三民網路書店 / 搜尋結果

內容簡介本書旨在幫助沒有任何人工智能技術基礎的工程師們全面掌握AIGC的底層技術原理，以及大語言模型、擴散模型和多模態模型的原理與實踐。本書的核心價值是，首先為想學習各種大模型的讀者打下堅實的技術基礎，然後再根據自己的研究方向展開深入的學習，達到事半功倍的效果。通過閱讀本書，您將學習如下內容：(1)AIGC技術基礎深入瞭解神經網絡的基礎知識，包括卷積神經網絡和循環神經網絡的原理與應用。並通過學習神經網絡的優化方法，您將掌握如何優化和提升神經網絡的性能。(2)圖像生成模型包括從自動編碼器(AE)、變分自編碼器(VAE)、生成對抗網絡(GAN)等圖像生成模型。通過學習優化方法，如WGAN、WGAN-WP、StyleGAN等，您將掌握如何提高圖像生成模型的質量和穩定性。同時，瞭解圖像生成模型的應用，如遷移學習、風格遷移等，讓您輕鬆實現個性化創作。此外，還將帶您深入瞭解DDPM、DDIM等擴散模型的前沿技術，為您展現圖像生成技術的最新成果，探索更加出色的生成效果和表達方式。(3)語言生成模型瞭解注意力機制、Transformer架構等基礎知識，深入探索GAT系列、大語言模型(如ChatGPT)，讓您掌握自然語言處理的精髓。(4)多模態模型瞭解CLIP、Stable Diffusion、DALL.E等多模態模型，觸碰視覺和文字的奇妙交織，領略多模態智能的廣闊前景。

《Python 入門到人工智能實戰》是針對零基礎編程學習者編寫的教程。從初學者角度出發，每章以問題為導向，輔以大量的實例，詳細地介紹了Python 基礎、機器學習，以及最好也最易學習的兩個平臺PyTorch 和Keras。 全書共20 章，包括Python 安裝配置、Python 語言基礎、流程控制語句、序列、函數、物件、文件及異常處理、數據處理和分析的重要模塊（

這是一本系統、全面、理論與實踐相結合的Embedding技術指南，由資深的AI技術專家和高級數據科學家撰寫，得到了黃鐵軍、韋青、張崢、周明等中國人工智能領域的領軍人物的一致好評和推薦。在內容方面，本書理論與實操兼顧，一方面系統講解了Embedding的基礎、技術、原理、方法和性能優化，一方面詳細列舉和分析了Embedding在機器學習性能提升、中英文翻譯、推薦系統等6個重要場景的應用實踐；在寫作方式上，秉承復雜問題簡單化的原則，盡量避免復雜的數學公式，盡量采用可視化的表達方式，旨在降低本書的學習門檻，讓讀者能看得完、學得會。全書一共16章，分為兩個部分：第1部分（第1~9章）Embedding理論知識主要講解Embedding的基礎知識、原理以及如何讓Embedding落地的相關技術，如TensorFlow和PyTorch中的Embedding層、CNN算法、RNN算法、遷移學習方法等，重點介紹了Transformer和基於它的GPT、BERT預訓練模型及BERT的多種改進版本等。第二部分（第10 ~16章）Embedding應用實例通過6個實例介紹了Embedding及相關技術的實際應用，包括如何使用Embedding提升傳統機器學習性，如何把Embedding技術應用到推薦系統中，如何使用Embedding技術提升NLP模型的性能等。

本書共22章，分為三個部分。第一部分(第1～5章)為Python及應用數學基礎部分，介紹Python和TensorFlow的基石Numpy，深度學習框架的鼻祖Theano，以及機器學習、深度學習算法應用數學基礎等內容。第二部分(第6～20章)為深度學習理論與應用部分，介紹機器學習的經典理論和算法，深度學習理論及方法，TensorFlow基於CPU、GPU版本的安裝及使用、TensorFlow基礎、

內容介紹這是一本基於最新的Python和PyTorch版本的深度學習著作，旨在幫助讀者低門檻進入深度學習領域，輕鬆速掌握深度學習的理論知識和實踐方法，快速實現從入門到進階的轉變。本書是多位人工智能技術專家和大數據技術專家多年工作經驗的結晶，從工具使用、技術原理、算法設計、案例實現等多個維度對深度學習進行了系統的講解。內容選擇上，廣泛涉獵、重點突出、注重實戰；內容安排上，實例切入、由淺入深、循序漸進

