本書(shū)旨在幫助讀者了解ChatGPT和它背后的技術(shù)原理，掌握使用它的方法，并了解它的潛在應(yīng)用和影響。書(shū)中詳細(xì)闡述了人工智能的基本概念，例如機(jī)器學(xué)習(xí)和自然語(yǔ)言處理，并全面介紹了如何使用ChatGPT進(jìn)行對(duì)話和寫(xiě)作。此外，本書(shū)還深入探討了人工智能將如何改變我們的工作方式，以及我們?nèi)绾瓮ㄟ^(guò)教育和培訓(xùn)來(lái)適應(yīng)這些變化。這包括如何進(jìn)

信息檢索是我們理解這個(gè)世界的重要手段之一，隨著技術(shù)的進(jìn)步，我們的檢索行為也在不斷變化。伴隨著人工智能時(shí)代的到來(lái)，大數(shù)據(jù)的涌現(xiàn)以及萬(wàn)物互聯(lián)的場(chǎng)景對(duì)信息的獲取、理解和運(yùn)用提出了新的需求，特別是大模型的出現(xiàn)，有望重塑信息檢索的架構(gòu)與技術(shù)體系。本書(shū)以信息檢索系統(tǒng)架構(gòu)為抓手，圍繞檢索系統(tǒng)的各個(gè)技術(shù)模塊展開(kāi)對(duì)神經(jīng)檢索前沿技術(shù)的介紹

本書(shū)服務(wù)的主要對(duì)象為人工智能技術(shù)應(yīng)用專業(yè)學(xué)生、相關(guān)人工智能類(lèi)專業(yè)學(xué)生以及想要涉足人工智能的讀者。本書(shū)采用"教、學(xué)、做一體化”的教學(xué)方法，圍繞智能語(yǔ)音技術(shù)，主要介紹了云端智能語(yǔ)音應(yīng)用、終端智能語(yǔ)音應(yīng)用、綜合智能語(yǔ)音應(yīng)用三大部分。課程以實(shí)際項(xiàng)目轉(zhuǎn)化的案例為主線，按"理實(shí)一體化”的指導(dǎo)思想，從"魚(yú)”到"漁”，培養(yǎng)學(xué)生知識(shí)遷移

本書(shū)全面敘述了蒙特卡羅方法，包括序貫蒙特卡羅方法、馬爾可夫鏈蒙特卡羅方法基礎(chǔ)、Metropolis算法及其變體、吉布斯采樣器及其變體、聚類(lèi)采樣方法、馬爾可夫鏈蒙特卡羅的收斂性分析、數(shù)據(jù)驅(qū)動(dòng)的馬爾可夫鏈蒙特卡羅方法、哈密頓和朗之萬(wàn)蒙特卡羅方法、隨機(jī)梯度學(xué)習(xí)和可視化能級(jí)圖等。為了便于學(xué)習(xí)，每章都包含了不同領(lǐng)域的代表性應(yīng)用實(shí)

隨著大語(yǔ)言模型的快速發(fā)展，語(yǔ)言AI已經(jīng)進(jìn)入了新的階段。這種新型的語(yǔ)言AI模型具有強(qiáng)大的自然語(yǔ)言處理能力，能夠理解和生成人類(lèi)語(yǔ)言，從而在許多領(lǐng)域中都有廣泛的應(yīng)用前景。大語(yǔ)言模型的出現(xiàn)將深刻影響人類(lèi)的生產(chǎn)和生活方式。本書(shū)將介紹提示工程的基本概念和實(shí)踐，旨在幫助讀者了解如何構(gòu)建高質(zhì)量的提示內(nèi)容，以便更高效地利用大語(yǔ)言模型進(jìn)行

本書(shū)循序漸進(jìn)地講解了使用TensorFlow開(kāi)發(fā)深度學(xué)習(xí)程序的核心知識(shí)，并通過(guò)具體實(shí)例的實(shí)現(xiàn)過(guò)程演練了使用TensorFlow的方法和流程。書(shū)中首先講解了TensorFlow深度學(xué)習(xí)基礎(chǔ)知識(shí)；然后介紹了數(shù)據(jù)集制作、前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)、自然語(yǔ)言處理、注意力機(jī)制、概率圖模型、深度信念網(wǎng)

許多部門(mén)和行業(yè)都渴望將AI和數(shù)據(jù)驅(qū)動(dòng)技術(shù)整合到自己的系統(tǒng)和運(yùn)營(yíng)中。但要構(gòu)建真正成功的AI系統(tǒng)，你需要牢固掌握底層的數(shù)學(xué)知識(shí)。這本綜合指南彌補(bǔ)了AI所展現(xiàn)出的無(wú)限潛力和應(yīng)用與相關(guān)數(shù)學(xué)基礎(chǔ)之間的存在的現(xiàn)實(shí)差距。作者HalaNelson并沒(méi)有討論高深的學(xué)術(shù)理論，而是以現(xiàn)實(shí)世界的應(yīng)用和最先進(jìn)的模型為重點(diǎn)，介紹了在人工智能領(lǐng)域發(fā)

隨著人工智能在醫(yī)學(xué)、法律和國(guó)防等高風(fēng)險(xiǎn)領(lǐng)域的使用越來(lái)越多，大批組織花費(fèi)了大量時(shí)間和金錢(qián)來(lái)使ML模型值得信賴。許多關(guān)于這一主題的書(shū)都深入探討了一些理論和概念。本指南提供了一個(gè)實(shí)用的起點(diǎn)，幫助開(kāi)發(fā)團(tuán)隊(duì)生成安全、更健壯、更少偏見(jiàn)和更容易解釋的模型。作者YadaPruksachatkun、MatthewMcAteer和Subh

現(xiàn)在人工智能技術(shù)受到世界關(guān)注，中國(guó)已具有較強(qiáng)競(jìng)爭(zhēng)力，本書(shū)將以弘揚(yáng)中國(guó)科技力量為思政主線，以提升學(xué)生的社會(huì)責(zé)任感、創(chuàng)新精神為核心，在教材中加入思政元素，融入到實(shí)例中。內(nèi)容涵蓋了人工智能研究的多個(gè)領(lǐng)域和相關(guān)技術(shù)，包括人工智能概述、知識(shí)表示、搜索技術(shù)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、智能機(jī)器人。本書(shū)涵蓋了人

大多數(shù)中級(jí)機(jī)器學(xué)習(xí)教材側(cè)重于通過(guò)提高準(zhǔn)確性或降低預(yù)測(cè)誤差來(lái)優(yōu)化模型。但這種方法往往忽視了理解您的機(jī)器學(xué)習(xí)模型為什么以及如何做出預(yù)測(cè)的重要性。可解釋性方法提供了更好理解模型行為的基本工具包，而這本實(shí)用指南《面向從業(yè)者的可解釋人工智能》集結(jié)了最佳的模型可解釋性技術(shù)。介紹可解釋人工智能技術(shù)，包括技術(shù)的特點(diǎn)、實(shí)施方法和技巧、技