&#23448;&#26415;&#32593;&#95;&#20070;&#21451;&#26368;&#20540;&#24471;&#25910;&#34255;&#33;

人工智能技術(shù)與大數(shù)據(jù)

本書分為兩個部分，共12章。第1章到第5章介紹了大數(shù)據(jù)的本體論、機器學習的基本理論等內(nèi)容，為具體場景、算法的實踐奠定了基礎(chǔ)。讀者可以了解到，在工程實踐中，對大數(shù)據(jù)的處理、轉(zhuǎn)化方式與人類學習知識并將其轉(zhuǎn)化為實踐的過程是多么相似。在對機器學習的介紹中，會對其數(shù)學原理、訓(xùn)練過程做基本的講解，并輔以代碼幫助讀者了解真實場景中技術(shù)工具的使用。第6章到第12章提供了多個不同的用例，章節(jié)之間彼此獨立，介紹了如何用人工智能技術(shù)（自然語言處理、模糊系統(tǒng)、遺傳編程、群體智能、強化學習、網(wǎng)絡(luò)安全、認知計算）實現(xiàn)大數(shù)據(jù)自動化解決方案。如果讀者對Java編程語言、分布式計算框架、各種機器學習算法有一定的了解，那么本書可以幫助你建立一個全局觀，從更廣闊的視角來看待人工智能技術(shù)在大數(shù)據(jù)中的應(yīng)用。如果讀者對上述知識一無所知，但是對大數(shù)據(jù)人工智能的技術(shù)、業(yè)務(wù)非常感興趣，那么可以通過本書獲得從零到一的認知提升。

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(xiàn)》的續(xù)作，圍繞自然語言處理和時序數(shù)據(jù)處理，介紹深度學習中的重要技術(shù)，包括word2vec、RNN、LSTM、GRU、seq2seq和Attention等。本書語言平實，結(jié)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(guān)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(shù)。

機器學習實踐指南：案例應(yīng)用解析

《機器學習實踐指南：案例應(yīng)用解析》是機器學習及數(shù)據(jù)分析領(lǐng)域不可多得的一本著作，也是為數(shù)不多的既有大量實踐應(yīng)用案例又包含算法理論剖析的著作，作者針對機器學習算法既抽象復(fù)雜又涉及多門數(shù)學學科的特點，力求理論聯(lián)系實際，始終以算法應(yīng)用為主線，由淺入深以全新的角度詮釋機器學習。全書分為準備篇、基礎(chǔ)篇、統(tǒng)計分析實戰(zhàn)篇和機器學習實戰(zhàn)篇。準備篇介紹了機器學習的發(fā)展及應(yīng)用前景以及常用科學計算平臺，主要包括統(tǒng)計分析語言r、機器學習模塊mlpy和neurolab、科學計算平臺numpy、圖像識別軟件包opencv、網(wǎng)頁分析beautifulsoup等軟件的安裝與配置。基礎(chǔ)篇先對數(shù)學基礎(chǔ)及其在機器學習領(lǐng)域的應(yīng)用進行講述，同時推薦配套學習的數(shù)學書籍，然后運用實例說明計算平臺的使用，以python和r為實現(xiàn)語言，重點講解了圖像算法、信息隱藏、最小二乘法擬合、因子頻率分析、歐氏距離等，告訴讀者如何使用計算平臺完成工程應(yīng)用。最后，通過大量統(tǒng)計分析和機器學習案例提供實踐指南，首先講解回歸分析、區(qū)間分布、數(shù)據(jù)圖形化、分布趨勢、正態(tài)分布、分布擬合等數(shù)據(jù)分析基礎(chǔ)，然后講解神經(jīng)網(wǎng)絡(luò)、統(tǒng)計算法、歐氏距離、余弦相似度、線性與非線性回歸、數(shù)據(jù)擬合、線性濾波、圖像識別、人臉辨識、網(wǎng)頁分類等機器學習算法。此書可供算法工程師、IT專業(yè)人員以及機器學習愛好者參考使用。

深度學習初學者指南

本書分為三部分。第一部分將幫助你快速理解從數(shù)據(jù)中學習、深度學習基本架構(gòu)、如何準備數(shù)據(jù)，以及深度學習中經(jīng)常使用的基本概念。第二部分將重點介紹無監(jiān)督學習算法。從自編碼器開始，然后轉(zhuǎn)向?qū)訑?shù)更深、規(guī)模更大的神經(jīng)網(wǎng)絡(luò)模型。第三部分介紹監(jiān)督學習算法，你將掌握基本和高級深度學習模型的實現(xiàn)方法，并能夠?qū)⑦@些模型用于分類、回歸以及從潛在空間生成數(shù)據(jù)等應(yīng)用場合。

