本書共8章,內(nèi)容涵蓋廣泛,語言表述通俗易懂,采用圖文并茂的方式進行講解。第1章概述了文心一言的發(fā)展歷程、基礎(chǔ)知識以及實用技巧;第2章聚焦于文心一言在寫作與繪畫領(lǐng)域的具體應(yīng)用,并提供了相關(guān)案例供讀者參考;第3章介紹了如何利用文心一言提高工作效率,同時展示了相關(guān)的應(yīng)用場景和案例;第4章則針對教育學(xué)習(xí)領(lǐng)域,詳細(xì)講解了文心一言在該領(lǐng)域的應(yīng)用及相關(guān)案例;第5章將視角轉(zhuǎn)向生活方面,深入探討了文心一言在日常生活中的各種應(yīng)用,并提供了豐富的案例以資借鑒;第6章介紹了使用文心一言增添生活趣味性的各種應(yīng)用
《具身智能》這本書深入探討了人工智能中的一個新興領(lǐng)——具身智能,即智能系統(tǒng)與物理身體的結(jié)合。本書系統(tǒng)論述了具身智能的理論框架,包括身體與思維的互動、感知與行為的統(tǒng)一性,以及智能體如何通過與環(huán)境的互動來學(xué)習(xí)寫適應(yīng)。書中詳細(xì)介紹了自由能原理,這是理解生命體和智能系統(tǒng)組織原則的關(guān)鍵理論,同時探討了這一原理在人工智能設(shè)計中的應(yīng)用,如強化學(xué)習(xí)感知與行動的和諧統(tǒng)一等。此外,本書還討論了多學(xué)科視角下的智能解讀,以及空間智能與具身智能的整合策略,為讀者提供了一個全面了解人工智能未來發(fā)展趨勢的窗口。
智能辦公時代,人工智能正在進入千行百業(yè),成為降本增效的生產(chǎn)力工具。每個企業(yè)、每個人都將擁有個性化的超級助理,以人機協(xié)同的新常態(tài)創(chuàng)造AI時代的工作方式。本書以釘釘?shù)奶剿髋c實踐為基礎(chǔ),展現(xiàn)了基于人工智能的超級助理將為企業(yè)和個人帶來的巨大變革。從戰(zhàn)略制定到業(yè)務(wù)增長,從組織協(xié)同到人事管理,超級助理將利用感知、記憶、規(guī)劃和行動四種主要能力,在企業(yè)協(xié)作、創(chuàng)新和決策方面提供更好的支持。此外,本書也詳細(xì)敘述了釘釘自誕生至今,數(shù)次迭代升級的底層邏輯和實施過程,以及鄉(xiāng)村小學(xué)、傳統(tǒng)巨頭和
智能傳播,這是一個與時代同行的話題,一個與科技同步演進的領(lǐng)域。在這個信息風(fēng)暴不斷升級的時代,我們面臨著前所未有的挑戰(zhàn)與機遇。而本書則在這個時代的大舞臺上,以獨特的視角探討了智能媒體與智能傳播的多重層面。本書從計算社會科學(xué)的角度出發(fā),深度挖掘了智能媒體與智能傳播其定義、背景、以及未來的發(fā)展圖景,探索了智能媒體是如何通過技術(shù)改變傳播介質(zhì),如何與媒體業(yè)務(wù)深度融合,以及如何智能感知并滿足用戶媒體需求;梳理了人工智能相關(guān)技術(shù)及其在社交網(wǎng)絡(luò)、輿情監(jiān)控、個性化推薦等領(lǐng)域的應(yīng)用。同時,也正視了人工智能
本書介紹了使用機器學(xué)習(xí)進行個性化預(yù)測的通用原理和方法,以及其在推薦系統(tǒng)等具體場景下的應(yīng)用。第一部分簡要介紹了機器學(xué)習(xí)的基礎(chǔ)內(nèi)容,主要圍繞回歸和分類展開對基本內(nèi)容、特征設(shè)計和評估方法的探討。第二部分詳細(xì)介紹了個性化機器學(xué)習(xí)的基礎(chǔ)知識。首先圍繞推薦系統(tǒng)設(shè)置介紹了基于記憶和基于模型的推薦方法等相關(guān)知識,并探討了將社交關(guān)系和價格等特征納入推薦中的個性化設(shè)置;之后,從時序和序列建模的角度介紹了自回歸和馬爾可夫鏈等基本方法,以及基于神經(jīng)網(wǎng)絡(luò)的更復(fù)雜的個性化技術(shù)。第三部分介紹了個性化機器學(xué)習(xí)的一些新
