丝网捕鱼是否违法

這是一本系統梳理并深入解析ChatGPT核心技術、算法實現、工作原理、訓練方法的著作，也是一本能指導你搭建專屬ChatGPT和實現大模型遷移及私有化的著作。本書得到了MOSS系統負責人邱錫鵬等多位專家的高度評價和鼎力推薦。具體地，通過本書你能了解或掌握以下知識：ChatGPT的工作流程和技術棧；ChatGPT的工作原理和算法實現；基于Transformer架構的一系列預訓練語言模型的原理；強化學習的基礎知識；提示學習與大模型涌現出的上下文學習、思維鏈；大模型的訓練方法及常見的分布式訓練框架；基于人工反饋的強化學習整體框架；從零搭建類ChatGPT模型，模擬完整的ChatGPT訓練過程。本書集理論、實戰和產業應用于一體，提供大量經詳細注釋的代碼，方便讀者理解和實操。總之，不管你是想深入研究ChatGPT本身，還是正在研發或使用其他大模型，本書都應該能給你頗具價值的技術啟發與思考，讓你在大模型的路上快速前行，少走彎路。

·13.2萬字

會員

這就是ChatGPT

ChatGPT是OpenAI開發的人工智能聊天機器人程序，于2022年11月推出。它能夠自動生成一些表面上看起來像人類寫的文字，這是一件很厲害且出乎大家意料的事。那么，它是如何做到的呢？又為何能做到呢？本書會大致介紹ChatGPT的內部機制，然后探討一下為什么它能很好地生成我們認為有意義的文本。

·4.7萬字

會員

生成式AI：人工智能的未來

一本書全面了解生成式AI的發展與創作能力，并為我所用。20世紀60年代，AI的概念就被提出，其商業應用的時間十分漫長，但始終沒有普通人使用的低門檻AI工具，隨著AIGC（AIGeneratedContent）的風靡，AI從實驗室走進個人電腦，也將就此改變商業與人們生活。生成式AI（GenerativeAI）作為底層技術，帶來的潛在回報十分可觀。AI的發展勢不可當，已經由擅長分析的傳統AI過渡到擅長創作的生成式AI，并加速向這個時代的每一個人走來。生成式AI的發展如火如荼，為人們的工作和生活帶來了許多便利。在這本書中，大部分文字、圖片，以及每章末尾有些讓人摸不著頭腦的笑話，均是由AI生成的，涵蓋ChatGPT、Quillbot、Midjourney、Dall-E、Dream.AI、Lexica、Grammarly、ClippingMagic和Tome等眾多目前流行的AI應用。

·8.1萬字

會員

深入淺出神經網絡與深度學習

本書深入講解神經網絡和深度學習技術，側重于闡釋深度學習的核心概念。作者以技術原理為導向，輔以貫穿全書的MNIST手寫數字識別項目示例，介紹神經網絡架構、反向傳播算法、過擬合解決方案、卷積神經網絡等內容，以及如何利用這些知識改進深度學習項目。學完本書后，讀者將能夠通過編寫Python代碼來解決復雜的模式識別問題。

·13.1萬字

會員

智能革命：迎接人工智能時代的社會、經濟與文化變革

人類歷史上的歷次技術革命，都帶來了人類感知和認知能力的不斷提升，從而使人類知道更多，做到更多，體驗更多。以此為標準，李彥宏在本書中將人工智能定義為堪比任何一次技術革命的偉大變革，并且明確提出，在技術與人的關系上，智能革命不同于前幾次技術革命，不是人去適應機器，而是機器主動來學習和適應人類，并同人類一起學習和創新這個世界。大數據是智能社會運轉的根本動力和燃料。以百度為代表的搜索引擎公司，由于對數據資源的獲取和使用類似深度學習的商業模式，也與大數據—深度學習—提取模式—創造用戶價值這一研發文化相匹配，使其天然具備了人工智能的基因。本書從硬件集群、計算能力、大數據資源、人工智能文化等方面提出了智能化的基本標準，并且從制造業升級、金融革新、無人駕駛、管理革命、智能生活等多個維度，描繪即將到來的智能社會，反思人類即將面臨的種種挑戰。“人工智能”正式寫入2017年政府工作報告，折射出未來人工智能產業在我國經濟發展與轉型中的重要性。本書內容涵蓋了人工智能發展的主要領域，刻畫了人工智能未來發展的場景和商業模式，對我國各行各業應對智能化轉型提供了很好的指引和借鑒。

