解讀AIGC及ChatGPT的熱點問題，洞察AIGC時代的機遇與隱憂，選好賽道，乘風而起。
電子書
編輯推薦
技術背景深厚的微軟工程師帶你探索AIGC的奧秘。
內容簡介
本書先概述生成式人工智能所涉及的技術和工具，幫助你了解如何訓練模型以生成新數(shù)據(jù)；接著展示如何用ChatGPT提高營銷、科研和軟件開發(fā)等相關工作的生產力和創(chuàng)造力；隨后介紹如何通過改進提示設計從與ChatGPT的交互中獲得好的效果，以及如何在企業(yè)級場景中使用OpenAI模型。
通過閱讀本書，你可以了解生成式人工智能的相關概念，以及如何通過有效的提示設計增加ChatGPT的價值，如何基于Python語言構建和部署生成式人工智能系統(tǒng)，如何利用Azure OpenAI服務實現(xiàn)企業(yè)級應用。
本書適合想用生成式人工智能提升工作效率的所有人閱讀，包括但不限于商務人士、數(shù)據(jù)科學家、軟件開發(fā)人員、營銷人員和科研人員。
章節(jié)目錄
- 版權信息
- 版 權
- 版權聲明
- 內容提要
- 譯者簡介
- 譯者序
- 作者簡介
- 審閱者簡介
- 前 言
- 第一部分 生成式人工智能與GPT模型基礎
- 第1章 生成式人工智能概述
- 本章主要內容
- 1.1 什么是生成式人工智能
- 1.1.1 生成式人工智能的應用
- 1.1.2 文本生成
- 1.1.3 圖像生成
- 1.1.4 音樂生成
- 1.1.5 視頻生成
- 1.2 研究歷程和新發(fā)展
- 1.3 小結
- 第2章 與OpenAI和ChatGPT面對面
- 本章主要內容
- 2.1 技術要求
- 2.2 什么是OpenAI
- 2.3 OpenAI系列模型概述
- 2.4 通往ChatGPT之路：模型背后的數(shù)學原理
- 2.4.1 RNN的結構
- 2.4.2 RNN主要的局限
- 2.4.3 克服局限——引入Transformer
- 2.4.4 GPT-3
- 2.5 ChatGPT
- 2.6 小結
- 2.7 參考資料
- 第二部分 ChatGPT應用
- 第3章 熟悉ChatGPT
- 本章主要內容
- 3.1 設置ChatGPT賬戶
- 3.2 熟悉界面
- 3.3 組織對話
- 3.4 小結
- 第4章 了解提示設計
- 本章主要內容
- 4.1 什么是提示，提示為什么重要
- 4.2 零樣本學習/一次樣本學習/少樣本學習——Transformer模型的典型功能
- 4.3 定義明確的提示規(guī)則，以獲得相關和一致結果
- 4.4 應避免隱性偏見的風險，并在ChatGPT中納入倫理道德考量
- 4.5 小結
- 第5章 ChatGPT助力生產力提升
- 本章主要內容
- 5.1 技術要求
- 5.2 日常小助手——ChatGPT
- 5.3 文本生成
- 5.4 提升寫作技能和優(yōu)化翻譯效果
- 5.5 快速檢索信息和競爭情報
- 5.6 小結
- 第6章 ChatGPT助力軟件開發(fā)
- 本章主要內容
- 6.1 為什么開發(fā)人員需要ChatGPT？
- 6.2 生成、優(yōu)化和調試代碼
- 6.3 生成文檔和代碼可解釋性
- 6.4 理解機器學習模型可解釋性
- 6.5 不同編程語言之間的轉換
- 6.6 小結
- 第7章 ChatGPT助力營銷
- 本章主要內容
- 7.1 技術要求
- 7.2 營銷人員對ChatGPT的需求
- 7.3 新品研發(fā)和上架策略
- 7.4 用于營銷對比的A/B測試
- 7.5 促進搜索引擎優(yōu)化（SEO）
- 7.6 用于提高質量和提高客戶滿意度的情緒分析
- 7.7 小結
- 第8章 ChatGPT助力科學研究
- 本章主要內容
- 8.1 研究人員對ChatGPT的需求
- 8.2 收集文獻資料
- 8.3 就實驗的設計和研究框架的制訂提供支持
- 8.4 生成和格式化參考文獻
- 8.5 生成演示文稿
- 8.6 小結
- 第三部分 企業(yè)OpenAI
- 第9章 企業(yè)OpenAI和ChatGPT——Azure OpenAI
- 本章主要內容
- 9.1 技術要求
- 9.2 OpenAI和微軟的合作以及Azure OpenAI服務
- 9.2.1 微軟的AI發(fā)展歷程
- 9.2.2 Azure OpenAI服務
- 9.2.3 探索Playground
- 9.3 引入公共云的目的
- 9.4 負責任的AI
- 9.4.1 微軟對負責任的AI的研發(fā)歷程
- 9.4.2 Azure OpenAI和負責任的AI
- 9.5 小結
- 第10章 企業(yè)用例