在生成式人工智能的時代,我們見證了模型推理對存儲空間和計算能力的巨大需求,這對大語言模型和視覺生成模型的實際應(yīng)用提出了前所未有的挑戰(zhàn)。在這樣的背景下,高效模型壓縮和模型設(shè)計技術(shù)顯得尤為重要,它們是降低模型計算和存儲需求的關(guān)鍵,使得模型的快速部署和高效運行成為可能。本書系統(tǒng)地介紹了高效模型壓縮和模型設(shè)計的方法,在編寫上兼顧理論和實踐。本書主體部分詳細(xì)介紹了模型壓縮的方法論,包括高效模塊設(shè)計、模型剪枝、模型量化、模型二值化、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索、知識蒸餾幾大部分。另外,簡要介紹了定制化硬件加速
本書共9章,主要內(nèi)容有:深度學(xué)習(xí)模型性能評估、模型可視化、輕量級模型設(shè)計、模型剪枝、模型量化、遷移學(xué)習(xí)與知識蒸餾、自動化模型設(shè)計、模型優(yōu)化與部署工具。
《基于深度學(xué)習(xí)的圖像處理與實踐》循序漸進、深入淺出地講解了基于深度學(xué)習(xí)的圖像處理的核心知識,并通過具體實例演示了開發(fā)深度學(xué)習(xí)圖像處理程序的方法和流程。全書共 14 章,分別講解了圖像識別技術(shù)基礎(chǔ),scikit-image數(shù)字圖像處理,OpenCV 圖像視覺處理,dlib機器學(xué)習(xí)和圖像處理,face_recognition人臉識別,采樣、變換和卷積處理,圖像增強,圖像特征提取,圖像分割,目標(biāo)檢測,圖像分類,國內(nèi)常用的第三方人臉識別平臺,斗轉(zhuǎn)星移換圖系統(tǒng),智能OCR文本檢測識別系統(tǒng)等內(nèi)容。本書
本書是一本全面介紹深度學(xué)習(xí)和PyTorch實戰(zhàn)的入門指南。全書共11章,第1章主要介紹了深度學(xué)習(xí)的概念、應(yīng)用場景及如何搭建開發(fā)環(huán)境。第2章詳細(xì)介紹PyTorch數(shù)學(xué)基礎(chǔ),包括函數(shù)、微分、數(shù)理統(tǒng)計、矩陣等基礎(chǔ)知識及案例。第3章則介紹了數(shù)據(jù)預(yù)處理及常用工具,包括NumPy、Matplotlib、數(shù)據(jù)清洗、特征工程以及深度學(xué)習(xí)解決問題的一般步驟等。第4章分別介紹了PyTorch的基本概念、深度神經(jīng)網(wǎng)絡(luò)以及數(shù)據(jù)建模。第5章重點介紹了卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等;第6章則涵蓋了回歸分析、聚類分析
在這本書中,作者著力討論了幾種獲取機器學(xué)習(xí)和數(shù)據(jù)挖掘算法性能的相關(guān)知識的方法。作者展示了如何再次利用這些知識來選擇、組合、編撰和調(diào)整算法和模型,從而為數(shù)據(jù)挖掘提供更快、更有效的解決方案,幫助研究人員改進算法,并開發(fā)能夠自我改進的學(xué)習(xí)系統(tǒng)。本書的新版在舊版基礎(chǔ)上就內(nèi)容做了非常大的擴充。作者介紹了最新的自動機器學(xué)習(xí)方法,闡明了它與元學(xué)習(xí)之間的關(guān)系,他們解釋了操作鏈設(shè)計方法的自動化問題。這本書將引起機器學(xué)習(xí)、數(shù)據(jù)挖掘和人工智能領(lǐng)域的研究人員和研究生的興趣