ChatGPT的橫空出世昭示了通用人工智能的可能性，并為我們提供了更加便捷、直觀和個(gè)性化的信息獲取方式，有望在教育、研究、咨詢和日常生活中發(fā)揮重要作用。而駕馭ChatGPT，使之更好地服務(wù)于我們的工作和生活，需要一些技巧和方法，這就是本書要探討的prompt（提示）工程。 本書以通俗易懂的語言，詳細(xì)介紹了如何編寫高質(zhì)

本書旨在幫助讀者了解ChatGPT和它背后的技術(shù)原理，掌握使用它的方法，并了解它的潛在應(yīng)用和影響。書中詳細(xì)闡述了人工智能的基本概念，例如機(jī)器學(xué)習(xí)和自然語言處理，并全面介紹了如何使用ChatGPT進(jìn)行對(duì)話和寫作。此外，本書還深入探討了人工智能將如何改變我們的工作方式，以及我們?nèi)绾瓮ㄟ^教育和培訓(xùn)來適應(yīng)這些變化。這包括如何進(jìn)

信息檢索是我們理解這個(gè)世界的重要手段之一，隨著技術(shù)的進(jìn)步，我們的檢索行為也在不斷變化。伴隨著人工智能時(shí)代的到來，大數(shù)據(jù)的涌現(xiàn)以及萬物互聯(lián)的場(chǎng)景對(duì)信息的獲取、理解和運(yùn)用提出了新的需求，特別是大模型的出現(xiàn)，有望重塑信息檢索的架構(gòu)與技術(shù)體系。本書以信息檢索系統(tǒng)架構(gòu)為抓手，圍繞檢索系統(tǒng)的各個(gè)技術(shù)模塊展開對(duì)神經(jīng)檢索前沿技術(shù)的介紹

本書服務(wù)的主要對(duì)象為人工智能技術(shù)應(yīng)用專業(yè)學(xué)生、相關(guān)人工智能類專業(yè)學(xué)生以及想要涉足人工智能的讀者。本書采用"教、學(xué)、做一體化”的教學(xué)方法，圍繞智能語音技術(shù)，主要介紹了云端智能語音應(yīng)用、終端智能語音應(yīng)用、綜合智能語音應(yīng)用三大部分。課程以實(shí)際項(xiàng)目轉(zhuǎn)化的案例為主線，按"理實(shí)一體化”的指導(dǎo)思想，從"魚”到"漁”，培養(yǎng)學(xué)生知識(shí)遷移

本書全面敘述了蒙特卡羅方法，包括序貫蒙特卡羅方法、馬爾可夫鏈蒙特卡羅方法基礎(chǔ)、Metropolis算法及其變體、吉布斯采樣器及其變體、聚類采樣方法、馬爾可夫鏈蒙特卡羅的收斂性分析、數(shù)據(jù)驅(qū)動(dòng)的馬爾可夫鏈蒙特卡羅方法、哈密頓和朗之萬蒙特卡羅方法、隨機(jī)梯度學(xué)習(xí)和可視化能級(jí)圖等。為了便于學(xué)習(xí)，每章都包含了不同領(lǐng)域的代表性應(yīng)用實(shí)

隨著大語言模型的快速發(fā)展，語言AI已經(jīng)進(jìn)入了新的階段。這種新型的語言AI模型具有強(qiáng)大的自然語言處理能力，能夠理解和生成人類語言，從而在許多領(lǐng)域中都有廣泛的應(yīng)用前景。大語言模型的出現(xiàn)將深刻影響人類的生產(chǎn)和生活方式。本書將介紹提示工程的基本概念和實(shí)踐，旨在幫助讀者了解如何構(gòu)建高質(zhì)量的提示內(nèi)容，以便更高效地利用大語言模型進(jìn)行

本書主要介紹控制系統(tǒng)的基礎(chǔ)知識(shí)和設(shè)計(jì)方法。全書首先介紹了控制系統(tǒng)的基本概念，然后論述了控制系統(tǒng)的微分方程和傳遞函數(shù)等數(shù)學(xué)模型的建立和等效簡(jiǎn)化方法。在系統(tǒng)分析方面，主要介紹了控制系統(tǒng)的時(shí)域分析法、根軌跡分析法和頻域分析法。在系統(tǒng)設(shè)計(jì)方面，主要介紹了串聯(lián)校正技術(shù)和PID控制技術(shù)。在計(jì)算機(jī)控制技術(shù)方面，論述了連續(xù)信號(hào)的采樣過

本書循序漸進(jìn)地講解了使用TensorFlow開發(fā)深度學(xué)習(xí)程序的核心知識(shí)，并通過具體實(shí)例的實(shí)現(xiàn)過程演練了使用TensorFlow的方法和流程。書中首先講解了TensorFlow深度學(xué)習(xí)基礎(chǔ)知識(shí)；然后介紹了數(shù)據(jù)集制作、前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)、自然語言處理、注意力機(jī)制、概率圖模型、深度信念網(wǎng)

許多部門和行業(yè)都渴望將AI和數(shù)據(jù)驅(qū)動(dòng)技術(shù)整合到自己的系統(tǒng)和運(yùn)營(yíng)中。但要構(gòu)建真正成功的AI系統(tǒng)，你需要牢固掌握底層的數(shù)學(xué)知識(shí)。這本綜合指南彌補(bǔ)了AI所展現(xiàn)出的無限潛力和應(yīng)用與相關(guān)數(shù)學(xué)基礎(chǔ)之間的存在的現(xiàn)實(shí)差距。作者HalaNelson并沒有討論高深的學(xué)術(shù)理論，而是以現(xiàn)實(shí)世界的應(yīng)用和最先進(jìn)的模型為重點(diǎn)，介紹了在人工智能領(lǐng)域發(fā)

隨著人工智能在醫(yī)學(xué)、法律和國(guó)防等高風(fēng)險(xiǎn)領(lǐng)域的使用越來越多，大批組織花費(fèi)了大量時(shí)間和金錢來使ML模型值得信賴。許多關(guān)于這一主題的書都深入探討了一些理論和概念。本指南提供了一個(gè)實(shí)用的起點(diǎn)，幫助開發(fā)團(tuán)隊(duì)生成安全、更健壯、更少偏見和更容易解釋的模型。作者YadaPruksachatkun、MatthewMcAteer和Subh