会员
AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型
更新时间：2024-08-22 11:17:20 最新章节：封底
书籍简介
本书旨在帮助没有任何人工智能技术基础的工程师们全面掌握AIGC的底层技术原理，以及大语言模型、扩散模型和多模态模型的原理与实践。本书的核心价值是，首先为想学习各种大模型的读者打下坚实的技术基础，然后再根据自己的研究方向展开深入的学习，达到事半功倍的效果。通过阅读本书，您将学习如下内容：（1）AIGC技术基础深入了解神经网络的基础知识，包括卷积神经网络和循环神经网络的原理与应用。并通过学习神经网络的优化方法，您将掌握如何优化和提升神经网络的性能。（2）图像生成模型包括从自动编码器（AE）、变分自编码器（VAE）、生成对抗网络（GAN）等图像生成模型。通过学习优化方法，如WGAN、WGAN-WP、StyleGAN等，您将掌握如何提高图像生成模型的质量和稳定性。同时，了解图像生成模型的应用，如迁移学习、风格迁移等，让您轻松实现个性化创作。此外，还将带您深入了解DDPM、DDIM等扩散模型的前沿技术，为您展现图像生成技术的最新成果，探索更加出色的生成效果和表达方式。（3）语言生成模型了解注意力机制、Transformer架构等基础知识，深入探索GAT系列、大语言模型（如ChatGPT），让您掌握自然语言处理的精髓。（4）多模态模型了解CLIP、StableDiffusion、DALL.E等多模态模型，触碰视觉和文字的奇妙交织，领略多模态智能的广阔前景。
品牌：机械工业出版社
上架时间：2024-06-01 00:00:00
出版社：机械工业出版社
本书数字版权由机械工业出版社提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
最新上架
- 会员本书具体包含以下内容：首先，探讨ChatGPT对法律界的冲击，以及律师等从业者的不同反应，进一步分析AI技术对行业的影响和发展趋势。接着，简要介绍ChatGPT的技术原理及应用场景。随后，详细讨论如何将AI力量融入律师职业路径，构建专业律师成长的新飞轮。接下来，分别讨论如何将ChatGPT（GPTs）应用于渠道与案源、检索与研究、案件分析，以及法律文书撰写与合同审核，实现部分日常事务自动化执行。之计算机10.6万字
- 会员近年来，在自然语言处理领域，基于预训练语言模型的方法已形成全新范式。本书内容分为基础知识、预训练语言模型，以及实践与应用3个部分，共9章。第一部分全面、系统地介绍自然语言处理、神经网络和预训练语言模型的相关知识。第二部分介绍几种具有代表性的预训练语言模型的原理和机制（涉及注意力机制和Transformer模型），包括BERT及其变种，以及近年来发展迅猛的GPT和提示工程。第三部分介绍了基于Lang计算机12.7万字
- 会员本书由科大讯飞与中国科大的大模型的资深专家联合撰写，一本书打通大模型的技术原理与应用实践壁垒，深入大模型3步工作流程，详解模型微调、对齐优化、提示工程等核心技术及不同场景的微调方案，全流程讲解6个典型场景的应用开发实践。本书共10章，从逻辑上分为“基础知识”“原理与技术”“应用开发实践”三部分。基础知识（第1章）介绍大模型定义、应用现状、存在的问题，以及发展趋势。原理与技术（第2和3章）详细讲解大计算机12.3万字
- 会员本书立足于AIGC技术前沿与发展趋势，全面阐述了AIGC的概念内涵、底层技术与应用场景，详细梳理全球科技巨头在AIGC领域的战略布局，并辅之以大量生动有趣的案例，深度剖析AIGC在各行业领域的应用场景，旨在引导读者真切感受AIGC革命浪潮蕴含的商业创造力。全书分为五个部分，共18章。第一部分主要厘清AIGC技术的起源与演变，阐述席卷全球的AIGC背后的技术架构以及AIGC的应用场景；第二部分重点剖计算机11.4万字
- 会员本书共十一章，主要包含四部分：第1章解读ChatGPT的基础原理和提示工程的基本概念；第2至5章介绍提示工程技巧，涵盖有效提示编写、针对复杂任务的提示设计技巧、对话中的提示设计技巧，以及提示的优化与迭代；第6章主要介绍当前ChatGPT推出的进阶功能；第7至11章结合教育领域、市场营销、新媒体运营、软件开发和数据分析实战展示提示工程技巧的应用。计算机12.9万字
- 会员本书通过81个官方案例解析、120个知识点梳理，深入浅出介绍了Sora的技术原理、特色功能、创新之处、优势特点、文案工具、脚本创作、提示词技巧、绘画工具、创意应用、变现方式等，帮助读者一本书全面精通Sora的AI视频生成技术。10大专题内容、108分钟视频，手机扫码可看精华内容，同时赠送了9大超值资源：74组AI绘画提示词、104个效果文件、165页PPT课件、31集《AI摄影》教学视频、40集《计算机6.8万字
- 会员本书配套周志华教授所著的《机器学习》教材，通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分：第一部分习题对应《机器学习》第1~10章的内容，包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习；第二部分包含6章应用专题，通过综合题的形式对知识点进行多角度考查，包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络计算机19.3万字