·16.3萬字

會員

生成式人工智能

ChatGPT一經問世，在全球范圍內引起巨大轟動，GPT-4接入未來辦公軟件更是讓人震驚，而且技術正在以前所未有的速度快速迭代。那么，以這些技術為代表的生成式人工智能（AIGC）是否為新一輪的技術革命？它到底能做什么，具有哪些優勢和場景應用趨勢？面對新技術，未來商業的機會在哪里，對我們個人又有著什么樣的影響？……這些問題對于我們理解當下，面向未來都十分重要。本書基于作者的專業背景和長期實踐，系統介紹生成式人工智能的內在邏輯與應用，并將其與產業發展，理論和實際相結合，幫助讀者從本源了解生成式人工智能，結合未來趨勢和發展為讀者指明方向。

·10.8萬字

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

自然語言處理：基于預訓練模型的方法

自然語言處理被譽為“人工智能皇冠上的明珠”。深度學習等技術的引入為自然語言處理技術帶來了一場革命，尤其是近年來出現的基于預訓練模型的方法，已成為研究自然語言處理的新范式。本書在介紹自然語言處理、深度學習等基本概念的基礎上，重點介紹新的基于預訓練模型的自然語言處理技術。本書包括基礎知識、預訓練詞向量和預訓練模型三大部分：基礎知識部分介紹自然語言處理和深度學習的基礎知識和基本工具；預訓練詞向量部分介紹靜態詞向量和動態詞向量的預訓練方法及應用；預訓練模型部分介紹幾種典型的預訓練語言模型及應用，以及預訓練模型的最新進展。除了理論知識，本書還有針對性地結合具體案例提供相應的PyTorch代碼實現，不僅能讓讀者對理論有更深刻的理解，還能快速地實現自然語言處理模型，達到理論和實踐的統一。本書既適合具有一定機器學習基礎的高等院校學生、研究機構的研究者，以及希望深入研究自然語言處理算法的計算機工程師閱讀，也適合對人工智能、深度學習和自然語言處理感興趣的學生和希望進入人工智能應用領域的研究者參考。

·13.8萬字

會員

生成式AI實戰

本書由淺入深地介紹了生成式AI的理論與實踐，內容涉及從基礎原理到前沿應用，為讀者提供了一個系統的認知框架。本書從生成式AI技術的基礎工具入手，逐步深入到Transformer模型與GPT的原理和應用，詳細介紹了圖像生成模型StableDiffusion，以及LangChain與AIAgent的相關知識。書中結合開源代碼分析，展示了生成式AI在各行各業的實際應用，并探討了其在高速發展過程中所面臨的倫理和隱私風險。本書適合對生成式AI感興趣的讀者閱讀，無論你是初學者還是有一定編程基礎的人士，都能從中獲得寶貴的知識和經驗。對于零編程基礎的讀者，本書提供了跳過代碼實現的理論學習路徑。

·11.7萬字

會員

深度學習進階：自然語言處理

《深度學習進階：自然語言處理》是《深度學習入門：基于Python的理論與實現》的續作，圍繞自然語言處理和時序數據處理，介紹深度學習中的重要技術，包括word2vec、RNN、LSTM、GRU、seq2seq和Attention等。本書語言平實，結合大量示意圖和Python代碼，按照“提出問題”“思考解決問題的新方法”“加以改善”的流程，基于深度學習解決自然語言處理相關的各種問題，使讀者在此過程中更深入地理解深度學習中的重要技術。

·13.3萬字

會員

Web3超入門

Web3時代已經正式拉開序幕，不管你我是否愿意，都將不可避免地進入Web3的新世界。Web3不只是Web1.0和Web2.0的延伸，更是從底層協議上對傳統互聯網的全面革新。正如20年前的互聯網一樣，Web3雖然目前只是星星之火，但已經呈現出燎原之勢。因此，現在學習Web3知識，可謂恰逢其勢，正當其時。《Web3超入門》共有五大篇，第1篇趨勢篇（第1、2章）從多個維度詳細闡述了Web3時代到來的必然性；第2篇概念篇（第3、4章）追溯了Web3的起源，重新定義了Web3概念；第3篇內核篇（第5~7章）深度講解了支撐Web3的三大內核NFT、DeFi、DAO；第4篇技術篇（第8~11章）剖析了Web3實現的技術邏輯以及常用的開發工具；第5篇應用篇（第12~15章）全面分析了Web3的應用優勢和落地場景。《Web3超入門》深入淺出，力求采用通俗易懂的語言從用戶角度還原Web3的真實面貌。書中引用了大量案例和豐富的插圖，層層遞進，可讀性強，非常適合廣大Web3從業者、創業者和愛好者閱讀。

·15萬字

會員

神經網絡與深度學習

本書結合日常生活中的尋常小事，生動形象地闡述了神經網絡與深度學習的基本概念、原理和實踐，案例豐富，深入淺出。對于正在進入人工智能時代的我們，這些內容無疑可以幫助我們更好地理解人工智能的原理，豐富我們對人類自身的認識，并啟發我們對人機智能之爭更深一層的思考與探索。

