官术网_书友最值得收藏!

自動(dòng)駕駛算法與芯片設(shè)計(jì)

目前自動(dòng)駕駛的一個(gè)發(fā)展趨勢(shì)就是智能化。隨著人工智能的飛速發(fā)展以及各種新型傳感器的涌現(xiàn)，汽車(chē)智能化形成趨勢(shì)，輔助駕駛功能的滲透率越來(lái)越高。這些功能的實(shí)現(xiàn)需要借助于攝像頭、雷達(dá)、激光雷達(dá)等新增的傳感器數(shù)據(jù)，其中視頻處理需要大量并行計(jì)算。然而，傳統(tǒng)CPU算力不足，而DSP擅長(zhǎng)圖像處理，對(duì)于深度學(xué)習(xí)卻缺乏足夠的性能。盡管GPU擅長(zhǎng)訓(xùn)練，但它過(guò)于耗電，影響汽車(chē)的性能。因此，本書(shū)著眼于未來(lái)，認(rèn)為定制化的ASIC必將成為主流。本書(shū)以自動(dòng)駕駛的芯片設(shè)計(jì)為最終目標(biāo)，來(lái)論述設(shè)計(jì)一個(gè)面向未來(lái)的自動(dòng)駕駛SoC芯片的學(xué)術(shù)支撐和工程實(shí)踐。本書(shū)共13章。其中第1章主要介紹自動(dòng)駕駛目前遇到的挑戰(zhàn)和研究方向。第2～6章重點(diǎn)講述環(huán)境感知以及規(guī)劃控制方面的算法設(shè)計(jì)；第7～10章重點(diǎn)講述深度學(xué)習(xí)模型的優(yōu)化和深度學(xué)習(xí)芯片的設(shè)計(jì)；第11章和第12章重點(diǎn)講述具有安全功能的自動(dòng)駕駛軟件架構(gòu)設(shè)計(jì)；第13章介紹5G車(chē)聯(lián)網(wǎng)。

·15.7萬(wàn)字

AI加速器架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)

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。

·6萬(wàn)字

生成式AI實(shí)戰(zhàn)

本書(shū)由淺入深地介紹了生成式AI的理論與實(shí)踐，內(nèi)容涉及從基礎(chǔ)原理到前沿應(yīng)用，為讀者提供了一個(gè)系統(tǒng)的認(rèn)知框架。本書(shū)從生成式AI技術(shù)的基礎(chǔ)工具入手，逐步深入到Transformer模型與GPT的原理和應(yīng)用，詳細(xì)介紹了圖像生成模型StableDiffusion，以及LangChain與AIAgent的相關(guān)知識(shí)。書(shū)中結(jié)合開(kāi)源代碼分析，展示了生成式AI在各行各業(yè)的實(shí)際應(yīng)用，并探討了其在高速發(fā)展過(guò)程中所面臨的倫理和隱私風(fēng)險(xiǎn)。本書(shū)適合對(duì)生成式AI感興趣的讀者閱讀，無(wú)論你是初學(xué)者還是有一定編程基礎(chǔ)的人士，都能從中獲得寶貴的知識(shí)和經(jīng)驗(yàn)。對(duì)于零編程基礎(chǔ)的讀者，本書(shū)提供了跳過(guò)代碼實(shí)現(xiàn)的理論學(xué)習(xí)路徑。

·11.7萬(wàn)字

Mahout算法解析與案例實(shí)戰(zhàn)

·10.6萬(wàn)字

樹(shù)莓派創(chuàng)客：手把手教你搭建機(jī)器人

本書(shū)遵循由淺入深、由易到難的原則，循序漸進(jìn)地介紹使用樹(shù)莓派玩轉(zhuǎn)機(jī)器人的必備軟硬件知識(shí)與技術(shù)。全書(shū)共8章，第1~4章為樹(shù)莓派入門(mén)部分，主要介紹樹(shù)莓派軟硬件、Scratch和Python編程語(yǔ)言以及各種傳感器的使用，并提供豐富的操作案例，方便讀者輕松構(gòu)建樹(shù)莓派項(xiàng)目。本部分學(xué)會(huì)之后，讀者基本上可以掌握使用樹(shù)莓派軟硬件與第三方軟硬件協(xié)同工作，搭配和使用傳感器親手搭建一個(gè)簡(jiǎn)單的用于巡線且自動(dòng)跟隨和停止的機(jī)器無(wú)人車(chē)。第5~8章為提高部分，本部分深入地介紹樹(shù)莓派的各種高級(jí)玩法，還將介紹更多、更加智能的第三方軟硬件，比如近年來(lái)火熱的人工智能系列傳感器以及機(jī)器人操作系統(tǒng)ROS的使用，同時(shí)兼顧PC和手機(jī)操作，為讀者玩轉(zhuǎn)機(jī)器人提供更多的趣味場(chǎng)景。本書(shū)的特點(diǎn)是使用低成本硬件，趣味性和可操作性強(qiáng)，適合對(duì)樹(shù)莓派及機(jī)器人感興趣的各類讀者閱讀。

