人工智能(AI) - 第10页

本书综合性讲解HuggingFace社区提供的工具集datasets和transformers，书中包括最基础的工具集的用例演示，具体的项目实战，以及预训练模型的底层设计思路和实现原理的介绍。通过本书的学习，读者可以快速掌握HuggingFace工具集的使用方法，掌握自然语言处理项目的一般研发流程，并能研发自己的自然语言处理项目。本书分为3篇共14章：工具集基础用例演示篇（第1～6章），详细讲解H

2022年以来，人工智能技术已经取得了划时代的飞速发展。ChatGPT以及GPT-4发布，DeepMind的AlphaFold一举解决困扰科学界几十年的蛋白质折叠问题，自动驾驶技术的重大突破，进一步拓展了人工智能的应用场景以及能力，也使人类也更加重视AI伦理和相关法规的制定，2024年的诺贝尔奖更是体现出了不容忽视的“人工智能含量”。在这一过程中，人类对人工智能也有了更为全面和深入的理解。本书中，

本书结合C++和OpenCV全面讲解计算机视觉编程，不仅涵盖计算机视觉和图像处理的基础知识，而且通过完整示例讲解OpenCV的重要类和函数。主要内容包括OpenCV库的安装和部署、图像增强、像素操作、图形分析等各种技术，并且详细介绍了如何处理来自文件或摄像机的视频，以及如何检测和跟踪移动对象。第3版针对OpenCV最新版本进行了修改，调整了很多函数和算法说明，还增加了立体图像深度检测、运动目标跟踪

人工智能，机器学习和深度学习正在改变众多行业。Andrew Ng（吴恩达）教授近期在写一本书，教你如何构建机器学习项目。本书的重点不在于教授传统的机器学习算法，而在于教你如何使机器学习算法发挥作用。一些 AI 的技术课程会给你一个工具，而这本书将教会你如何使用这些工具。如果你渴望成为 AI 的技术领导者，并想要学习如何为团队设定一个方向，本书将有所帮助。

本书以多层神经网络、玻尔兹曼机器学习等经典理论为开端，以深度学习为结果，向读者展示了一个非常美妙的机器学习技术领域。内容包括数据采集、数据挖掘、机器学习、支持向量机、神经网络、模型调整、基于玻尔兹曼机器学习的图像处理方法等。全书以一个众所周知的童话故事为蓝本，加入漫画插图的形式，开拓了一个零基础的读者也能够看懂并且乐于接受的学习方法。虽然采用漫画插图的表达形式，但是书中对于内容的介绍仍然非常全面，

自早期以来，神经网络就一直是人工智能的支柱。现在，令人兴奋的新技术（例如深度学习和卷积）正在将神经网络带入一个全新的方向。在本书中，我们将演示各种现实世界任务中的神经网络，例如图像识别和数据科学。我们研究了当前的神经网络技术，包括ReLU 激活、随机梯度下降、交叉熵、正则化、Dropout 及可视化等。

本书深入阐述了大语言模型的基本概念和算法、研究前沿以及应用，涵盖大语言模型的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。首先，本书介绍了人工智能领域的进展和趋势；其次，探讨了语言模型的基本概念和架构、Transformer、预训练目标和解码策略、上下文学习和轻量级微调、稀疏专家模型、检索增强型语言模型、对齐语言模型与人类偏好、减少偏见和有害性以及视觉语言模型等内容；

1. 如何让AI成为孩子的学习“超级助手”基本操作技巧人机协作意识能动意识边界意识2. 家庭教育交互式提示框架聊法与词法对比词法设计和输入3. DeepSeek的三种模式对比基础模型（DeepSeek V3）深度思考模型（DeepSeek R1）联网模型4. 基础聊法原则目标导向原则引导式互动原则情境化学习原则5. 场景化聊法模版知识探索型对话问题解决型对话创意激发型对话6. 探究式学习词法框架角

强化学习作为机器学习及人工智能领域的一种重要方法，在游戏、自动驾驶、机器人路线规划等领域得到了广泛的应用。本书结合了李宏毅老师的“深度强化学习”、周博磊老师的“强化学习纲要”、李科浇老师的“世界冠军带你从零实践强化学习”公开课的精华内容，在理论严谨的基础上深入浅出地介绍马尔可夫决策过程、蒙特卡洛方法、时序差分方法、Sarsa、Q 学习等传统强化学习算法，以及策略梯度、近端策略优化、深度Q 网络、深

本书分为三部分。第1部分聚焦于自然语言处理的高层次概述，包括自然语言处理的历史、该领域流行的应用，以及如何使用预训练模型来执行迁移学习和快速解决现实世界中的问题。第二部分将深入研究自然语言处理的底层细节，包括预处理文本、分词和向量嵌入。然后探讨当今自然语言处理中有效的建模方法，如Transformer、注意力机制、普通循环神经网络、长短期记忆和门控循环单元。第三部分将讨论应用自然语言处理很重要的方