jīng)典方法和熱門技術(shù)進行了盡可能的平衡，使得讀者不僅能在機器學習領(lǐng)域打下一個良好的基礎(chǔ)，同時也可以利用所學知識解決遇到的實際問題并為進入學科前沿打好基礎(chǔ)。

·20.6萬字

會員

AI賦能HR：AI 10倍提升HR工作效率的方法與實踐

這是一本全方位講解如何利用AI工具為HR賦能的著作，是AI時代HR提升職場競爭力的實戰(zhàn)指南。作者基于深厚的HR管理經(jīng)驗和AI實戰(zhàn)經(jīng)驗，通過科學的方法、高效的提示詞、豐富的案例、清晰的步驟，細致地講解了如何利用AI工具提高工作效率、優(yōu)化管理流程、提升人才管理水平。從AIGC的基礎(chǔ)知識到AI工具的使用，從AI在人力資源全生命周期所有場景中的應(yīng)用到使用AI的風險防控，本書全面系統(tǒng)地講解了HR需要掌握的全部AI知識。

·20.6萬字

會員

深入理解AutoML和AutoDL：構(gòu)建自動化機器學習與深度學習平臺

這是一部從基礎(chǔ)理論、核心原理、前沿算法等多個維度系統(tǒng)、全面講解AutoML、AutoDL、AutoNAS和元學習的著作。作者是資深的人工智能專家，平安科技深度學習平臺和AutoML平臺負責人。本書得到了IEEEFellow/ACM杰出科學家/香港科技大學教授楊強教授、騰訊AILab副主任俞棟、美國佛羅里達大學教授李曉林等8位來自企業(yè)界、學術(shù)界和媒體界的資深專家的一致好評。它既能讓新人理清AutoML的脈絡(luò)，快速上手機器學習，又能讓有經(jīng)驗的讀者全面掌握AutoML的知識體系，工作變得更高效。

·20.6萬字

跳轉(zhuǎn)至頁

官术网_书友最值得收藏!

人工智能

分類

狀態(tài)

屬性

字數(shù)

更新時間

AI效率手冊：從ChatGPT開啟高效能

機器學習：軟件工程方法與實現(xiàn)

實戰(zhàn)機器學習

機器學習中的數(shù)學修煉

現(xiàn)代決策樹模型及其編程實踐：從傳統(tǒng)決策樹到深度決策樹

生成式人工智能（基于PyTorch實現(xiàn)）

未來制造：人工智能與工業(yè)互聯(lián)網(wǎng)驅(qū)動的制造范式革命

因果推斷：基于圖模型分析

奇點到來：AIGC引爆增長新范式

智能制造系統(tǒng)中的建模與仿真：系統(tǒng)工程與仿真的融合

模型思維：簡化世界的人工智能模型

智能工程

推薦系統(tǒng)：產(chǎn)品與算法解析

深度學習高手筆記（卷2）：經(jīng)典應(yīng)用

移動平臺深度神經(jīng)網(wǎng)絡(luò)實戰(zhàn)：原理、架構(gòu)與優(yōu)化

大話機器智能：一書看透AI的底層運行邏輯

新智元：機器+人類=超智能時代

機器學習教程（微課視頻版）

AI賦能HR：AI 10倍提升HR工作效率的方法與實踐

深入理解AutoML和AutoDL：構(gòu)建自動化機器學習與深度學習平臺