·6.3萬(wàn)字

聯(lián)邦學(xué)習(xí)實(shí)戰(zhàn)

數(shù)據(jù)孤島和隱私保護(hù)已經(jīng)成為制約人工智能發(fā)展的關(guān)鍵因素。聯(lián)邦學(xué)習(xí)作為一種新型的隱私保護(hù)計(jì)算方案，在數(shù)據(jù)不出本地的前提下，能有效聯(lián)合各參與方聯(lián)合建模，從而實(shí)現(xiàn)“共同富?！?，成為當(dāng)下人工智能領(lǐng)域備受關(guān)注的熱點(diǎn)。本書(shū)以實(shí)戰(zhàn)為主（包括對(duì)應(yīng)用案例的深入講解和代碼分析），兼顧對(duì)理論知識(shí)的系統(tǒng)總結(jié)。全書(shū)由五部分共19章構(gòu)成。第一部分簡(jiǎn)要介紹了聯(lián)邦學(xué)習(xí)的理論知識(shí)；第二部分介紹如何使用Python和FATE進(jìn)行簡(jiǎn)單的聯(lián)邦學(xué)習(xí)建模；第三部分是聯(lián)邦學(xué)習(xí)的案例分析，篩選了經(jīng)典案例進(jìn)行講解，部分案例用Python代碼實(shí)現(xiàn)，部分案例采用FATE實(shí)現(xiàn)；第四部分主要介紹和聯(lián)邦學(xué)習(xí)相關(guān)的高級(jí)知識(shí)點(diǎn)，包括聯(lián)邦學(xué)習(xí)的架構(gòu)和訓(xùn)練的加速方法等；第五部分是回顧與展望。本書(shū)適合對(duì)聯(lián)邦學(xué)習(xí)和隱私保護(hù)感興趣的高校研究者、企業(yè)研發(fā)人員閱讀。

·13.8萬(wàn)字

深入淺出圖神經(jīng)網(wǎng)絡(luò)：GNN原理解析

這是一本從原理、算法、實(shí)現(xiàn)、應(yīng)用4個(gè)維度詳細(xì)講解圖神經(jīng)網(wǎng)絡(luò)的著作，在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域具有重大的意義。本書(shū)作者是圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的資深技術(shù)專家，作者所在的公司極驗(yàn)也是該領(lǐng)域的領(lǐng)先者。本書(shū)是作者和極驗(yàn)多年研究和實(shí)踐經(jīng)驗(yàn)的總結(jié)，內(nèi)容系統(tǒng)、扎實(shí)、深入淺出，得到了白翔、俞棟等幾位來(lái)自學(xué)術(shù)界和企業(yè)界的領(lǐng)軍人物的高度評(píng)價(jià)和強(qiáng)烈推薦。全書(shū)共10章：第1～4章全面介紹了圖、圖數(shù)據(jù)、卷積神經(jīng)網(wǎng)絡(luò)以及表示學(xué)習(xí)等基礎(chǔ)知識(shí)，是閱讀本書(shū)的預(yù)備知識(shí)；第5～6章從理論的角度出發(fā)，講解了圖信號(hào)處理和圖卷積神經(jīng)網(wǎng)絡(luò)，深入剖析了圖卷積神經(jīng)網(wǎng)絡(luò)的性質(zhì)，并提供了GCN實(shí)現(xiàn)節(jié)點(diǎn)分類的實(shí)例。第7～9章全面的講解了圖神經(jīng)網(wǎng)絡(luò)的各種變體及范式、圖分類機(jī)制及其實(shí)踐，以及基于GNN的圖表示學(xué)習(xí)；第10章介紹了圖神經(jīng)網(wǎng)絡(luò)的最新研究和應(yīng)用。