人工智能十萬個為什么：熱AI冷知識

本書是由智能相對論創(chuàng)始人曾響鈴聯(lián)合旗下幾位資深分析師深入一線企業(yè)調(diào)研后，并結(jié)合行業(yè)發(fā)展現(xiàn)狀及未來發(fā)展趨勢預(yù)測完成的一本人工智能冷知識普及書籍。本書全面、詳盡地介紹了人工智能最先落地的幾個熱門領(lǐng)域：智能機器人、醫(yī)療服務(wù)業(yè)、教育、娛樂、健康等，覆蓋了人們接觸人工智能的各種場景，并對其背后的人工智能技術(shù)進行深入淺出地解釋，是一本有趣的人工智能行業(yè)科普讀物。

深度學習視頻理解

視頻理解是計算機視覺和深度學習的一個重要分支。本書對視頻理解的3個重要領(lǐng)域進行介紹，對于每個領(lǐng)域，本書不僅解釋了相關(guān)算法的原理，還梳理了算法演進的脈絡(luò)。全書共分6章，第1章簡要介紹視頻行業(yè)的發(fā)展歷程；第2章回顧經(jīng)典圖像分類模型和RNN；第3章和第4章介紹動作識別的重要算法；第5章介紹時序動作定位的重要算法；第6章介紹視頻Embedding的重要算法。最后總結(jié)了常用的一些視頻處理工具。本書既適合高等院校人工智能相關(guān)專業(yè)的本科生和研究生閱讀，也可供視頻理解、推薦系統(tǒng)、搜索引擎和計算廣告等領(lǐng)域的研究人員和從業(yè)者參考。

ChatGPT大模型：技術(shù)場景與商業(yè)應(yīng)用

ChatGPT作為人工智能領(lǐng)域的一大進步，引起了熱議，其強大功能的背后離不開大模型的支持。大模型指的是參數(shù)規(guī)模超過千萬的機器學習模型，主要應(yīng)用于語音識別、計算機視覺等領(lǐng)域。本書聚焦大模型，對大模型的技術(shù)場景和商業(yè)應(yīng)用展開詳細敘述。本書主要從典型應(yīng)用ChatGPT入手，探尋其背后支撐大模型的魅力。首先，本書對大模型的基礎(chǔ)概念、產(chǎn)業(yè)格局、帶來的新型商業(yè)模式進行講解，展現(xiàn)了大模型的發(fā)展現(xiàn)狀和商業(yè)化潛力。其次，本書從數(shù)據(jù)服務(wù)、智能搜索、辦公工具、對話式AI、休閑娛樂、生產(chǎn)制造、智慧營銷、智慧城市等方面講述了大模型的諸多應(yīng)用場景，并闡述了大模型在這些領(lǐng)域的應(yīng)用現(xiàn)狀、應(yīng)用潛力、企業(yè)探索實踐等。

AI重塑演講力：ChatGPT 10倍提升演講寫作與表達

本書結(jié)合了作者多年演講表達的培訓(xùn)經(jīng)驗和體系化的課程內(nèi)容，并在每個知識點和章節(jié)中都融合了新的AI提示詞方法。不僅能讓讀者系統(tǒng)地掌握演講表達的體系化知識，逐步學習如何提出并表達各種問題，還能快速上手AI工具，極大地提高學習演講表達的效率，助力我們的工作和學習，提升競爭力。

ChatGPT原理與實戰(zhàn)：大型語言模型的算法、技術(shù)和私有化

這是一本系統(tǒng)梳理并深入解析ChatGPT核心技術(shù)、算法實現(xiàn)、工作原理、訓(xùn)練方法的著作，也是一本能指導(dǎo)你搭建專屬ChatGPT和實現(xiàn)大模型遷移及私有化的著作。本書得到了MOSS系統(tǒng)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(shù)棧；ChatGPT的工作原理和算法實現(xiàn)；基于Transformer架構(gòu)的一系列預(yù)訓(xùn)練語言模型的原理；強化學習的基礎(chǔ)知識；提示學習與大模型涌現(xiàn)出的上下文學習、思維鏈；大模型的訓(xùn)練方法及常見的分布式訓(xùn)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(xùn)練過程。本書集理論、實戰(zhàn)和產(chǎn)業(yè)應(yīng)用于一體，提供大量經(jīng)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(fā)或使用其他大模型，本書都應(yīng)該能給你頗具價值的技術(shù)啟發(fā)與思考，讓你在大模型的路上快速前行，少走彎路。

