小米游戏中心

本書系統(tǒng)地探討了人工智能對法律行業(yè)的深遠影響、法律人應該掌握的AI知識以及相關(guān)的法律AI工具。本書共14章，分為五部分。第一部分（第1章）介紹了大模型的基礎(chǔ)知識以及AI在法律領(lǐng)域的應用趨勢和場景，并深入探討了AI對法律行業(yè)帶來的影響等。第二部分（第2~6章）針對法律人的主要工作任務，包括類案檢索、案情分析、法律咨詢、法律文書寫作、合同審查等，詳細講解了應該如何使用AI來提升工作效率。第三部分（第7~8章）針對法律機構(gòu)的主要工作任務，詳細闡述了AI如何幫助機構(gòu)提升運營效率。第四部分（第9~11章）講述了法律大模型的架構(gòu)設(shè)計、訓練和調(diào)優(yōu)方法，并結(jié)合應用場景講解了法律行業(yè)如何用大模型技術(shù)解決具體問題。第五部分（第12~14章）分析了AI帶來的新型法律問題，以及中國、歐盟、美國等國家和地區(qū)的立法與司法實踐。

·23.8萬字

會員

多模態(tài)大模型：算法、應用與微調(diào)

本書詳盡地覆蓋了多模態(tài)大模型的算法原理和應用實戰(zhàn)，提供了豐富的微調(diào)技術(shù)細節(jié)和實際案例，適合對多模態(tài)大模型有興趣的技術(shù)人員深入學習及應用。本書分為兩篇：算法原理篇：詳細介紹了先進的深度學習模型，包括Transformer、GPT系列、深度生成模型，從基本架構(gòu)、訓練方法到特定應用，包括但不限于Seq2Seq結(jié)構(gòu)、位置編碼、注意力機制、殘差連接、變分自編碼器、GAN、ViT、CLIP、StableDiffusion、各模型訓練實踐的知識點。此外，探討了預訓練模型的涌現(xiàn)能力、模型參數(shù)和通信數(shù)據(jù)量的估算，以及分布式訓練的各種技術(shù)，如數(shù)據(jù)并行、模型并行和混合精度訓練等。應用實戰(zhàn)篇：聚焦于深度學習模型的實際應用，特別是文本和圖像生成，以及代碼生成的應用實戰(zhàn)。通過具體實戰(zhàn)項目，如利用StableDiffusion進行圖像生成和CodeLlama進行代碼生成，提供了微調(diào)技術(shù)的詳細細節(jié)，介紹了LangChain等大模型應用框架。

·25.2萬字

會員

創(chuàng)新求索錄：第三集

本書收錄了李國杰院士2018年至2022年五年間寫的100余篇文章、報告、評語、新書序言等，反映了作者參與中央網(wǎng)信辦、國家發(fā)展改革委、工業(yè)和信息化部、科技部、中國工程院和中國科學院的咨詢課題的成果。內(nèi)容包括科技自立自強、理解人工智能、做強先進計算、展望新興技術(shù)、戰(zhàn)略咨詢建議、人才培養(yǎng)教育等。既有宏觀的政策建議，又有關(guān)鍵的技術(shù)研究；既高屋建瓴，又落到實處。適合相關(guān)領(lǐng)域的科研人員、高校老師和學生、立志科研的青少年、信息產(chǎn)業(yè)的高管以及制定政策方針的政府工作人員。

·37萬字

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

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

現(xiàn)代推薦算法

本書深入全面地講解了現(xiàn)代推薦算法，同時兼顧深度和廣度，介紹了當下較前沿、先進的各類算法及其實踐。本書從總覽篇開始，介紹推薦系統(tǒng)的基本概念及工作環(huán)節(jié)。在模型篇中，除了梳理推薦系統(tǒng)的發(fā)展史，本書還重點講解面向工業(yè)實踐的選擇及改進，為讀者打下推薦系統(tǒng)的算法基礎(chǔ)；進而帶著讀者進階到前沿篇、難點篇，面對推薦系統(tǒng)中的各式問題，并給出解決方案；最后在決策篇中，從技術(shù)原理和用戶心理出發(fā)，解釋一些常見決策背后的依據(jù)，從而幫助讀者從執(zhí)行層面進階到?jīng)Q策層面，建立大局觀。

·20.2萬字

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(chǔ)知識、理論方法和行業(yè)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(shù)據(jù)驅(qū)動的人工智能系統(tǒng)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(shù)方法，包括貝葉斯方法、基于因果啟發(fā)的穩(wěn)定學習和反事實推理、基于與或圖模型的人機協(xié)作解釋、對深度神經(jīng)網(wǎng)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(yī)療、金融、計算機視覺、自然語言處理、推薦系統(tǒng)等領(lǐng)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(fā)揮的積極作用。第11章對全書進行總結(jié)，并論述可解釋人工智能研究面臨的挑戰(zhàn)和未來發(fā)展趨勢。此外，本書的附錄給出可解釋人工智能相關(guān)的開源資源、中英文術(shù)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(guān)專業(yè)的高年級本科生和研究生，以及人工智能領(lǐng)域的研究員和學者閱讀；也適合關(guān)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

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

Python程序設(shè)計：人工智能案例實踐

本書共16章。第1~10章介紹Python編程，涉及人工智能、基本描述統(tǒng)計、集中趨勢和分散度量、模擬、靜態(tài)和動態(tài)可視化、使用CSV文件、用于數(shù)據(jù)探索和數(shù)據(jù)整理的Pandas、時間序列和簡單線性回歸。第11~16章提供多種實踐案例研究，涉及自然語言處理、Twitter數(shù)據(jù)挖掘、IBMWatson認知計算、包含分類和回歸的有監(jiān)督機器學習、聚類無監(jiān)督機器學習、卷積神經(jīng)網(wǎng)絡深度學習、遞歸神經(jīng)網(wǎng)絡深度學習、包含Hadoop/Spark/NoSQL/物聯(lián)網(wǎng)的大數(shù)據(jù)等。

·32.1萬字

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

法律人AI指南：大模型10倍提升工作效率的方法與技巧