·8.9萬(wàn)字

MasterCAM造型與仿真加工項(xiàng)目范例

本書(shū)通過(guò)大量的項(xiàng)目任務(wù)驅(qū)動(dòng)，不僅使學(xué)生在完成任務(wù)的過(guò)程中完成知識(shí)的建構(gòu)，以典型引路，舉一反三，深化學(xué)生對(duì)理論知識(shí)的理解，而且使教學(xué)內(nèi)容鮮活而生動(dòng)，促使學(xué)生有效掌握。為此，結(jié)合多年的教學(xué)改革與實(shí)踐，在收集和整理國(guó)內(nèi)外最新教材，調(diào)研同類教材使用情況的基礎(chǔ)上，提出本教材的建設(shè)計(jì)劃。

·7.5萬(wàn)字

人形機(jī)器人（原書(shū)第2版）

本書(shū)結(jié)合人形機(jī)器人研究中各類先進(jìn)方法，系統(tǒng)地介紹了驅(qū)動(dòng)人形機(jī)器人運(yùn)動(dòng)的基礎(chǔ)知識(shí)、推導(dǎo)過(guò)程以及應(yīng)用案例，闡述了人形機(jī)器人的運(yùn)動(dòng)學(xué)、動(dòng)力學(xué)表示方法，解釋了ZMP的概念及其與地面反作用力的關(guān)系，描述了人形機(jī)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(dòng)作的實(shí)現(xiàn)方法，最后介紹了動(dòng)力學(xué)建模、仿真和高效動(dòng)力學(xué)的計(jì)算方法。

·8.7萬(wàn)字

PyTorch 2.0深度學(xué)習(xí)從零開(kāi)始學(xué)

PyTorch是一個(gè)開(kāi)源的機(jī)器學(xué)習(xí)框架，它提供了動(dòng)態(tài)計(jì)算圖的支持，讓用戶能夠自定義和訓(xùn)練自己的神經(jīng)網(wǎng)絡(luò)，目前是機(jī)器學(xué)習(xí)領(lǐng)域中的框架之一?！禤yTorch2.0深度學(xué)習(xí)從零開(kāi)始學(xué)》共分15章，內(nèi)容包括PyTorch概述、開(kāi)發(fā)環(huán)境搭建、基于PyTorch的MNIST分類實(shí)戰(zhàn)、深度學(xué)習(xí)理論基礎(chǔ)、MNIST分類實(shí)戰(zhàn)、數(shù)據(jù)處理與模型可視化、基于PyTorch卷積層的分類實(shí)戰(zhàn)、PyTorch數(shù)據(jù)處理與模型可視化、實(shí)戰(zhàn)ResNet卷積網(wǎng)絡(luò)模型、有趣的WordEmbedding、基于循環(huán)神經(jīng)網(wǎng)絡(luò)的中文情感分類實(shí)戰(zhàn)、自然語(yǔ)言處理的編碼器、站在巨人肩膀上的預(yù)訓(xùn)練模型BERT、自然語(yǔ)言處理的解碼器、基于PyTorch的強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)、基于MFCC的語(yǔ)音喚醒實(shí)戰(zhàn)、基于PyTorch的人臉識(shí)別實(shí)戰(zhàn)。

·11.3萬(wàn)字

智能制造時(shí)代的研發(fā)智慧：知識(shí)工程2.0

本書(shū)的副書(shū)名指出知識(shí)工程2.0是智能制造時(shí)代的研發(fā)智慧，書(shū)中的討論對(duì)象和舉例均以研發(fā)企業(yè)或研發(fā)過(guò)程為背景。但這只是因?yàn)檠邪l(fā)過(guò)程是知識(shí)最密集、產(chǎn)出最豐富和應(yīng)用最深入的過(guò)程，并不代表本書(shū)所提的方法不適用于非研發(fā)型企業(yè)。非研發(fā)型企業(yè)或非研發(fā)過(guò)程的知識(shí)工程方法是本書(shū)所提方法的子集，大部分方法進(jìn)行適應(yīng)性改造，即可適用于這些企業(yè)或過(guò)程。