一本書讀懂大模型：技術(shù)創(chuàng)新、商業(yè)應(yīng)用與產(chǎn)業(yè)變革

這是一本人人都能讀懂的大模型綜合指南，既是一本大模型的科普書，又是一本大模型的商業(yè)書。由中國電信研究院天翼智庫官方出版，從核心技術(shù)、基礎(chǔ)設(shè)施、商業(yè)應(yīng)用、產(chǎn)業(yè)體系、安全治理5個維度全面講解了大模型。語言上通俗易懂，內(nèi)容上深入淺出，呈現(xiàn)上圖文并茂，給讀者良好閱讀體驗的同時，讓讀者對大模型的理解事半功倍！無論你是AI工程師，還是完全沒有IT技術(shù)背景的愛好者；無論你是一線的從業(yè)人員，還是企業(yè)的管理者和決策者，你都能通過本書系統(tǒng)理解和掌握大模型，從而深刻認識大模型的核心價值和應(yīng)用潛力，把握住大模型帶來的變革和商機。

AI嵌入式系統(tǒng)：算法優(yōu)化與實現(xiàn)

本書介紹嵌入式系統(tǒng)中的機器學習算法優(yōu)化原理、設(shè)計方法及其實現(xiàn)技術(shù)。內(nèi)容涵蓋通用嵌入式優(yōu)化技術(shù)，包括基于SIMD指令集的優(yōu)化、內(nèi)存訪問模式優(yōu)化、參數(shù)量化等，并在此基礎(chǔ)上介紹了信號處理層面的優(yōu)化、AI推理算法優(yōu)化及基于神經(jīng)網(wǎng)絡(luò)的AI算法訓(xùn)練—推理聯(lián)合的優(yōu)化理論與方法。其中信號處理層面優(yōu)化介紹了基于線性代數(shù)的快速近似算法、基于多項式的快速卷積構(gòu)造技術(shù)、基于數(shù)據(jù)二進制結(jié)構(gòu)的快速乘法算法等；在AI推理層面，介紹了機器學習推理模型共性結(jié)構(gòu)、運算圖中各個算子的計算優(yōu)化途徑；對基于神經(jīng)網(wǎng)絡(luò)的AI算法，闡述了如何將推理階段的運算量約束以及底層數(shù)據(jù)量化約束加入訓(xùn)練代價函數(shù)，從算法訓(xùn)練端減少運算量以提升AI嵌入式系統(tǒng)的運行效率。此外，本書還通過多個自動搜索優(yōu)化參數(shù)并生成C代碼的例子介紹了通用的嵌入式環(huán)境下機器學習算法自動優(yōu)化和部署工具開發(fā)的基本知識，通過應(yīng)用示例和大量代碼說明了AI算法在通用嵌入式系統(tǒng)中的實現(xiàn)方法，力求讓讀者在理解算法的基礎(chǔ)上，通過實踐掌握高效的AI嵌入式系統(tǒng)開發(fā)的知識與技能。

·13.1萬字

深入淺出神經(jīng)網(wǎng)絡(luò)與深度學習

本書深入講解神經(jīng)網(wǎng)絡(luò)和深度學習技術(shù)，側(cè)重于闡釋深度學習的核心概念。作者以技術(shù)原理為導(dǎo)向，輔以貫穿全書的MNIST手寫數(shù)字識別項目示例，介紹神經(jīng)網(wǎng)絡(luò)架構(gòu)、反向傳播算法、過擬合解決方案、卷積神經(jīng)網(wǎng)絡(luò)等內(nèi)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(fù)雜的模式識別問題。

·13.1萬字

元宇宙中的硬科技

本書從元宇宙的起源和現(xiàn)實應(yīng)用場景出發(fā)，基于元宇宙的“BIGCHINA”技術(shù)框架，為讀者依次揭開元宇宙背后八大硬科技——區(qū)塊鏈（Blockchain）技術(shù)、交互（Interactivity）技術(shù)、通信技術(shù)（CommunicationTechnology，5G、6G）、云和邊緣計算（CloudandEdgeComputing）技術(shù)、高性能計算和量子計算（High-PerformanceComputingandQuantumComputing）技術(shù)、物聯(lián)網(wǎng)和機器人（IoTandRobotics）技術(shù)、網(wǎng)絡(luò)（Network）技術(shù)、人工智能（ArtificialIntelligence）技術(shù)的神秘面紗。本書將上述八大支撐技術(shù)與元宇宙中的諸多實際和潛在應(yīng)用相結(jié)合，生動地繪制出一幅元宇宙的“技術(shù)圖譜”，為想要了解元宇宙及其背后核心技術(shù)的讀者提供有趣的科普閱讀體驗。此外，本書在一定程度上突破了從單一技術(shù)視域分析元宇宙的局限，對讀者了解當前元宇宙技術(shù)整體發(fā)展現(xiàn)狀和未來趨勢有一定的借鑒意義。

·13.1萬字

ChatGLM3大模型本地化部署、應(yīng)用開發(fā)與微調(diào)

