人工智能(AI) - 第9页

杨立昆的科学之路，谱写了一段关于勇气的宣言。他为了知识本身求学，而不是文凭，他用自己的经历，证明了通过激烈的考试竞争进入名校不是科学成功的窄门。 他广泛阅读，为他科学思维的形成奠定了坚实的理论基础。他特立独行，做自己感兴趣的事情，即便那件事在短时间里不被人看好。在人工神经网络研究的低谷期，他寂寞地坚持，终于取得了举世瞩目的成就。 人工智能正在颠覆人类社会，未来机器能思考吗？杨立昆的这部著作，讲述正

书中提供 9 个实战项目作为入门讲解和检验实验，帮助读者选择合适的氛围编程工具与大模型组合。 全书分 5 部分： 第一部分介绍氛围编程基础理论和指导原则； 第二部分通过智能体实现、数据可视化和 Excel 数据分析这 3 个应用场景，展示扣子、DeepSeek、Claude、Trae、Cursor、Windsurf 和通义这 7 款主流氛围编程工具与大模型搭配组合的代码生成能力； 第三部分演示用

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

该系列是由 北大计算机人工智能学院、北大青鸟人工智能研究院、北大教育学院学习科学实验室 联合多学科团队撰写的技术指南。围绕 DeepSeek 的应用、场景与实现原理展开讨论。《DeepSeek提示词工程与落地场景》聚焦大模型交互技术与产业落地方向，系统拆解了如何通过自然语言交互释放DeepSeek-R1推理模型的潜能。本文档以"零技术门槛"为核心定位，既包含底层技术解析，更提供可快速复用的实战方法

本书共 12 章，围绕大语言模型基础理论、预训练、指令理解、模型增强和模型应用五个部分展开：第一部分介绍大语言模型的基础理论；第二部分介绍大语言模型的预训练，包括大语言模型预训练数据和分布式训练；第三部分介绍大语言模型如何理解并服从人类指令，包括有监督微调和强化学习；第四部分介绍大语言模型增强技术，包括多模态语言模型、大模型智能体和检索增强生成；第五部分介绍大模型应用，包括大模型效率优化、模型评估

本书由科大讯飞与中国科大的大模型的资深专家联合撰写，一本书打通大模型的技术原理与应用实践壁垒，深入大模型3步工作流程，详解模型微调、对齐优化、提示工程等核心技术及不同场景的微调方案，全流程讲解6个典型场景的应用开发实践。 本书共10章，从逻辑上分为“基础知识”“原理与技术”“应用开发实践”三部分。基础知识（第1章）介绍大模型定义、应用现状、存在的问题，以及发展趋势。原理与技术（第2和3章）详细讲解

《人工智能概论》介绍了人工智能 (AI) 的核心技术、应用实践及伦理治理，旨在使读者初步认识人工智能。

AIGC 的应用领域日益广泛，而在图像生成领域，扩散模型则是 AIGC 技术的一个重要应用。全书共 8 章，详细介绍了扩散模型的原理，以及扩散模型退化、采样、DDIM 反转等重要概念与方法，此外还介绍了 Stable Diffusion、ControlNet 与音频扩散模型等内容。最后，附录提供由扩散模型生成的高质量图像集以及 Hugging Face 社区的相关资源。本书以扩散模型理论知识为切入

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost

《揭秘大模型：从原理到实战》从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAI GPT、清华大学GLM、Meta Llama等主流大模型的技术原理，并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术，带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建，手把手指导读者做技术选