人工智能(AI) - 第8页

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PyTorch 2.0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。本书配套示例源代码、PPT课件。 《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、Py

本书通过有趣的插图和简洁的文字带你漫步在人工智能的世界中，与你分享这个非凡工具带来的惊奇和震撼，同时帮助你了解它如何运行以及它的局限性。 作者在每个章节都揭示了人工智能的某一特性，并充分评估了这一领域的种种可能性。作者还探讨了研究人员面临的挑战及社会人工智能问题等。

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

《深度学习进阶：自然语言处理》是《深度学习入门：基于Python 的理论与实现》的续作，围绕自然语言处理和时序数据处理，介绍深度学习中的重要技术，包括word2vec、RNN、LSTM、GRU、seq2seq 和Attention 等。本书语言平实，结合大量示意图和Python代码，按照“提出问题”“思考解决问题的新方法”“加以改善”的流程，基于深度学习解决自然语言处理相关的各种问题，使读者在此过

《深度学习图解》（grokking deep learning）指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家 Andrew W. Trask 以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用 Python 语言及其最基本的数学库 NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚

本书涵盖了 Transformer 在 NLP 领域的主要应用。首先介绍 Transformer 模型和 Hugging Face 生态系统。然后重点介绍情感分析任务以及 Trainer API、Transformer 的架构，并讲述了在多语言中识别文本内实体的任务，以及 Transformer 模型生成文本的能力，还介绍了解码策略和度量指标。接着深入挖掘了文本摘要这个复杂的序列到序列的任务，并介

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、

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习最基础的概念和技术；第二部分描述深度学习计算的重

《这就是 MCP》围绕 Model Context Protocol 展开，目标是帮助读者理解为什么大模型应用需要一套统一方式连接工具、数据和外部系统。全书从 MCP 的诞生背景、工作方式和应用场景开始，再逐步进入协议结构与实际开发。架构部分详细介绍 Host、Client 和 Server 之间的关系，以及 JSON-RPC、连接生命周期和 stdio、SSE、流式 HTTP 等传输机制，并讲解

《动手学PyTorch建模与应用：从深度学习到大模型》是一本讲述以PyTorch为工具实践深度学习和大模型的入门书，从数学知识和必备基础知识和概念入手讲解，理论兼备实践，语言通俗，图文并茂，边学边练，非常易于掌握。本书共11章，第1章主要介绍深度学习的概念、应用场景及开发环境搭建。第2章详细介绍PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及其案例。第3章介绍数据预处理及常用工具