本书详细介绍了如何根据个人需求和应用场景创建定制化GPTs，为各个行业的创新者开辟了新的可能性，助力了各种新应用和服务的诞生。本书从理论到实战，由浅入深，对创建定制化GPTs的方法与技术进行了全方位的介绍，为希望深入了解并应用这一前沿技术的专业人士、开发者和爱好者提供了全面的学习指导。从而根据自己的需求定制和优化GPTs。 本书分四篇，共13章，包括ChatGPT介绍、定制化GPTs基础知识、GPTs使用场景介绍、GPTs创建步骤、使用GPTs的高级定制、使用Zapier完成自动作业、搭建LO

本书是一本专为编程爱好者和专业人士设计的实用指南。全书共分为十个章节，系统地介绍了人工智能在编程领域的应用，特别是AI辅助编程工具如何简化编程学习过程和提升编程能力。第一章从AI辅助编程工具的基本概念入手，为读者揭开AI编程的神秘面纱。随后，书中深入探讨了GitHub Copilot等前沿工具，这些工具能够通过智能代码补全和建议，极大地提高编程效率和质量。书中不仅停留在理论层面，更通过丰富的实战案例，如批量文件翻译和构建网页版智能对话机器人，让读者能够直观地看到AI工具在实际工作中的应用。这些案

12 大专题讲解 +31 个温馨提示＋ 70 多个效果文件 +208 页 PPT 教学课件＋ 210 多分钟教学视频＋280 多张精美插图，随书还提供了 200 多个提示词等资源，帮助读者从入门到精通，快速掌握 ChatGPT 4的操作技巧。全书共分为 5 篇，具体内容如下： AI 提示篇介绍了 ChatGPT 4 的基本操作，以及优化 AI 提示让回答更加精准等内容。 AI 文案篇介绍了 ChatGPT 4 生成优质文案的方法，以及电商、新媒体等常见案例。 AI 绘画篇介绍了 DALL·E 3

本书主要介绍了垂直领域大模型的低算力迁移技术，包括微调、部署与优化等方面。全书共12章，第1章从垂直领域大模型的生态系统出发，介绍了当前大模型带来的行业变革，以及垂直领域迁移的动机和机遇。第2、3章详细探讨了垂直领域低算力迁移的技术栈、大模型的主流开源生态，如HuggingFace、Megatron等。第4-6章介绍了自举技术、高效的数据集访问技术及大模型的抽象技术。第7-10章深入介绍了低算力微调的原理和方法、分布式训练、推理优化技术，以及大模型的编译优化手段。第11、12章讨论了大

随着数据存储技术、网络技术和云计算技术的快速发展, 数据正以前所未有的速度在不断地增长和积累。在各种实际应用中, 需要处理的数据量越来越大。 而样例选择就是从包括冗余或噪声的海量数据中选择重要数据的技术, 是机器学习的重要数据预处理步骤, 对后续学习算法的训练及性能有很大的影响. 在机器学习中, 样例选择有两种场景：一是主动学习场景, 二是监督学习场景. 本书结合作者及研究团队近年来关于样例选择的研究成果, 系统介绍了两种场景下样例选择的理论和方法以及两种场景下样例选择之间的区别与联系。另外，本

人工智能和机器学习受数据驱动的趋势日益明显。仿真技术不仅强大，而且魅力无穷，有望释放两者的全部潜能。本书的主要内容有：用Unity引擎和仿真技术，解决机器学习和人工智能问题。用游戏引擎合成图像训模。创建仿真环境，训练强化学习和模仿学习模型。采用PPO等高效通用算法解决基于仿真的机器学习问题。用不同方法训练多种机器学习模型。用PyTorch、Unity ML-Agents和Perception工具集，打通机器学习工具和业界标准游戏开发工具。

本书在介绍机器学习和通信辐射源个体识别的基本概念与研究现状的基础上，用机器学习领域最新的理论成果去解决通信辐射源个体识别存在的具体问题，系统阐述了流形学习、稀疏表示、深度学习、浅层学习等机器学习方法在通信辐射源个体识别中应用的最新研究成果。

在人工智能飞速发展的今天，大众对于这一前沿技术仍感神秘且难以窥探其深。为此，本书针对人工智能的核心问题进行了深入剖析，旨在帮助读者揭开其神秘面纱。
　　本书的主要内容围绕以下问题展开：什么是人工智能？人工智能能否解释其决策？它能否承担法律责任？它是否具有代理权？人类应该保留对这类系统的何种控制权，是否取决于所做决策的类型？如今数据共享比10年前更容易也更普遍，我们是否需要对隐私法进行根本性的反思？我们如何应对通过针对性政治广告进行操纵的潜在可能？政府在使用决策工具方面与产业界是否有所不同？

机器学习虽然在改进产品性能、产品流程和推进研究方面有很大的潜力，但仍面临一大障碍——计算机无法解释其预测结果。因此，本书旨在阐明如何使机器学习模型及其决策具有可解释性。本书探索了可解释性的概念，介绍了许多简单的可解释模型，包括决策树、决策规则和线性回归等。本书的重点是模型不可知方法，用于解释黑盒模型（如特征重要性和累积局部效应），以及用Shapley 值和局部代理模型解释单个实例预测。此外，本书介绍了深度神经网络的可解释性方法。本书深入解释并批判性地讨论所有的可解释方法，如它们在黑盒下的运作机制

本书聚焦于大模型技术在企业中的实际应用，帮助读者应用大模型为企业降本增效。全书共6章：初识大模型、大模型产品生态圈、大模型的技术原理、企业如何部署和应用大模型、企业大模型项目的实施方法、大模型企业应用实践。本书提供了详细的大模型选型和建设标准，旨在为企业提供一份清晰的大模型建设指南，帮助读者了解如何建设、部署和应用大模型。本书详细介绍了企业大模型项目的实施方法，从项目规划到工程化部署，并通过具体的企业应用实践案例，展示了大模型在基座型基础设施、企业知识中台、业务知识库、智能体及个人办公