人工智能原理与实践

最新上架

• 会员

  机器学习实战（视频教学版）

  《机器学习实战：视频教学版》基于Python语言详细讲解机器学习算法及其应用，用于读者快速入门机器学习。《机器学习实战：视频教学版》共分12章，内容包括机器学习概述、Python数据处理基础、Python常用机器学习库、线性回归及应用、分类算法及应用、数据降维及应用、聚类算法及应用、关联规则挖掘算法及应用、协同过滤算法及应用，最后通过3个综合实战项目（包括新闻内容分类实战、泰坦尼克号获救预测实战、

  迟殿委 王培进 王兴平计算机10.1万字
• 会员

  AI智能语音技术与产业创新实践

  本书从技术、应用和产业3个维度为切入点，对智能语音语义领域相关的热点和趋势展开研究。本书以“人与机器的对话”开篇，讲述人类语音生成、传播和感知的过程，引发对于机器智能语音听说的思考，进而阐述技术探索发展史；然后，分析了以语音交互为核心的技术现状，综合剖析提出全双工、端到端模型构建、语音假冒攻击等热点；其次，从政策、投融资和产业规模上，分析整体智能语音产业环境，纵观国内外企业在相关技术和产品上的积极

  李荪 曾然然 殷治纲编著计算机13.6万字
• 会员

  机器学习的算法分析和实践

  本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最

  孙健编著计算机7.4万字
• 会员

  ChatGPT大模型：技术场景与商业应用

  ChatGPT作为人工智能领域的一大进步，引起了热议，其强大功能的背后离不开大模型的支持。大模型指的是参数规模超过千万的机器学习模型，主要应用于语音识别、计算机视觉等领域。本书聚焦大模型，对大模型的技术场景和商业应用展开详细叙述。本书主要从典型应用ChatGPT入手，探寻其背后支撑大模型的魅力。首先，本书对大模型的基础概念、产业格局、带来的新型商业模式进行讲解，展现了大模型的发展现状和商业化潜力。

  梅磊 施海平 陈靖计算机13.2万字
• 会员

  Python视觉分析应用案例实战

  本书以Python3.10.7为平台，以实际应用为背景，通过概念、公式、经典应用相结合的形式，深入浅出地介绍了Python图形图像处理经典实现。全书共10章，主要包括绪论、迈进Python、Python图形用户界面、数据可视化分析、图像视觉增强分析、图像视觉复原分析、图像视觉几何变换与校正分析、图像视觉分割技术分析、图像视觉描述与特征提取分析、车牌识别分析等内容。通过本书的学习，读者可领略到Py

  丁伟雄编著计算机12.3万字
• 会员

  从零开始大模型开发与微调：基于PyTorch与ChatGLM

  大模型是深度学习自然语言处理皇冠上的一颗明珠，也是当前AI和NLP研究与产业中最重要的方向之一。本书使用PyTorch2.0作为学习大模型的基本框架，以ChatGLM为例详细讲解大模型的基本理论、算法、程序实现、应用实战以及微调技术，为读者揭示大模型开发技术。《从零开始大模型开发与微调：基于PyTorch与ChatGLM》共18章，内容包括人工智能与大模型、PyTorch2.0深度学习环境搭建

  王晓华计算机12.8万字
• 大模型垂直领域低算力迁移：微调、部署与优化

  本书是一本深度探讨大模型在低算力环境下实现迁移与微调的实践指南，并深入讲解了大模型的部署与优化策略。书中结合多个垂直领域的应用场景，从理论到技术实现，全程详尽讲解了如何应对大模型在行业落地中的技术挑战，帮助读者逐步掌握大模型的迁移与微调核心技术。无论你是大模型开发者、人工智能研究人员，还是对垂直领域AI应用感兴趣的行业专家，本书都将带你深入大模型的核心领域，提供从构建、优化到部署的全流程指导，助你

  程戈计算机13.7万字
• 会员

  AI赋能HR：AI 10倍提升HR工作效率的方法与实践

  这是一本全方位讲解如何利用AI工具为HR赋能的著作，是AI时代HR提升职场竞争力的实战指南。作者基于深厚的HR管理经验和AI实战经验，通过科学的方法、高效的提示词、丰富的案例、清晰的步骤，细致地讲解了如何利用AI工具提高工作效率、优化管理流程、提升人才管理水平。从AIGC的基础知识到AI工具的使用，从AI在人力资源全生命周期所有场景中的应用到使用AI的风险防控，本书全面系统地讲解了HR需要掌握的全

  田政 谷燕燕 唐琨计算机20.6万字
• 会员

  机器学习中的统计思维（Python实现）

  机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。

  董平编著计算机18万字