造神：人工智能神话的起源和破除

最新上架

• 会员

  机器学习

  机器学习是计算机科学与人工智能的重要分支领域.本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面.全书共16章，大致分为3个部分：第1部分（第1～3章）介绍机器学习的基础知识；第2部分（第4～10章）讨论一些经典而常用的机器学习方法（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3部分（第11～16章）为进阶知识，内容涉及特征选择与稀疏学习、计算

  周志华计算机22.7万字
• 智能汽车软件功能安全

  这是一本从实践角度系统且深入地讲解智能汽车软件功能安全和智能汽车软件研发的著作，得到了中国工程院院士李克强等13位产业界和学术界专家的一致推荐。作者在功能安全领域深耕10余年，有扎实的理论基础、丰富的实践经验，用挖掘本质的思维方法来撰写本书，从研发体系、架构设计、开发流程、开发方法、安全措施、创新研究等维度对智能汽车软件功能安全做了深入的讲解。全书共11章，分为3个部分。第一部分（第1~3章）智能

  吴丹丹计算机25.9万字
• 会员

  量子人工智能

  量子计算与人工智能的交叉融合，促使量子人工智能的不断发展。本书旨在采用对深度学习爱好者友好的方式，构建量子人工智能应用。全书共13章，第1章和第2章系统介绍量子计算机发展脉络和量子计算编程的基础知识。第3~7章分别介绍不同的深度学习方法和在这些算法逻辑上构建量子启发算法的方式，用量子线路中的相位作为神经网络的可学习参数，重构为量子神经网络算子。这些算子可以在PyTorch环境中直接调用。第8章和第

  金贤敏 胡俊杰编著计算机7.6万字
• 会员

  人工智能编程实践：Python编程5级

  青少年人工智能编程水平测试涵盖从数学逻辑到计算思维、从拖曳程序模块到程序编写、从数学建模到算法设计等多学科知识，能够对学生的多学科知识综合运用能力做出评价；能够通过设计的具体解决方案，对学生的计算思维、创造性思维等能力做出评价；在具体的解决方案中，能够通过设计算法模型和实现算法，对学生掌握和运用编程的能力做出评价。本书将生活中的一些案例和程序算法相结合，深入浅出地为学生讲解不同进制之间的转换、函数

  高凯主编计算机3.9万字
• 大模型垂直领域低算力迁移：微调、部署与优化

  本书是一本深度探讨大模型在低算力环境下实现迁移与微调的实践指南，并深入讲解了大模型的部署与优化策略。书中结合多个垂直领域的应用场景，从理论到技术实现，全程详尽讲解了如何应对大模型在行业落地中的技术挑战，帮助读者逐步掌握大模型的迁移与微调核心技术。无论你是大模型开发者、人工智能研究人员，还是对垂直领域AI应用感兴趣的行业专家，本书都将带你深入大模型的核心领域，提供从构建、优化到部署的全流程指导，助你

  程戈计算机13.7万字
• 会员

  AI律师助手：律师实务ChatGPT实战指南

  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

  轩珍珍 徐伟浩计算机10.6万字
• 会员

  Sora革命：重塑人工智能

  Sora是一个文本生成视频工具，本书介绍了Sora在视频生成领域的巨大潜力。本书共9章，系统讲解人工智能的演进、Sora的应用实践、Sora深度解析、Sora的挑战与未来等。本书内容全面、图文并茂、经典易懂，适合想要学习Sora的初学者，以及想要学习文本生成文本、文本生成图片、文本生成视频等内容的人工智能爱好者、自媒体从业人员、短视频制作者、设计师、相关专业的企业和高校人员阅读。

  林富荣编著计算机3.2万字
• 会员

  大模型应用开发：核心技术与领域实践

  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

  于俊 刘淇 程礼磊 程明月计算机12.3万字
• 会员

  机器学习的算法分析和实践

  本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最

  孙健编著计算机7.4万字