人工智能(AI) - 第10页

本书是“鸢尾花数学大系：从加减乘除到机器学习”丛书的最后一册，前六本解决了编程、可视化、数学、 数据方面的诸多问题，而本书将开启机器学习经典算法的学习之旅。本书设置了 24 个话题，对应四大类机器学习经典算法（回归、分类、降维、聚类），覆盖算法包括： 回归分析、多元线性回归、非线性回归、正则化回归、贝叶斯回归、高斯过程、k 最近邻分类、朴素贝叶 斯分类、高斯判别分析、支持向量机、核技巧、决策树、主

本书涵盖基础知识、常见操作和应用开发3个方面，帮助大语言模型的使用者、应用开发者循序渐进地掌握大模型的原理、操作以及多个场景下的应用开发技能。全书共18章，分为三篇：基础篇介绍大语言模型的基础知识、应用架构和应用工作模式。操作篇详细讲解大模型的实操环节，包括环境搭建、多种有代表性的开源大语言模型的安装、微调与量化等常见操作。开发篇讲述大语言模型在Chat、辅助编程、RAG、翻译、AI Agent、

《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》旨在帮助没有任何人工智能技术基础的工程师们全面掌握 AIGC 的底层技术原理，以及大语言模型、扩散模型和多模态模型的原理与实践。本书的核心价值是，首先为想学习各种大模型的读者打下坚实的技术基础，然后再根据自己的研究方向展开深入的学习，达到事半功倍的效果。

本书立足于人工智能发展前沿，系统阐述了人工智能的基本概念、发展历程和核心技术，深入剖析了人工智能技术在航空航天、工业制造、医疗健康、金融服务、文化创意等领域的创新应用。 本书通过丰富的案例分析，展现了人工智能赋能传统产业转型升级、推动新兴领域创新发展的巨大潜力，为读者提供了将理论知识转化为实践能力的有效路径。

本书为初学者提供了一份清晰、全面的“最小可用知识”，带领你快速了解 GPT-4 和 ChatGPT 的工作原理及优势，并在此基础上使用流行的 Python 编程语言构建大模型应用。升级版在旧版的基础上进行了全面更新，融入了大模型应用开发的最新进展，比如 RAG、GPT-4 新特性的应用解析等。本书提供了大量简单易学的示例，帮你理解相关概念并将其应用在自己的项目中。 准备好了吗？只需了解 Pytho

2011 年 1 月，微信诞生；1000 天后注册用户数量超过 6 亿，你可能就是其中之一。 1980 年 8 月，深圳经济特区成立，1000 天后，其年经济总量飞跃式发展，你可能在这里工作、做生意，或以某种其他方式与它产生了联系。 此刻，我们都能感到 AI 带来的变化在加速，却很难说清 1000 天后它会把世界推向何处。这本书为你提供了一个特殊的观察位置，去看那些已经在酝酿、极有可能到来的趋势，

本书通俗易懂，有高中数学基础即可看懂，同时结合大量案例与漫画，将高度抽象的数学、算法与应用，与现实生活中的案例和事件一一做了关联，将源自生活的抽象还原出来，帮助读者理解后，又带领大家将这些抽象的规律与算法应用于实践，贴合读者需求。同时，本书不是割裂讲解大数据与机器学习的算法和应用，还讲解了其生态环境与关联内容，让读者更全面地知晓渊源与未来，是系统学习大数据与机器学习的不二之选：·大数据产业解读一一

过去 10 年间，曾属科幻范畴的 AI 能力已悄然成为现实。AI 如今能模仿莎士比亚的文风作诗，能自动驾驶汽车，甚至通过司法考试。然而，现代 AI 系统仍存在巨大局限——人类大脑轻而易举完成的认知壮举，AI 至今无法复现。为何 AI 能击败国际象棋大师，却摆不好洗碗机中的餐具？AI 企业家麦克斯·班尼特提出了令人信服的论断：答案深藏于人脑进化的 10 亿年历史中，而这段历程充斥着无数试错、灾难与精

全书分为两部分 12 章，第 1 部分（第 1～5 章）围绕基础理论与技术解析展开论述，包括基本概念、Transformer 架构、跨模态对齐、模态融合，以及多模态大模型的预训练方法、模型微调与优化等，为理解多模态大模型的构建逻辑奠定基础。 第 2 部分（第 6～12 章）聚集于多模态大模型的高级应用与场景实现，包括主流视觉语言模型（如 CLIP、BLIP-2 等）的实现、跨模态推理与生成的技术应

《互联网大厂推荐算法实战》介绍了互联网大厂当前采用的一些前沿推荐算法，并梳理了这些算法背后的思想脉络与技术框架。《互联网大厂推荐算法实战》总计10章，内容涵盖了推荐系统的基础知识、推荐系统中的特征工程、推荐系统中的Embedding、推荐系统的各组成模块（包括召回、粗排、精排与重排）所使用的算法技术、推荐算法实践中经常会遇到的难题以及应对之道（其中涉及多任务推荐、多场景推荐、新用户冷启动、新物料冷