本書旨在成為大模型在各行各業(yè)落地應(yīng)用的“百科全書”，專為對大模型感興趣的從業(yè)者和企業(yè)管理者量身打造。本書結(jié)合了實(shí)地調(diào)研和多元視角，不僅對大模型進(jìn)行了技術(shù)分析，還從商業(yè)、產(chǎn)品、行業(yè)等多個(gè)角度進(jìn)行了應(yīng)用探討。全書共5章：第1章介紹了大模型的訓(xùn)練過程和核心技術(shù)；第2章分析了大模型對軟件行業(yè)的影響，通過具體案例展示了軟件公司如

本書全面介紹TensorFlow2.x框架及其在深度學(xué)習(xí)中的應(yīng)用，內(nèi)容包括TensorFlow簡介、Python語言基礎(chǔ)、環(huán)境搭建與入門、TensorBoard可視化、多層感知機(jī)實(shí)現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)、循環(huán)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)、生成對抗網(wǎng)絡(luò)和GPU并行計(jì)算等。

本書根據(jù)李宏毅老師機(jī)器學(xué)習(xí)公開課中與深度學(xué)習(xí)相關(guān)的內(nèi)容編寫而成，介紹了卷積神經(jīng)網(wǎng)絡(luò)、Transformer、生成模型、自監(jiān)督學(xué)習(xí)（包括BERT和GPT）等深度學(xué)習(xí)常見算法，并講解了對抗攻擊、領(lǐng)域自適應(yīng)、強(qiáng)化學(xué)習(xí)、元學(xué)習(xí)、終身學(xué)習(xí)、網(wǎng)絡(luò)壓縮等深度學(xué)習(xí)相關(guān)的進(jìn)階算法.在理論嚴(yán)謹(jǐn)?shù)幕�礎(chǔ)上，本書保留了公開課中大量生動(dòng)有趣的例子

本書收集了國際國內(nèi)使用AIGC的范例，以及結(jié)合“如何運(yùn)用AIGC進(jìn)行學(xué)習(xí)活動(dòng)”、“如何問大語言模型一個(gè)好問題？”、“使用AIGC的原則”和“對使用AIGC的檢核與提醒”，來探索AI在工作和生活中的無限潛力。全文共分為三章，分別是第一章：學(xué)習(xí)篇(徜徉之境——追尋學(xué)習(xí)的浪漫之旅)、第二章：生活篇(創(chuàng)意悠游——日常生活的多彩

本書使用淺顯易懂的語言，系統(tǒng)介紹了數(shù)據(jù)標(biāo)注的概念、分類，重點(diǎn)是通過各個(gè)項(xiàng)目來闡述文本數(shù)據(jù)、圖像數(shù)據(jù)、語音數(shù)據(jù)等幾類數(shù)據(jù)標(biāo)注的工具、步驟、規(guī)范和質(zhì)檢。通過理論與項(xiàng)目實(shí)戰(zhàn)相結(jié)合，幫助讀者由淺入深地學(xué)習(xí)和實(shí)踐，從而真正掌握數(shù)據(jù)標(biāo)注的理論、技術(shù)和實(shí)施。本書既可以作為大數(shù)據(jù)人才培訓(xùn)的基礎(chǔ)教材，也適用于初學(xué)者的入門教材，以及為大數(shù)

本書深入剖析了人工智能時(shí)代數(shù)據(jù)服務(wù)的核心技術(shù)與應(yīng)用場景，為讀者揭示了數(shù)據(jù)驅(qū)動(dòng)人工智能發(fā)展的奧秘。本書通過設(shè)計(jì)具體的項(xiàng)目和任務(wù)，引導(dǎo)學(xué)生在完成任務(wù)的過程中，深入掌握人工智能數(shù)據(jù)服務(wù)必要的理論知識和實(shí)踐技能。全書內(nèi)容分為5個(gè)項(xiàng)目，共18個(gè)任務(wù)，包括人工智能數(shù)據(jù)服務(wù)概述、數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)標(biāo)注與質(zhì)量，內(nèi)容全面，體系完整

本書是計(jì)算機(jī)領(lǐng)域本科教育教學(xué)改革試點(diǎn)工作計(jì)劃(“101計(jì)劃”)系列教材之一。本書按照“厚算法基礎(chǔ)、養(yǎng)倫理意識、匠工具平臺、促賦能應(yīng)用”的培養(yǎng)目標(biāo)，以表達(dá)與推理、搜索與優(yōu)化、建模與學(xué)習(xí)和倫理與安全為核心，按照如下內(nèi)容進(jìn)行組織：第1章緒論、第2章知識表達(dá)與推理、第3章搜索探尋與問題求解、第4章機(jī)器學(xué)習(xí)、第5章神經(jīng)網(wǎng)絡(luò)與深度

本書主要內(nèi)容分5大部分，共13章，較全面地介紹了目前人工智能的主流概念、理論、方法、技術(shù)及應(yīng)用等內(nèi)容。第一部分人工智能概念基礎(chǔ)(第1-3章)，介紹了人工智能與哲學(xué)、腦科學(xué)有關(guān)的概念和知識基礎(chǔ)，包括緒論、人工智能哲學(xué)基礎(chǔ)和腦科學(xué)基礎(chǔ)。緒論部分介紹了智能的定義以及人工智能的定義、歷史、實(shí)現(xiàn)方法、研究內(nèi)容、發(fā)展趨勢；第二章哲

本專著主要從以下四個(gè)方面闡述了聯(lián)邦學(xué)習(xí)中的異構(gòu)性問題：系統(tǒng)異構(gòu)性、統(tǒng)計(jì)異構(gòu)性、模型異構(gòu)性及聯(lián)邦學(xué)習(xí)算法的收斂性分析。系統(tǒng)異構(gòu)性從參與聯(lián)邦學(xué)習(xí)設(shè)備的計(jì)算資源和通信資源的異構(gòu)性角度出發(fā)，分析了聯(lián)邦學(xué)習(xí)所面臨的問題，并概括了當(dāng)前最新提出的解決方案。統(tǒng)計(jì)異構(gòu)性從參與設(shè)備之間的數(shù)據(jù)質(zhì)量和數(shù)量差異性角度出發(fā)，概括了最新解決方案，并

本書從自否定一元人性與人的類特性出發(fā)，重審人工智能時(shí)代、晚期現(xiàn)代社會(huì)中學(xué)習(xí)的價(jià)值，以自否定為前提邏輯構(gòu)建深度學(xué)習(xí)新形態(tài)，以破解教授主義下的學(xué)習(xí)困境，應(yīng)對人工智能發(fā)展的學(xué)習(xí)價(jià)值危機(jī)，以“整全的人”培養(yǎng)為核心意向，將自否定作為未來深度學(xué)習(xí)變革的錨點(diǎn)。本書針對學(xué)校教育中教授主義盛行帶來的學(xué)習(xí)價(jià)值取向偏離、學(xué)習(xí)者自我認(rèn)同危機(jī)以