人工智能(AI) - 第3页

本书深入阐述了大语言模型的基本概念和算法、研究前沿以及应用，涵盖大语言模型的广泛主题，从基础到前沿，从方法到应用，涉及从方法论到应用场景方方面面的内容。首先，本书介绍了人工智能领域的进展和趋势；其次，探讨了语言模型的基本概念和架构、Transformer、预训练目标和解码策略、上下文学习和轻量级微调、稀疏专家模型、检索增强型语言模型、对齐语言模型与人类偏好、减少偏见和有害性以及视觉语言模型等内容；

机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost

本书涵盖基础知识、常见操作和应用开发3个方面，帮助大语言模型的使用者、应用开发者循序渐进地掌握大模型的原理、操作以及多个场景下的应用开发技能。全书共18章，分为三篇：基础篇介绍大语言模型的基础知识、应用架构和应用工作模式。操作篇详细讲解大模型的实操环节，包括环境搭建、多种有代表性的开源大语言模型的安装、微调与量化等常见操作。开发篇讲述大语言模型在Chat、辅助编程、RAG、翻译、AI Agent、

书中提出了一种赋予人工智能系统常识和有效推理能力的创新方法，探讨了我们如何信任自主机器做出决策的关键问题，并明确了值得信赖的自主人工智能系统需要具备的两个基本要求《机器如人》深入探讨了如何在人工智能系统中融入广泛、强大的常识，而非仅仅依赖狭隘、专门的专业知识。书中提出了一种赋予人工智能系统常识和有效推理能力的创新方法，探讨了我们如何信任自主机器做出决策的关键问题，并明确了值得信赖的自主人工智能系统

大模型是深度学习自然语言处理皇冠上的一颗明珠，也是当前AI和NLP研究与产业中最重要的方向之一。本书使用PyTorch 2.0作为学习大模型的基本框架，以ChatGLM为例详细讲解大模型的基本理论、算法、程序实现、应用实战以及微调技术，为读者揭示大模型开发技术。本书配套示例源代码、PPT课件。 《从零开始大模型开发与微调：基于PyTorch与ChatGLM》共18章，内容包括人工智能与大模型、Py

还在为文献综述熬夜秃头？数据分析做到怀疑人生？清华大学与北航团队联合开发的DeepSeek+DeepResearch横空出世，彻底颠覆传统科研模式！这款AI工具让科研像聊天一样轻松，一键生成高质量报告，效率提升10倍！清华大学第四版主要是面向科研人员的场景，全文一共有100页。内容概述1. 科研人的“全能助手”：从数据到报告，全自动搞定！文献综述一键生成：上传文献或输入关键词，AI自动梳理核心观点

深度学习在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、推荐系统工程实现、模型评估体系、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。《深度学习推荐系统》既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本 科生、研究生、博士生阅读，帮助他们建立深度学习推荐系统的技术框架，通过学习前沿案例 加强深度学习理论与推荐系统工程实践的融合

本书以媒介变迁为整体脉络，通过几类推荐产品的发展趋势来探讨推荐产品创新的核心驱动力，以及由具体产品特性引发的技术变革。全书内容分为5部分。第一部分从宏观视角探讨推荐产品从0到1进行创新的产品思路和技术思路；第二部分介绍革新传统纸质媒介的新闻推荐和资讯推荐，包括关键算法设计和产品设计；第三部分介绍构建线上社交网络的社交和社区推荐，以及如何通过协同过滤算法模拟社交网络；第四部分从产品、生态和算法设计的

For readers who know Python. Experience developing machine learning models is useful but not essential.中文版地址：《从零构建大模型》Learn how to create, train, and tweak large language models (LLMs) by building one

本书从强化学习最基本的概念开始介绍，将介绍基础的分析工具，包括贝尔曼公式和贝尔曼最优公式，然后推广到基于模型的和无模型的强化学习算法，最后推广到基于函数逼近的强化学习方法。本书强调从数学的角度引人概念、分析问题、分析算法，并不强调算法的编程实现。本书不要求读者具备任何关于强化学习的知识背景，仅要求读者具备一定的概率论和线性代数的知识。如果读者已经具备强化学习的学习基础，本书可以帮助读者更深入地理解