·13.9萬(wàn)字

Python人工智能

本書(shū)以Python為平臺(tái)，以將概念、實(shí)例和經(jīng)典應(yīng)用相結(jié)合的方式，介紹如何利用Python實(shí)現(xiàn)人工智能。全書(shū)分為9章，內(nèi)容包括：人工智能的基礎(chǔ)，人工智能背景下的科學(xué)計(jì)算，人工神經(jīng)網(wǎng)絡(luò)，遷移學(xué)習(xí)，網(wǎng)絡(luò)爬蟲(chóng)，智能數(shù)據(jù)分析，機(jī)器學(xué)習(xí)，智能模型分析，人工智能的應(yīng)用。為了幫助讀者更好地掌握相關(guān)知識(shí)，書(shū)中每章節(jié)都通過(guò)理論與實(shí)例相結(jié)合的方式，讓讀者在掌握概念的同時(shí)，掌握程序設(shè)計(jì)方法，并能利用程序設(shè)計(jì)解決實(shí)際問(wèn)題。

·11.6萬(wàn)字

機(jī)器學(xué)習(xí)：基于OpenCV和Python的智能圖像處理

本書(shū)利用Windows系統(tǒng)下的Anaconda搭建環(huán)境，并基于OpenCV框架和Python語(yǔ)言，詳細(xì)闡述了智能化圖像處理的實(shí)現(xiàn)方法。本書(shū)共12章，主要內(nèi)容包括智能圖像處理入門(mén)、Python基礎(chǔ)、圖像處理基礎(chǔ)、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(tài)學(xué)處理、圖像分割處理、圖像梯度及邊緣檢測(cè)、圖像輪廓檢測(cè)與擬合、人臉識(shí)別實(shí)現(xiàn)等，最后結(jié)合具體案例，使用Python語(yǔ)言和OpenCV庫(kù)函數(shù)闡述圖像處理技術(shù)。

·6.9萬(wàn)字

機(jī)器學(xué)習(xí)算法競(jìng)賽實(shí)戰(zhàn)

本書(shū)是算法競(jìng)賽領(lǐng)域一本系統(tǒng)介紹競(jìng)賽的圖書(shū)，書(shū)中不僅包含競(jìng)賽的基本理論知識(shí)，還結(jié)合多個(gè)方向和案例詳細(xì)闡述了競(jìng)賽中的上分思路和技巧。全書(shū)分為五部分：第一部分以算法競(jìng)賽的通用流程為主，介紹競(jìng)賽中各個(gè)部分的核心內(nèi)容和具體工作；第二部分介紹了用戶畫(huà)像相關(guān)的問(wèn)題；第三部分以時(shí)間序列預(yù)測(cè)問(wèn)題為主，先講述這類問(wèn)題的常見(jiàn)解題思路和技巧，然后分析天池平臺(tái)的全球城市計(jì)算AI挑戰(zhàn)賽和Kaggle平臺(tái)的CorporaciónFavoritaGrocerySalesForecasting；第四部分主要介紹計(jì)算廣告的核心技術(shù)和業(yè)務(wù)，包括廣告召回、廣告排序和廣告競(jìng)價(jià)，其中兩個(gè)實(shí)戰(zhàn)案例是2018騰訊廣告算法大賽：相似人群拓展和Kaggle平臺(tái)的TalkingDataAdTrackingFraudDetectionChallenge；第五部分基于自然語(yǔ)言處理相關(guān)的內(nèi)容進(jìn)行講解，其中實(shí)戰(zhàn)案例是Kaggle平臺(tái)上的競(jìng)賽QuoraQuestionPairs。本書(shū)適合從事機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和人工智能相關(guān)算法崗位的人閱讀。

·15.3萬(wàn)字

機(jī)器學(xué)習(xí)算法的數(shù)學(xué)解析與Python實(shí)現(xiàn)

