AI提示工程实战：从零开始利用提示工程学习应用大语言模型

最新上架

• 会员

  人工智能编程实践：C++编程5级

  青少年人工智能编程水平测试涵盖从数学逻辑到计算思维、从拖曳程序模块到程序编写、从数学建模到算法设计等多学科知识，能够对学生的多学科知识综合运用能力做出评价；能够通过设计的具体解决方案，对学生的计算思维、创造性思维等能力做出评价；在具体的解决方案中，能够通过设计算法模型和实现算法，对学生掌握和运用编程的能力做出评价。本书结合生活中的实例，系统地介绍了不同进制之间的转换、函数参数的作用域、枚举算法、二

  陈杰编著计算机2万字
• 会员

  空间智能原理与应用

  本书从空间信息处理角度出发，将人工智能领域的理论研究与专业实践相结合，完整介绍人工智能方法及其在空间信息处理中的应用，不仅涵盖人工智能领域的基础概念与基本方法，而且探讨知识图谱、计算智能、新兴机器学习、深度学习等前沿技术，同时介绍人工智能在地理文本大数据、遥感影像、激光点云等空间信息处理中的应用实例，具有较强的代表性和启发性。本书可以作为高等院校空间信息与数字技术、遥感科学与技术等专业高年级本科生

  罗欣 侯卫民 许文波编著计算机23.8万字
• 会员

  人工智能编程实践：Python编程5级

  青少年人工智能编程水平测试涵盖从数学逻辑到计算思维、从拖曳程序模块到程序编写、从数学建模到算法设计等多学科知识，能够对学生的多学科知识综合运用能力做出评价；能够通过设计的具体解决方案，对学生的计算思维、创造性思维等能力做出评价；在具体的解决方案中，能够通过设计算法模型和实现算法，对学生掌握和运用编程的能力做出评价。本书将生活中的一些案例和程序算法相结合，深入浅出地为学生讲解不同进制之间的转换、函数

  高凯主编计算机3.9万字
• 大模型垂直领域低算力迁移：微调、部署与优化

  本书是一本深度探讨大模型在低算力环境下实现迁移与微调的实践指南，并深入讲解了大模型的部署与优化策略。书中结合多个垂直领域的应用场景，从理论到技术实现，全程详尽讲解了如何应对大模型在行业落地中的技术挑战，帮助读者逐步掌握大模型的迁移与微调核心技术。无论你是大模型开发者、人工智能研究人员，还是对垂直领域AI应用感兴趣的行业专家，本书都将带你深入大模型的核心领域，提供从构建、优化到部署的全流程指导，助你

  程戈计算机13.7万字
• 会员

  PyTorch深度学习与企业级项目实战

  《PyTorch深度学习与企业级项目实战》立足于具体的企业级项目开发实践，以通俗易懂的方式详细介绍PyTorch深度学习的基础理论以及相关的必要知识，同时以实际动手操作的方式来引导读者入门人工智能深度学习。《PyTorch深度学习与企业级项目实战》共分18章，内容主要包括人工智能、机器学习和深度学习之间的关系，深度学习框架PyTorch2.0的环境搭建，Python数据科学库，深度学习基本原理，

  宋立桓 宋立林计算机10.8万字
• 会员

  设计深度学习系统

  本书主要从软件开发者的角度探讨如何构建和设计深度学习系统。作者首先描述一个典型的深度学习系统的整体，包括其主要组件以及它们之间的连接方式，然后在各个单独的章节中深入探讨这些主要组件。对于具体介绍的章节，会在开始时讨论需求，接着介绍设计原则和示例服务/代码，并评估开源解决方案。通过阅读本书，读者将能够了解深度学习系统的工作原理，以及如何开发每个组件。本书的主要读者对象是想要从事深度学习平台工作或将一

  (美)王迟 (美)司徒杰鹏计算机18.1万字
• 会员

  AI帮你赢：人人都能用的AI方法论

  本书强调“把AI作为方法”（AI即ArtifcialIntelligence，人工智能）这一核心理念，旨在引导读者掌握与AI对话的关键技巧，并将AI融入工作和生活真正体验AI带给人类的高效与便捷。本书从技术的发展规律人手，探讨了把AI作为方法的必然性和必要性，进一步剖析了算法与哲学在内在逻辑上的贯通性。此外，本书通过丰富多样的案例展示了AI的强大魅力，通过一系列“召唤术”帮助读者运用AI创造性地

  谭少卿计算机9.7万字
• 会员

  硅基物语·我是灵魂画手：一本书讲透AI绘画

  本书通过实践案例操作，讲述AI绘画的生成步骤，展现了AI绘画的魔法魅力。从历史到未来，跨越百年时空；从理论到实践，讲述案例操作；从技术到哲学，穿越多个维度；从语言到绘画，落地实战演练。AI绘画的诞生，引发了奇点降临，点亮了AGI（通用人工智能），并涉及Prompt、风格、技术细节、多模态交互、AIGC等一系列讲解。

  量子学派@ChatGPT计算机5.5万字
• 会员

  机器学习的算法分析和实践

  本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最

  孙健编著计算机7.4万字