人工智能(AI) - 第2页

本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。 全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第 1~3 章），解析语言模型的核心概念，包括词元、嵌入向量及 Transformer 架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第 4~9 章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升

本书收录了约百道大模型工程师常见的面试题目和解答，系统、全面地介绍了与大模型相关的技术，涵盖语义表达、数据预处理、预训练、对齐、垂类微调、组件、评估、架构、检索增强生成（RAG）、智能体、PEFT（参数高效微调），以及训练与推理等内容。书中通过丰富的实例、图表及代码讲解，将复杂概念阐释得通俗易懂，是大模型领域的一本不可多得的实用指南。本书适合对大模型和 Transformer 等技术感兴趣的学生、

人工智能并不是一个新鲜的概念，自提出到现在已经有半个多世纪的时间，期间经过了跌宕起伏的发展历程。作者从专业的角度，深入浅出，梳理了人工智能发展的历程，其经历的不同阶段概况，如今最前沿的发展现状以及面临的困境，并探讨了其未来发展的可能性，堪称一部精彩的人工智能进化史。作者玛格丽特·博登具有深厚的跨学科背景，她将心理学、医学、哲学等领域的知识融会贯通，与自己对人工智能的研究相结合，生发出独特而深刻的洞

人工智能领域正在以超乎人们想象的速度发展，本书赶在人工智能彻底占领世界之前完成编写，实属万幸。书中收录了超过 100 道机器学习算法工程师的面试题目和解答，其中大部分源于 Hulu 算法研究岗位的真实场景。 本书从日常工作、生活中各种有趣的现象出发，不仅囊括了机器学习的基本知识，而且还包含了成为出众算法工程师的相关技能，更重要的是凝聚了笔者对人工智能领域的一颗热忱之心，旨在培养读者发现问题、解决问

《动手学PyTorch建模与应用：从深度学习到大模型》是一本讲述以PyTorch为工具实践深度学习和大模型的入门书，从数学知识和必备基础知识和概念入手讲解，理论兼备实践，语言通俗，图文并茂，边学边练，非常易于掌握。本书共11章，第1章主要介绍深度学习的概念、应用场景及开发环境搭建。第2章详细介绍PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及其案例。第3章介绍数据预处理及常用工具

本书涵盖了Transformer在NLP领域的主要应用。首先介绍Transformer模型和Hugging Face 生态系统。然后重点介绍情感分析任务以及Trainer API、Transformer的架构，并讲述了在多语言中识别文本内实体的任务，以及Transformer模型生成文本的能力，还介绍了解码策略和度量指标。接着深入挖掘了文本摘要这个复杂的序列到序列的任务，并介绍了用于此任务的度量指

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

本书以“二战”前后的“科学大神时代”为背景，聚焦计算机起源与 AI 觉醒的关键历程。书中全景式还原了普林斯顿高等研究院、曼哈顿计划等历史现场，串联起图灵、冯·诺伊曼、奥本海默等科学巨匠的传奇——他们用数学与代码，在氢弹的硝烟与计算机的轰鸣中，悄然点燃了数字宇宙的第一把火。 作者乔治·戴森依托父亲弗里曼·戴森（普林斯顿高等研究院学者）的独家口述，披露了大量未公开的科技秘辛：从 ENIAC 的真空管如

机器学习的目标是对计算机编程，以便使用样本数据或以往的经验来解决给定的问题。已经有许多机器学习的成功应用，包括分析以往销售数据来预测客户行为，优化机器人的行为以便使用较少的资源来完成任务，以及从生物信息数据中提取知识的各种系统。《机器学习导论（原书第3版）》是关于机器学习的内容全面的教科书，其中有些内容在一般的在机器学习导论书中很少介绍。主要内容包括监督学习，贝叶斯决策理论，参数、半参数和非参数方

本书是作者在 2023 年所发表的关于大语言模型综述论文《A Survey of Large Language Models》基础上完善增写而成的。与综述论文的定位不同的是，本书更注重为大模型技术的入门读者提供讲解。为此作者在内容上进行了大幅度的更新与重组，力图展现一个整体的大模型技术框架和路线图，适合作为这个领域一本入门级的技术书籍来阅读。可供具备深度学习基础的高中生及低年级本科生使用。