全書共分10章，全面介紹知識增強大模型涉及的各類技術(shù)，涵蓋大模型、向量數(shù)據(jù)庫、圖數(shù)據(jù)庫、知識圖譜、檢索增強生成、GraphRAG等內(nèi)容，并輔以豐富的實例、精心繪制的插圖和深入淺出的技術(shù)解析，幫助讀者快速掌握知識增強大模型的理論，引導讀者逐步構(gòu)建知識增強大模型應用。本書既可以作為人工智能相關(guān)的技術(shù)從業(yè)者、企業(yè)或機構(gòu)管理者
深度學習和大模型技術(shù)在推薦系統(tǒng)領(lǐng)域掀起了一場技術(shù)革命，本書從深度學習推薦模型、Embedding技術(shù)、大模型、AIGC、模型工程實現(xiàn)、業(yè)界前沿實踐等幾個方面介紹了這場技術(shù)革命中的主流技術(shù)要點。本書既適合推薦系統(tǒng)、計算廣告和搜索領(lǐng)域的從業(yè)者閱讀，也適合人工智能相關(guān)專業(yè)的本科生、研究生、博士生閱讀，幫助建立深度學習推薦系統(tǒng)
"《DeepSeek大模型高性能核心技術(shù)與多模態(tài)融合開發(fā)》深入剖析國產(chǎn)之光DeepSeek多模態(tài)大模型的核心技術(shù)，從高性能注意力機制切入，深入揭示DeepSeek的技術(shù)精髓與獨特優(yōu)勢，詳細闡述其在人工智能領(lǐng)域成功的技術(shù)秘訣。《DeepSeek大模型高性能核心技術(shù)與多模態(tài)融合開發(fā)》循序漸進地講解深度學習注意力機制的演進，
"《聯(lián)邦學習》為研究人員和從業(yè)者深入探討了聯(lián)邦學習最重要的問題和方法。聯(lián)邦學習(FederatedLearning，F(xiàn)L)是一種機器學習方法，其中訓練數(shù)據(jù)不是集中管理的。數(shù)據(jù)由參與聯(lián)邦學習過程的各方保留，不與任何其他實體共享。這使得聯(lián)邦學習成為一種日益流行的機器學習解決方案，適用于因隱私、監(jiān)管或?qū)嶋H原因而難以將數(shù)據(jù)集中
"本書專注于介紹基于深度學習的算法。從探索深度學習的數(shù)學基礎(chǔ)和理論架構(gòu)，到九大經(jīng)典的深度學習算法，旨在為讀者提供一個從基礎(chǔ)到高級的全方位指導。截至2024年，書中介紹的9個算法幾乎涵蓋了整個深度學習領(lǐng)域的經(jīng)典和前沿算法。本書在第1章和第2章介紹了深度學習的基礎(chǔ)：數(shù)學基礎(chǔ)與神經(jīng)網(wǎng)絡算法。從第3章開始，書籍逐步引領(lǐng)讀者進入
"這是一本面向AI開發(fā)人員以及對生成式人工智能技術(shù)感興趣的讀者的專業(yè)圖書�！渡墒紸I應用開發(fā):基于OpenAIAPI實現(xiàn)》深入探討生成式AI技術(shù)的原理與實現(xiàn)，以及如何利用OpenAIAPI進行高效開發(fā)�！渡墒紸I應用開發(fā):基于OpenAIAPI實現(xiàn)》內(nèi)容包括ChatGPT的原理解析、OpenAIAPI請求庫的使用、
"本書結(jié)合典型機械系統(tǒng)控制的實例，系統(tǒng)地介紹了神經(jīng)網(wǎng)絡控制的基本理論、基本方法和應用技術(shù)。本書是作者多年來從事控制系統(tǒng)教學和科研工作的結(jié)晶，同時融入了國內(nèi)外同行近年來所取得的新成果。全書共分16章，包括緒論、RBF神經(jīng)網(wǎng)絡的設(shè)計與仿真、基于梯度下降法的RBF神經(jīng)網(wǎng)絡控制、自適應RBF神經(jīng)網(wǎng)絡控制、RBF神經(jīng)網(wǎng)絡滑�？刂�
"能夠模仿人類語言智能與思維，具有世界一般性知識的ChatGPT，開啟了通用人工智能的新時代，正成為引爆第四次工業(yè)革命的火種。本書是第一本體系化介紹ChatGPT基本原理與核心算法的教材及專業(yè)圖書。全書共分5章：第1章為人工神經(jīng)網(wǎng)絡基礎(chǔ)；第2章詳細剖析了Transformer及其緣起，分析了視覺領(lǐng)域的Transform
"本書圍繞熱門話題“數(shù)字人”，系統(tǒng)介紹了其發(fā)展過程、技術(shù)特點、應用場景、安全問題及未來趨勢，共分十二章。內(nèi)容涵蓋數(shù)字人的定義、誕生背景、關(guān)鍵技術(shù)，以及在多行業(yè)的應用現(xiàn)狀與前景。同時，探討了數(shù)字人使用中的安全問題、政策支持與未來發(fā)展方向，并展望其融入日常生活的美好愿景，為讀者呈現(xiàn)數(shù)字人領(lǐng)域的全景圖。本書適合對數(shù)字人技術(shù)感
"本書針對基于演化的機器學習的一些關(guān)鍵問題進行深入探索。全書共20章，分為3篇。上篇為第1～6章，探索了深度改進的分布估計算法，提出了基于共軛先驗分布的兩層分布估計算法、帶有鏈接學習的量子演化算法和問題規(guī)模自適應的基于分解的多目標分布估計算法。中篇為第7～13章，針對學習分類器與特征選擇方法，重點研究兩者的融合策略，將
書單推薦
