本书是2023年不可错过的AIGC入门读物，是介绍大语言模型时代ChatGPT的重要资料，由人工智能独角兽企业硅基智能核心团队编纂而成，结合生动的比喻和有趣的案例，从大模型的一个典型场景切入，详细解读了AIGC的由来及发展历程，探讨大模型在图像视频生成，短视频、数字人制作，语音合成、克隆与变换等方面的应用。书中还涉及了一些经典商业案例的解读，不是单纯的纸上谈兵。这样一本理论与实践相结合的书，读起来饶有趣味。
ChatGPT一经问世，在全球范围内引起巨大轰动，GPT-4接入未来办公软件更是让人震惊，而且技术正在以前所未有的速度快速迭代。那么，以这些技术为代表的生成式人工智能（AIGC）是否为新一轮的技术革命？它到底能做什么，具有哪些优势和场景应用趋势？面对新技术，未来商业的机会在哪里，对我们个人又有着什么样的影响？这些问题对于我们理解当下，面向未来都十分重要。本书基于作者的专业背景和长期实践，系统介绍生成式人工智能的内在逻辑与应用，并将其与产业发展，理论和实际相结合，帮助读者从本源了解生成式人工
本书探究了拥有强大算力支持的大语言模型如何汲取其创造者——人类的智慧和思想，来达成令人动容的成就。
ChatGPT火爆全球，但大语言模型（Large Language Model）才是幕后真正的智能大脑！生成式大模型正在开创新的时代，基于生成式预训练大模型的技术突破，也在带来面向个人、深入行业的多重应用。这势必引发新一轮的智力革命和产业重构，构建全新的脑机协作关系。但在同时，与机会如影随形的泡沫也会随之涌现。
为此，本书对大模型时代的技术、应用和产业变化进行了深入的分析和阐述。本书首先将专业的技术知识通过拟人化的形式进行呈现，生动形象地解释了ChatGPT大模型背后的原理，
本书系统地阐述了机器学习控制及其策略，全面介绍了当前有关机器学习控制在线性系统、非线性系统和湍流控制中的实验案例，展望了机器学习控制技术的未来发展和潜在应用。内容包括：反馈控制及其在实际复杂问题中面临的挑战；机器学习控制、实现方法及案例；线性控制理论中的几种经典方法；机器学习控制与经典控制方法的比较；非线性系统的机器学习控制；基于机器学习的流体控制实验；机器学习控制的战术与策略；未来机器学习控制的应用及其方法学的发展方向。
随着人工智能技术的广泛应用，网络智能化近年来受到广泛的关注，已经成为下一代移动通信与未来网络的重要技术。阿尔法围棋（AlphaGo）之后，深度强化学习不断推陈出新，为网络中的决策问题提供了有效的潜在解决方案。本书系统介绍了网络智能化中深度强化学习的基本理论、算法及应用场景。全书共8章，针对互联网、移动通信网、边缘网络、数据中心等典型网络，阐述了网络管理、网络控制、任务调度等决策需求，深入论述了深度强化学习的模型构建与应用技术。第1章介绍了网络智能的需求与挑战；第2章介绍了先进的深度强化学习模型与
本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 第一部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikitlearn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践
人工智能超入门丛书致力于面向人工智能各技术方向零基础的读者，内容涉及数据思维、数据科学、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。本书是人工智能超入门丛书的一个分册，以机器学习为主线，介绍如何利用机器学习进行数据分析。全书内容共分7章，主要包括机器学习基本概念、数据分析相关基础知识、机器学习解决四类问题（回归问题、分类问题、聚类问题、降维问题）的算法、神经网络相
本书主要讲解人工智能的技术发展和行业现状，旨在帮助读者掌握进入人工智能行业工作的知识和方法。 本书首先介绍人工智能的技术概况、人工智能对人们的生活和工作的影响，以及人工智能的三大技术--机器学习、深度学习和大数据的基本原理与应用。其次，本书介绍人工智能从业者所需要的专业技术，并提供相应的学习方法。接着，本书介绍人工智能的行业概况，并将人工智能行业的岗位分为算法岗、工程岗、数据岗和产品岗，详细介绍各岗位的工作内容、能力要求、发展方向等。随后，本书讲解在人工智能行业求职的方法，包括求职前的准备工作和
本书着眼于人工智能自身的安全问题，旨在将当前人工智能安全的基础问题、关键问题、核心算法进行归纳总结。本书的定位是学习人工智能安全的入门书籍，因此先详细介绍了人工智能安全相关的基础知识，包括相关的基础算法和安全模型，使得读者明确人工智能面临的威胁，对人工智能安全有一个大体的概念和初步认识。然后将人工智能系统的主要安全威胁分为模型安全性威胁和模型与数据隐私威胁两大类。模型安全性威胁主要包括投毒攻击、后门攻击、对抗攻击、深度伪造。模型与数据隐私威胁主要包括窃取模型的权重、结构、决策边界等模型本身信息和
新书资讯 新书推荐