《ChatGLM3大模型本地化部署、應(yīng)用開發(fā)與微調(diào)》作為《PyTorch2.0深度學習從零開始學》的姊妹篇，專注于大模型的本地化部署、應(yīng)用開發(fā)以及微調(diào)等。《ChatGLM3大模型本地化部署、應(yīng)用開發(fā)與微調(diào)》不僅系統(tǒng)地闡述了深度學習大模型的核心理論，更注重實踐應(yīng)用，通過豐富的案例和場景，引導(dǎo)讀者從理論走向?qū)嵺`，真正領(lǐng)悟和掌握大模型本地化應(yīng)用的精髓。全書共分13章，全方位、多角度地展示了大模型本地化實戰(zhàn)的完整方案，內(nèi)容包括大模型時代的開端、PyTorch2.0深度學習環(huán)境搭建、基于gradio的云上自托管ChatGLM3部署實戰(zhàn)、使用ChatGLM3與LangChain實現(xiàn)知識圖譜抽取和智能問答、適配ChatGLM3終端的Template與Chain詳解、ChatGLM3多文本檢索的增強生成實戰(zhàn)、構(gòu)建以人為本的ChatGLM3規(guī)范化Prompt提示工程、使用ChatGLM3的思維鏈構(gòu)建、GLM源碼分析與文本生成實戰(zhàn)、低資源單GPU微調(diào)ChatGLM3實戰(zhàn)、會使用工具的ChatGLM3、上市公司財務(wù)報表非結(jié)構(gòu)化信息抽取實戰(zhàn)、上市公司財務(wù)報表智能問答與財務(wù)預(yù)警實戰(zhàn)。《ChatGLM3大模型本地化部署、應(yīng)用開發(fā)與微調(diào)》適合大模型的初學者、有一定基礎(chǔ)的大模型研究人員、大模型應(yīng)用開發(fā)人員。同時，《ChatGLM3大模型本地化部署、應(yīng)用開發(fā)與微調(diào)》還可作為高等院校或高職高專相關(guān)專業(yè)大模型課程的教材，助力培養(yǎng)新一代的大模型領(lǐng)域人才。

金融智能：AI如何為銀行、保險、證券業(yè)賦能

過去，金融業(yè)的運轉(zhuǎn)依賴于人工作業(yè)。在筆者的印象中，20世紀90年代的銀行柜臺和證券交易大廳總是擠滿了人——有來存工資的職員，有來收匯貨款的企業(yè)會計，有盯完大盤后去窗口排隊等待交易的股民……涉及錢的業(yè)務(wù)，手續(xù)總是繁多冗雜，填表蓋章按手印，常常一等就是大半天。客戶焦急，因為時間就是金錢；工作人員任務(wù)繁重，恨不得長出三頭六臂，學會分身之術(shù)。

AI速成課：從AI編程到構(gòu)建智能軟件

本書從基礎(chǔ)知識入手，詳細講解通過強化學習和深度學習構(gòu)建AI系統(tǒng)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(gòu)建智能軟件。具體內(nèi)容包括AI工具包、Python基礎(chǔ)、AI基礎(chǔ)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(yè)中的AI、人工大腦、自動駕駛車輛中的AI、商業(yè)中的AI、深度卷積Q學習、游戲中的AI。

華為MindSpore深度學習框架應(yīng)用開發(fā)實戰(zhàn)

全書從邏輯上共分3部分。第一部分由第1章和第2章組成，介紹深度學習的基礎(chǔ)理論、MindSpore總體架構(gòu)和編程基礎(chǔ)。第二部分由第3～8章組成，介紹MindSpore框架各子系統(tǒng)的具體情況，包括數(shù)據(jù)處理、算子、神經(jīng)網(wǎng)絡(luò)模型開發(fā)、數(shù)據(jù)可視化組件MindInsight、推理、以及移動端AI框架MindSporeLite。第三部分由第9章和第10章組成，介紹使用MindSpore框架開發(fā)和訓(xùn)練的經(jīng)典深度學習模型實例。本書既可以作為深度學習相關(guān)方向?qū)W生的專業(yè)用書，又可以作為相關(guān)科研人員和開發(fā)人員的參考用書。

向AI提問的藝術(shù)：提示工程入門與應(yīng)用

本書共十一章，主要包含四部分：第1章解讀ChatGPT的基礎(chǔ)原理和提示工程的基本概念；第2至5章介紹提示工程技巧，涵蓋有效提示編寫、針對復(fù)雜任務(wù)的提示設(shè)計技巧、對話中的提示設(shè)計技巧，以及提示的優(yōu)化與迭代；第6章主要介紹當前ChatGPT推出的進階功能；第7至11章結(jié)合教育領(lǐng)域、市場營銷、新媒體運營、軟件開發(fā)和數(shù)據(jù)分析實戰(zhàn)展示提示工程技巧的應(yīng)用。

·12.9萬字