學(xué)習(xí)機(jī)器學(xué)習(xí)的動(dòng)機(jī)很多，可能是實(shí)際工作需要，可能是興趣愛(ài)好，也可能是學(xué)業(yè)要求，從每種動(dòng)機(jī)的角度看，這個(gè)問(wèn)題都可能有不同的答案。我認(rèn)同許多人所說(shuō)的求知不能太功利這一觀點(diǎn)，不過(guò)大家的時(shí)間和精力畢竟有限，就算不去追求投入產(chǎn)出比，至少也應(yīng)該有一個(gè)學(xué)這門(mén)知識(shí)想要達(dá)到的目的。機(jī)器學(xué)習(xí)是更偏重于應(yīng)用的學(xué)問(wèn)，在當(dāng)下的發(fā)展也確實(shí)使得機(jī)器學(xué)習(xí)越來(lái)越像一門(mén)技能，而不僅僅是技術(shù)。初學(xué)算法時(shí)我最想學(xué)的是里面的“最強(qiáng)算法”，不過(guò)在第1章我將介紹，機(jī)器學(xué)習(xí)算法沒(méi)有最強(qiáng)的，只有最合適的，對(duì)于不同的問(wèn)題，對(duì)應(yīng)會(huì)有不同的最合適算法。所以，我們更需要關(guān)注的應(yīng)該是問(wèn)題，而不是算法本身。在本書(shū)中我選擇介紹市面上成熟的機(jī)器學(xué)習(xí)算法包，通過(guò)現(xiàn)成的算法包，就能夠根據(jù)實(shí)際要解決的問(wèn)題直接選擇所需要的機(jī)器學(xué)習(xí)算法，從而把注意力集中在對(duì)不同算法的選擇上。本書(shū)的目標(biāo)讀者是想要學(xué)習(xí)機(jī)器學(xué)習(xí)的學(xué)生、程序員、研究人員或者愛(ài)好者，以及想要知道機(jī)器學(xué)習(xí)是什么、為什么和怎么用的所有讀者。本書(shū)第1章介紹機(jī)器學(xué)習(xí)總體背景，第2章介紹配置環(huán)境，第3章到第10章彼此獨(dú)立，每一章介紹一種具體的機(jī)器學(xué)習(xí)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(xué)習(xí)方法，這是一種組合機(jī)器學(xué)習(xí)算法的方法，也是當(dāng)前在實(shí)際使用中常見(jiàn)又十分有效的提升性能的做法。

·11.5萬(wàn)字

AIGC輔助軟件開(kāi)發(fā)：ChatGPT 10倍效率編程實(shí)戰(zhàn)

這是一本講解如何用ChatGPT、GithubCopilotX、Cursor等主流AIGC工具優(yōu)化和提升軟件開(kāi)發(fā)全流程效率和質(zhì)量的實(shí)戰(zhàn)性著作。全書(shū)以軟件開(kāi)發(fā)的流程位主線來(lái)組織內(nèi)容，詳細(xì)講解了程序員、架構(gòu)師、項(xiàng)目經(jīng)理、產(chǎn)品經(jīng)理、技術(shù)團(tuán)隊(duì)管理者們?nèi)绾卧诩夹g(shù)方案構(gòu)建、需求文檔撰寫(xiě)、代碼編寫(xiě)與注解、客戶端開(kāi)發(fā)、前端開(kāi)發(fā)、后端開(kāi)發(fā)、測(cè)試和調(diào)試、性能優(yōu)化、疑難問(wèn)題解決、產(chǎn)品設(shè)計(jì)、軟件架構(gòu)與設(shè)計(jì)、應(yīng)試與面試12個(gè)主題充分發(fā)揮AIGC工具的潛能，在提高研發(fā)效率和質(zhì)量的同時(shí)，提升自身的實(shí)力。AIGC工具在軟件研發(fā)12個(gè)主題的使用方法，全部以實(shí)戰(zhàn)項(xiàng)目案例的方式展開(kāi)講解，有具體的工程化思路，也有可復(fù)用的提示詞，還有對(duì)使用經(jīng)驗(yàn)的總結(jié)和注意事項(xiàng)的提醒。只要跟著本書(shū)的案例實(shí)操一遍，就能順利躍遷為AI時(shí)代的新程序員，與AI共同進(jìn)化，成為不被AI淘汰的人。

·15.1萬(wàn)字

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

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。基礎(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。

