"隨著人工智能技術(shù)的發(fā)展，AI工具已經(jīng)成為現(xiàn)代社會(huì)不可或缺的重要組成部分，不管是個(gè)人還是企業(yè)，如何用AI工具，如何用好AI工具都是大家需要面臨的課題，由于國(guó)外大模型的開發(fā)及使用上多少都會(huì)受限，如何用好國(guó)內(nèi)已有的實(shí)用AI工具，這是編寫這本書的契機(jī)。 本書從眾多的AI工具中，篩選出了一批可以用智能創(chuàng)作、文本處理、數(shù)據(jù)

"本書全面深入探討了生成內(nèi)容的人工智能（AIGC），系統(tǒng)闡述了其定義、應(yīng)用及未來(lái)趨勢(shì)。書中分析 了AI如何重塑工作模式與職業(yè)機(jī)會(huì)，提供了零基礎(chǔ)者的詳盡入門指南，目的是幫助讀者掌握關(guān)鍵技能與 學(xué)習(xí)路徑。本書具體內(nèi)容包括有效利用ChatGPT的技巧，如Prompt設(shè)計(jì)與自定義指令，提升日常溝通與 創(chuàng)作效率；同時(shí)，探討

"《深入淺出機(jī)器學(xué)習(xí)：從數(shù)據(jù)到大模型》是一本旨在幫助讀者系統(tǒng)學(xué)習(xí)機(jī)器學(xué)習(xí)的著作。本書通過(guò)深入淺出的方式，將復(fù)雜的機(jī)器學(xué)習(xí)理論和技術(shù)講解得深入淺出。本書從機(jī)器學(xué)習(xí)的基礎(chǔ)開始，為讀者提供了對(duì)數(shù)據(jù)處理、特征工程和模型評(píng)估等核心概念的全面介紹。讀者將學(xué)習(xí)如何準(zhǔn)備和清洗數(shù)據(jù)，如何選擇和構(gòu)建合適的特征，并學(xué)會(huì)使用各種評(píng)估指標(biāo)來(lái)評(píng)估

"本書以模糊計(jì)算、神經(jīng)計(jì)算、進(jìn)化計(jì)算三大模塊為主，從理論基礎(chǔ)和實(shí)踐應(yīng)用兩個(gè)維度全面、系統(tǒng)地介紹關(guān)于計(jì)算智能的常見(jiàn)算法，并設(shè)計(jì)8個(gè)上機(jī)實(shí)驗(yàn)，以滿足前面章節(jié)內(nèi)容仿真驗(yàn)證的需要。全書共11章，內(nèi)容分別為緒論、模糊系統(tǒng)理論、模糊系統(tǒng)應(yīng)用、神經(jīng)網(wǎng)絡(luò)理論、支持向量機(jī)、深度學(xué)習(xí)、遺傳算法、遺傳規(guī)劃、蟻群算法、粒子群算法、新型群智能優(yōu)

"本書從數(shù)據(jù)表示學(xué)習(xí)角度介紹機(jī)器學(xué)習(xí)及其應(yīng)用。全書共7章，分別介紹數(shù)據(jù)表示學(xué)習(xí)與數(shù)學(xué)基礎(chǔ)、傳統(tǒng)降維方法、分布式表示學(xué)習(xí)和聚類算法、稀疏表示學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)中的特征提取、生成式表示學(xué)習(xí)和對(duì)比式表示學(xué)習(xí)。本書涉及的數(shù)據(jù)表示學(xué)習(xí)算法的具體應(yīng)用領(lǐng)域包括計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理以及圖網(wǎng)絡(luò)分析等。本書主要面向廣大從事人工智能、機(jī)器學(xué)

"本書從基礎(chǔ)概念、歷史沿革、基礎(chǔ)算法、代表性應(yīng)用、前沿進(jìn)展、跨學(xué)科交叉融合等方面全面深入地介紹人工智能，側(cè)重人工智能基礎(chǔ)思維方式的培養(yǎng)和跨學(xué)科廣域視野的構(gòu)建。全書以圖片為主并輔以少量文字說(shuō)明，每節(jié)配有視頻資源，不同學(xué)科背景的讀者都可以輕松獲得人工智能的基礎(chǔ)知識(shí)。為配合課堂教學(xué)，本書配有全套PPT課件、思考與討論、實(shí)踐設(shè)

本書以嚴(yán)謹(jǐn)?shù)目茖W(xué)態(tài)度和圖文結(jié)合的形式，為你展開一幅幅充滿幻想與現(xiàn)實(shí)交織的人工智能發(fā)展史畫卷。本書涵蓋了人工智能學(xué)科發(fā)展進(jìn)程的方方面面，從哲學(xué)、小說(shuō)到技術(shù)與工程，還包括許多影響人工智能發(fā)展的其他領(lǐng)域。同時(shí)，書中重點(diǎn)介紹了一些人工智能發(fā)展的里程碑事件，如神經(jīng)生物學(xué)、腦科學(xué)、微電子學(xué)和機(jī)器人等領(lǐng)域的輝煌成就。本書語(yǔ)言通俗易懂

本書共分8個(gè)章節(jié)，內(nèi)容如下：第1章主要介紹人工智能與深度學(xué)習(xí)的產(chǎn)業(yè)背景與百度EasyDL平臺(tái)深度學(xué)習(xí)應(yīng)用；第2章介紹深度學(xué)習(xí)所需要安裝的開發(fā)工具及環(huán)境配置；第3章介紹TensorFlow的安裝、張量的基本知識(shí)；第4章介紹數(shù)據(jù)集的概念、標(biāo)注工具的使用、數(shù)據(jù)集的制備；第5章介紹神經(jīng)網(wǎng)絡(luò)前向傳播流程，以及激活函數(shù)、初始化函數(shù)

本書深入剖析機(jī)器學(xué)習(xí)中的概率思維，從基礎(chǔ)理論出發(fā)，結(jié)合經(jīng)典例子，闡述如何將概率思維巧妙應(yīng)用于機(jī)器學(xué)習(xí)算法，幫助讀者理解數(shù)據(jù)背后的規(guī)律與不確定性。除引言外，全書內(nèi)容分為5章，包括貝葉斯定理中的概率思維、樸素貝葉斯算法中的概率思維、極大似然估計(jì)和最大后驗(yàn)估計(jì)、貝葉斯網(wǎng)絡(luò)、馬爾可夫鏈和隱馬爾可夫模型。

本書深入剖析機(jī)器學(xué)習(xí)中的線性思維和非線性思維，從基礎(chǔ)理論出發(fā)，結(jié)合經(jīng)典例子，闡述如何將線性思維和非線性思維巧妙應(yīng)用于機(jī)器學(xué)習(xí)算法，幫助讀者理解數(shù)據(jù)背后的規(guī)律與不確定性。除引言外，全書內(nèi)容分為7章，包括線性回歸中的線性思維、感知機(jī)分類中的線性思維、邏輯回歸中的線性思維、支持向量機(jī)中的線性思維、核方法、高斯核函數(shù)的非線性映