超AI入门

最新上架

• 会员

  基于信息增强的图神经网络学习方法研究

  本书深入剖析了图神经网络领域所面临的两大核心挑战：深度加深模型退化和监督信息过度依赖。针对这两大挑战，本书提出了一系列解决思路，涵盖模型结构设计、训练策略优化等方面的内容。全书共7章，第1章主要介绍了图神经网络研究的背景与意义，阐述了近年来国内外网络表示学习与图神经网络的研究现状，分析了图神经网络当前面临的挑战及其主要问题等；第2章主要对图神经网络进行概要论述，包括基础的理论、典型的模型方法及应用

  王杰计算机8.1万字
• 会员

  一本书读懂大模型：技术创新、商业应用与产业变革

  这是一本人人都能读懂的大模型综合指南，既是一本大模型的科普书，又是一本大模型的商业书。由中国电信研究院天翼智库官方出版，从核心技术、基础设施、商业应用、产业体系、安全治理5个维度全面讲解了大模型。语言上通俗易懂，内容上深入浅出，呈现上图文并茂，给读者良好阅读体验的同时，让读者对大模型的理解事半功倍！无论你是AI工程师，还是完全没有IT技术背景的爱好者；无论你是一线的从业人员，还是企业的管理者和决策

  中国电信天翼智库大模型研究团队计算机13.2万字
• 会员

  情感计算

  在人工智能的研究中，既包括对于人类理性思维的模拟，还包括对人类感性思维的计算。本书重点讲述的文本情感分析技术就属于后者。该技术源于自然语言处理领域，但也有别于一般的自然语言处理任务。文本情感分析面向的处理对象是社交媒体中产生的用户评论文本，该文本的特点是带有大量的用户主观情感信息，因此该技术的核心是通过自动分析评论文本来进行情感的理解。文本情感分析技术已有20余年的研究历史，凝聚成了多项研究任务和

  秦兵 赵妍妍 林鸿飞 王素格 徐睿峰计算机23.3万字
• 会员

  大语言模型：原理、应用与优化

  这是一本从工程化角度讲解大语言模型的核心技术、构建方法与前沿应用的著作。首先从语言模型的原理和大模型的基础构件入手，详细梳理了大模型技术的发展脉络，深入探讨了大模型预训练与对齐的方法；然后阐明了大模型训练中的算法设计、数据处理和分布式训练的核心原理，展示了这一系统性工程的复杂性与实现路径。除了基座模型的训练方案，本书还涵盖了大模型在各领域的落地应用方法，包括低参数量微调、知识融合、工具使用和自主智

  苏之阳 王锦鹏 姜迪 宋元峰计算机12.1万字
• 会员

  破解深度学习（基础篇）：模型算法与实现

  本书旨在采用一种符合读者认知角度且能提升其学习效率的方式来讲解深度学习背后的基础知识。本书总计9章，深入浅出地介绍了深度学习的理论与算法基础，从理论到实战全方位展开。前三章旨在帮助读者快速入门，介绍了必要的数学概念和必备工具的用法。后六章沿着深度学习的发展脉络，从最简单的多层感知机开始，讲解了深度神经网络的基本原理、常见挑战、优化算法，以及三大典型模型（基础卷积神经网络、基础循环神经网络和注意力神

  瞿炜 李力 杨洁计算机14.8万字
• 会员

  被算法操控的生活：重新定义精准广告、大数据和AI

  这是一个“算法世界”：建立在数据之上的算法指导社会的运行、决定我们能在网上看到什么；它更是自动驾驶、智能管家、未来医疗以至智慧城市的基石。如果我们不了解算法如何使用数据，就无法知道人工智能将如何改变我们的生活。通过采访谷歌和剑桥分析公司的数据专家、亲自模拟高科技巨头的算法模型，萨普特带我们直击智能产品背后的秘密、思考数字科技给社会带来的风险。我们对科技和互联网的日益依赖，使数据研究者能够收集与我们

  (瑞典)大卫·萨普特计算机14.8万字
• 会员

  智能计算系统：从深度学习到大模型

  本书由中科院计算所、软件所的专家学者倾心写就，以“图像风格迁移”应用为例，全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新，第1章回顾人工智能、智能计算系统的发展历程，第2、3章在介绍深度学习算法知识的基础上增加了大模型算法的相关知识，第4章介绍深度学习编程框架PyTorch的发展历程、基本概念、编程模型和使用方法，第5章介绍编程框架的工作原理，第6章回顾深度学习所用的处理器结构从

  陈云霁等编著计算机34.9万字
• 会员

  MindSpore大语言模型实战

  随着ChatGPT等大语言模型的迅速发展，大语言模型已经成为人工智能领域发展的快车道，不同领域涌现出各种强大的新模型。开发者想要独立构建、部署符合自身需求的大语言模型，需要理解大语言模型的实现框架和基本原理。本书梳理大语言模型的发展，首先介绍Transformer模型的基本原理、结构和模块及在NLP任务中的应用；然后介绍由只编码（Encoder-Only）到只解码（Decoder-Only）的技术

  陈雷编著计算机6.6万字
• 会员

  机器学习中的统计思维（Python实现）

  机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。

  董平编著计算机18万字