·12.3萬(wàn)字

從ChatGPT到AIGC：智能創(chuàng)作與應(yīng)用賦能

自2023年以來(lái)，AI聊天機(jī)器人ChatGPT火爆互聯(lián)網(wǎng)，其顛覆性的使用體驗(yàn)重塑了人們對(duì)于AI的認(rèn)知。而ChatGPT背后的技術(shù)—AIGC也引起了互聯(lián)網(wǎng)圈的關(guān)注，打開(kāi)了人們對(duì)AI應(yīng)用的想象空間。本書(shū)從ChatGPT入手，以AIGC為中心，對(duì)AIGC的理論知識(shí)、應(yīng)用場(chǎng)景、未來(lái)發(fā)展等內(nèi)容進(jìn)行了全面的梳理。首先，本書(shū)對(duì)AIGC的概念、技術(shù)構(gòu)成、產(chǎn)業(yè)生態(tài)、市場(chǎng)現(xiàn)狀等進(jìn)行了講解，以便讀者對(duì)AIGC形成一個(gè)清晰、完整的認(rèn)知。其次，本書(shū)講解了AIGC在傳媒、電商、影視、娛樂(lè)、教育、工業(yè)等領(lǐng)域的應(yīng)用，展現(xiàn)了AIGC的應(yīng)用價(jià)值和對(duì)各領(lǐng)域的賦能。最后，本書(shū)解析了AIGC領(lǐng)域的創(chuàng)投機(jī)會(huì)和未來(lái)圖景，便于讀者把握AIGC的發(fā)展趨勢(shì)。本書(shū)在系統(tǒng)地講述AIGC理論及應(yīng)用的同時(shí)，引入了大量實(shí)踐案例，介紹了諸多國(guó)內(nèi)外知名企業(yè)在AIGC領(lǐng)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(yīng)用，內(nèi)容十分豐富。

·10.4萬(wàn)字

成為提問(wèn)工程師

隨著技術(shù)發(fā)展，各種AI產(chǎn)品層出不窮。人人都使用過(guò)AI，但真正做到用AI提升工作和學(xué)習(xí)效率的人卻很少。原因是大多數(shù)使用者，不會(huì)專業(yè)地提問(wèn)。如果能正確地提問(wèn)，AI將幫你解放工作，實(shí)現(xiàn)效率逆襲。精通向AI提問(wèn)的能力，AI能幫你成為超級(jí)個(gè)體。這是一本AI時(shí)代成為提問(wèn)高手的進(jìn)階指南，既授人以魚(yú)，也授人以漁。本書(shū)從AI的基本概念與運(yùn)行原理入手，引用了飛輪思維和ICDO提問(wèn)技巧，還詳細(xì)介紹了在不同場(chǎng)景下的提問(wèn)方法與實(shí)際案例，旨在幫助讀者掌握高效提問(wèn)的技巧，獲得更加精準(zhǔn)和豐富的答案，做到事半功倍，實(shí)現(xiàn)效率十倍提升。

·8.3萬(wàn)字

機(jī)器學(xué)習(xí)基礎(chǔ)：從入門(mén)到求職

本書(shū)是一本機(jī)器學(xué)習(xí)算法方面的理論+實(shí)踐讀物，主要包含機(jī)器學(xué)習(xí)基礎(chǔ)理論、回歸模型、分類模型、聚類模型、降維模型和深度學(xué)習(xí)模型六大部分。機(jī)器學(xué)習(xí)基礎(chǔ)理論部分包含第1、2章，主要介紹機(jī)器學(xué)習(xí)的理論基礎(chǔ)和工程實(shí)踐基礎(chǔ)。第3章是回歸模型部分，主要包括模型的建立、學(xué)習(xí)策略的確定和優(yōu)化算法的求解過(guò)程，最后結(jié)合三種常見(jiàn)的線性回歸模型實(shí)現(xiàn)了一個(gè)房?jī)r(jià)預(yù)測(cè)的案例。第4至11章詳細(xì)介紹了幾種常見(jiàn)的分類模型，包括樸素貝葉斯模型、K近鄰模型、決策樹(shù)模型、Logistic回歸模型、支持向量機(jī)模型、隨機(jī)森林模型、AdaBoost模型和提升樹(shù)模型，每一個(gè)模型都給出了較為詳細(xì)的推導(dǎo)過(guò)程和實(shí)際應(yīng)用案例。第12章系統(tǒng)介紹了五種常見(jiàn)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(gè)模型的原理、優(yōu)缺點(diǎn)和工程應(yīng)用實(shí)踐都給出了較為詳細(xì)的說(shuō)明。第13章系統(tǒng)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(xì)的理論推導(dǎo)和分析。最后兩章分別是詞向量模型和深度神經(jīng)網(wǎng)絡(luò)模型，其中，詞向量模型詳細(xì)介紹了Word2Vec和Doc2Vec模型的原理推導(dǎo)和應(yīng)用；深度神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)介紹了深度學(xué)習(xí)相關(guān)的各類基礎(chǔ)知識(shí)。

·12.3萬(wàn)字