·9.4萬字

會員

人工智能簡史（第2版）

《人工智能簡史》全面講述人工智能的發展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專家系統、神經網絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。第2版中每章都有新增內容，并增加了全新的第13章，整理了人工智能幾大派別的演化路線和人物的繼承關系，有助讀者閱讀方便。本書極具專業性、思想性和趣味性，既適合缺少專業背景的讀者了解人工智能的來龍去脈，作為人工智能的啟迪之書，也適合專業人士了解人工智能鮮為人知的歷史，提供深入學習的指導。

·18.3萬字

會員

AI速成課：從AI編程到構建智能軟件

本書從基礎知識入手，詳細講解通過強化學習和深度學習構建AI系統所需的一切，并通過5個完整的項目實例，循序漸進展示如何使用最佳、最簡單的AI編程工具（包括Python、TensorFlow、Keras和PyTorch）構建智能軟件。具體內容包括AI工具包、Python基礎、AI基礎技巧、你的第一個AI模型、銷售和廣告中的AI、Q學習、物流行業中的AI、人工大腦、自動駕駛車輛中的AI、商業中的AI、深度卷積Q學習、游戲中的AI。

·13萬字

會員

人工智能簡史

本書全面講述人工智能的發展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專家系統、神經網絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行了全面回顧和深度點評。本書作者和書中諸多人物或為師友或相熟相知，除了詳實的考證還有有趣的軼事。本書既適合專業人士了解人工智能鮮為人知的歷史，也適合對人工智能感興趣的大眾讀者作為入門的向導。

·16.7萬字

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

AI時代，學什么，怎么學

本書作者依托豐富的一線教育實踐以及對AI和當代教育的深入洞察，全面剖析了當下該如何正確且高效地使用AI工具提升學習與思考能力。作者從孩子需要具備的核心能力出發，探討了在AI時代，孩子們應如何抓住機遇、科學應對挑戰。同時，書中還詳細分析了孩子未來在學科選擇、專業方向、職業規劃、人生發展等方面的關鍵決策，為家長與孩子提供了寶貴的參考建議。

·8.4萬字

會員

區塊鏈108問

《區塊鏈108問》一書有針對性地解答了區塊鏈的諸多相關問題，涉及到區塊鏈和比特幣的發展歷史、比特幣及其特點與運行原理、區塊鏈轉賬原理、區塊鏈產業鏈上中下游的運作、區塊鏈資產的特點、區塊鏈的技術原理、區塊鏈擴容和分叉、區塊鏈項目分類及應用等方方面面，將晦澀難懂的抽象的概念轉化為108個問題解答，而且每個問題還延展出許多與之密切相關的知識點，讓區塊鏈知識的學習更加全面。

·9.1萬字

會員

Python強化學習：算法、核心技術與行業應用

本書使用受現實世界商業和行業問題啟發的實際示例來講授強化學習技術的相關知識。本書分為四部分：第一部分涵蓋強化學習的必要背景，包括定義、數學基礎和強化學習解決方案的概述；第二部分深入介紹最先進的強化學習算法（規模化的深度Q-學習、基于策略的方法、基于模型的方法、多智能體強化學習等），包括每種算法的優缺點；第三部分介紹強化學習中的高級技術，包括機器教學、泛化和域隨機化、元強化學習等主題，還涵蓋強化學習中有助于改進模型的各種高級主題；第四部分講解強化學習的各種應用，例如自主系統、供應鏈管理、營銷和金融、智慧城市與網絡安全等，并討論強化學習領域的一些挑戰及未來方向。學完本書，你將掌握如何訓練和部署自己的強化學習智能體來解決強化學習問題。

·19.5萬字

會員

深度學習：卷積神經網絡從入門到精通

本書專注討論深度學習中應用非常廣泛的模型——卷積神經網絡，該模型特別適用于圖像分類和識別、目標分割和檢測以及人工智能游戲方面，受眾對象包括計算機、自動化、信號處理、機電工程、應用數學等相關專業的研究生、教師以及算法工程師和科研工作者。本書的最大特色是對卷積神經網絡進行由淺入深的分類描述，依次包括：現代雛形、突破模型、應變模型、加深模型、跨連模型、區域模型、分割模型、特殊模型、強化模型和頂尖成就。這種分類框架是在模型概述和預備知識的基礎上逐步展開的，既方便讀者入門學習，又有助于讀者深入鉆研。

·14.8萬字

跳轉至頁

官术网_书友最值得收藏!

人工智能

分類

狀態

屬性

字數

更新時間

ChatGPT原理與實戰：大型語言模型的算法、技術和私有化