- 本章主要內容
- 10.1 技術要求
- 10.2 企業(yè)如何使用Azure OpenAI
- 10.3 合同分析器和生成器
- 10.3.1 識別關鍵條款
- 10.3.2 分析語言
- 10.3.3 標記潛在問題
- 10.3.4 提供合同模板
- 10.3.5 Streamlit前端
- 10.4 了解呼叫中心的分析方法
- 10.4.1 參數(shù)提取
- 10.4.2 情緒分析
- 10.4.3 客戶訴求的類型
- 10.4.4 使用Streamlit庫實現(xiàn)前端
- 10.5 探索語義搜索
- 10.5.1 使用LangChain進行文檔嵌入
- 10.5.2 用Streamlit創(chuàng)建前端
- 10.6 小結
- 第11章 結語
- 本章主要內容
- 11.1 回顧前面所學
- 11.2 這只是開始
- 11.2.1 多模態(tài)大語言模型的出現(xiàn)
- 11.2.2 微軟 Bing和Copilot系統(tǒng)
- 11.3 生成技術對行業(yè)的影響—— 一種顛覆性的力量
- 11.4 對生成式人工智能的擔憂
- 11.4.1 埃隆·馬斯克呼吁暫停開發(fā)更強大的人工智能系統(tǒng)
- 11.4.2 ChatGPT被意大利禁用
- 11.5 生成式人工智能的倫理影響及為何需要負責任的人工智能
- 11.6 未來的發(fā)展方向
- 11.7 小結
展開全部
擁抱AIGC是2024年由人民郵電出版社出版,作者[美] 瓦倫蒂娜·阿爾托。
溫馨提示：
1.本電子書已獲得正版授權，由出版社通過知傳鏈發(fā)行。
2.該電子書為虛擬物品，付費之后概不接收任何理由退款。電子書內容僅支持在線閱讀，不支持下載。
3.您在本站購買的閱讀使用權僅限于您本人閱讀使用，您不得/不能給任何第三方使用，由此造成的一切相關后果本平臺保留向您追償索賠的權利！版權所有，后果自負！
得書感謝您對《擁抱AIGC》關注和支持，如本書內容有不良信息或侵權等情形的，請聯(lián)系本網站。
電子書
電子書
電子書
機器學習已經廣泛地應用于各行各業(yè)，深度學習的興起再次推動了人工智能的熱潮。本書結合項目實踐，首先討論了TensorFlow、PySpark、TI-ONE等主流機器學習平臺的主要特點；然后結合Tableau介紹了數(shù)據(jù)可視化在銀行客戶用卡行為分析的應用。在此基礎上，利用上述介紹的這些平臺，通過多個項目案例，詳細地分析了決策樹、隨機森林、支持向量機、邏輯回歸、貝葉斯網絡、卷積神經網絡、循環(huán)神經網絡、對抗
電子書
《文本上的算法深入淺出自然語言處理》結合-作者多年學習和從事自然語言處理相關工作的經驗，力圖用生動形象的方式深入淺出地介紹自然語言處理的理論、方法和技術。本書拋棄掉繁瑣的證明，提取出算法的核心，幫助讀者盡快地掌握自然語言處理所必需的知識和技能。本書主要分兩大部分。第一部分是理論篇，包含前3章內容，主要介紹一些基礎的數(shù)學知識、*優(yōu)化理論知識和一些機器學習的相關知識。第二部分是應用篇，包含第4章到第8
電子書
基于單目視覺的行人檢測是城市交通環(huán)境下智能汽車輔助導航技術中的一項關鍵技術，也是目前計算機應用領域的研究熱點之一。本書以作者在智能汽車領域的研究成果為基礎，重點討論了基于樹形Adaboost算法和Haar-like特征的行人候選區(qū)域分割算法；基于mean－shift方法的多尺度檢測融合算法；基于改進Shapelet特征的行人識別算法；基于子結構的部位集成檢測器設計方法，該算法主要針對復雜場景下行人
電子書
本書是一本深度學習的基礎入門讀物，對深度學習的基本理論進行了介紹，主要以Ubuntu系統(tǒng)為例搭建了三大主流框架——Caffe、TensorFlow、Torch，然后分別在3個框架下，通過3個實戰(zhàn)項目掌握了框架的使用方法，并詳細描述了生產流程，最后講述了通過集群部署深度學習的項目以及如何進行運營維護的注意事項。本書適合對深度學習有濃厚興趣的讀者、希望用深度學習完成設計的計算機專業(yè)或電子信息專業(yè)的高校
電子書
本體是共享概念模型明確的形式化規(guī)范說明。其重要性已在知識工程、智能信息集成、信息檢索與獲取、軟件工程、自然語言處理、普適計算等許多方面有所體現(xiàn)。本書全面概括了本體演化的一些方法，重點研究開放環(huán)境下本體演化中的本體一致性推理算法、本體演化序列內部與序列之間的沖突檢測、沖突診斷算法和本體演化多版本差異檢測算法，同時就所涉及的算法進行了系統(tǒng)的實驗和比較。本書可作為本體推理、本體演化領域開發(fā)人員和技術人員