1.內容選擇：提供全棧式的解決方案深度學習涉及範圍比較廣，既有對基礎、原理的要求，也有對代碼實現的要求。如何在較短時間內快速提高深度學習的水平？如何儘快把所學運用到實踐中？這方面雖然沒有捷徑可言，但卻有方法可循。本書基於這些考量，希望能給你提供一站式解決方案。具體內容包括：機器學習與深度學習的三大基石(線性代數、概率與信息論及數值分析)；機器學習與深度學習的基本理論和原理；機器學習與深度學習的常用開發工具(Python、TensorFlow、Keras等)；TensorFlow的高級封裝及多個綜合性實戰項目等。2.層次安排：找准易撕口，快速實現由點到面的突破我們打開塑料袋時，一般從易撕口開始，這樣即使再牢固的袋子也很容易打開。面對深度學習這個“牢固袋子”，我們也可以採用類似方法，找准易撕口。如果沒有，就創造一個易撕口，並通過這個易撕口，實現點到面的快速擴展。本書在面對很多抽象、深奧的算法時均採用了這種方法。我們知道BP算法、循環神經網絡是深度學習中的兩塊“硬骨頭”，所以我們在介紹BP算法時，先介紹單個神經如何實現BP算法這個易撕口，再延伸到一般情況；在介紹循環神經網絡時，我們也先以一個簡單實例為易撕口，再延伸到一般情況。希望這種方式能幫助你把難題化易，把大事化小，把不可能轉換為可能。3.表達形式：讓圖說話，一張好圖勝過千言萬語機器學習、深度學習中有很多抽象的概念、複雜的算法、深奧的理論，如NumPy的廣播機制、梯度下降對學習率敏感、神經網絡中的共享參數、動量優化法、梯度消失或爆炸等，這些內容如果只用文字來描述，可能很難達到讓人茅塞頓開的效果，但如果用一些圖來展現，再加上適當的文字說明，往往能取得非常好的效果，正所謂一張好圖勝過千言萬語。除了以上談到的三個方面，為了幫助大家更好地理解，更快地掌握機器學習、深度學習這些人工智能的核心內容，本書還包含了其他方法，相信閱讀本書的讀者都能體會到。我們希望通過這些方法或方式帶給你不一樣的理解和體驗，使你感到抽象數學不抽象、深度學習不深奧、複雜算法不複雜、難學的深度學習也易學，這也是我們寫這本書的主要目的。至於人工智能(AI)的重要性，想必就不用多說了。如果說2016年前屬￿擺事實論證階段，那麼2016年後已進入事實勝於雄辯階段了，而2018年後應該擼起袖子加油幹了。目前各行各業都忙於AI+，給人“忽如一夜春風來，千樹萬樹梨花開”

本書以新的Spark2.0爲技術基礎，重點講解了如何構建機器學習系統以及如何實現機器學習流程的標準化，這兩點都是目前同類書中沒有的。第1～7章從概念、架構、算法等角度介紹了機器學習的基本概念；第8～12章以實例爲主，詳細講解了機器學習流程標準化涉及的關鍵技術；第13章主要以在綫數據或流式數據爲主介紹了流式計算框架SparkStreaming；第14章重點講解了深度學習的框架TensorFlowOn

這是一本能指導讀者快速掌握PyTorch和深度學習的著作，從PyTorch的原理到應用，從深度學習到強化學習，本書提供了全棧解決方案。第1版上市後銷量和口碑俱佳，是深度學習領域的暢銷書，被譽為PyTorch領域的標準著作。第2版在第1版的基礎上，去蕪存菁，與時具進，根據PyTorch新版本全面升級，技術性、實戰性、針對性、豐富性、易讀性均得到了進一步提升，必定能幫助讀者更輕鬆、更高效地進入深度學習的世界。全書一共19章，在結構上分為三大部分：第1部分（第1~4章） PyTorch基礎首先有針對性地講解了Python和PyTorch的基石NumPy中的關鍵知識，然後詳細講解了PyTorch的基礎知識、神經網絡工具箱和數據處理工具箱等內容，幫助讀者快速了解和掌握PyTorch。第二部分（第5~10章） 深度學習基礎依次講解了機器學習、視覺處理、自然語言處理、注意力機制、目標檢測、語義分割、生成式深度學習等機器學習和深度學習的核心技術的原理和使用。第三部分（第11~17章） 深度學習實踐通過實戰案例的方式，詳細講解了PyTorch在人臉檢測和識別、遷移學習、中英文互譯、圖像分類、語義分割、生成式網絡、對抗攻擊等領域的應用和解決方案。第四部分（第18-19章） 強化學習重點介紹了強化學習和深度強化學習的基礎理論、常用算法及相關實例。更為重要的是，為了讓本書通俗易懂，在內容安排和寫作方式上也頗花了一番心思。內容選擇上，廣泛涉獵、重點突出、注重實戰；內容安排上，實例切入、由淺入深、循序漸進；表達形式上，深度抽象、化繁為簡、用圖說話。