ChatGPT簡明教程 焦李成 9787560669359 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：西安電子科技大學
物品所在地：中國大陸
原出版社：西安電子科技大學
NT$248
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202307*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：ChatGPT簡明教程 ISBN：9787560669359 出版社：西安電子科技大學 著編譯者：焦李成 叢書名：人工智慧前沿技術叢書 頁數：213 所在地：中國大陸 *此為代購商品 書號：1555107 可大量預訂，請先連絡。 內容簡介 作為通用人工智慧的重要進展，ChatGPT的出現引起了學術界和產業界人士的廣泛關注。本書系統地論述了ChatGPT的發展歷程、核心技術和基本原理等內容。全書共15章。第1章介紹了ChatGPT的前世今生；第2∼6章論述了ChatGPT相關的基礎理論與發展應用；第7∼10章論述了ChatGPT的核心技術，包括Transformer、基於人類反饋的強化學習、提示學習以及模型學習與優化；第11章和第12章論述了ChatGPT的重要應用場景；第13∼15章論述了以ChatGPT為代表的通用大模型範式面臨的挑戰和對各行業領域的影響，並對下一代人工智慧重大場景戰略進行了解讀。 本書內容新穎，通俗易懂，適合作為人工智慧、智能科學與技術、計算機科學與技術、智能機器人技術、控制科學與工程、物聯網工程等專業本科生及研究生的通識教材，也可供相關科研人員、政府工作人員參考學習。作者簡介 焦李成，男，漢族，1959年10月生，1992年起任西安電子科技大學教授。現任智能感知與計算國際聯合研究中心主任、智能感知與圖像理解教育部重點實驗室主任、智能感知與計算國際合作聯合實驗室主任、「智能信息處理科學與技術」高等學校學科創新引智基地（「111計劃」）主任、教育部科技委國際合作部學部委員、中國人工智慧學會副理事長、IET西安分會主席、IEEE西安分會獎勵委員會主席、IEEE計算智能協會西安分會主席、IEEEGRSS西安分會主席，IEEETGRS副主編、教育部創新團隊首席專家。國務院學位委員會學科評議組成員、教育部本科教學水平評估專家。1991年被批准為享受國務院政府津貼的專家，1996年首批入選國家「百千萬」人才工程。當選為全國模範教師、陝西省師德標兵和曾任第八屆全國人大代表。 焦李成教授的主要研究方向為智能感知與計算、圖像理解與目標識別、深度學習與類腦計算，培養的十余名博士獲全國優秀博士學位論文獎、提名獎及陝西省優秀博士論文獎。研究成果獲包括國家自然科學獎二等獎及省部級一等獎以上科技獎勵十余項，出版學術專著十余部，五次獲國家優秀科技圖書獎勵及全國首屆三個一百優秀圖書獎。所發表的論著被他人引用超過25000餘篇次，H指數為65。目錄 第1章 ChatGPT的前世今生1 1 什麼是 ChatGPT 1 2 從波士頓動力機器人到ChatGPT 1 3 ChatGPT的使用說明 1 3 1 ChatGPT的註冊 1 3 2 ChatGPT的使用 1 3 3 如何與ChatGPT交流 1 4 ChatGPT 的優勢與缺點 1 4 1 ChatGPT的優勢 1 4 2 ChatGPT的缺點 1 5 ChatGPT的應用場景 1 5 1 辦公領域 1 5 2 搜索引擎 1 5 3 教育領域 1 5 4 會計領域 1 5 5 其他領域 第2章 自然語言處理 2 1 語義理解 2 2 機器翻譯 2 3 自動問答 2 3 1 自動問答系統的基礎架構 2 3 2 自動問答系統的實現技術 2 3 3 自動問答技術面臨的挑戰和發展趨勢 2 4 文本生成 2 4 1 基於規則驅動的文本生成 2 4 2 基於機器學習的文本生成 2 5 情感分析 第3章 ChatGPT深度學習基礎理論 3 1 神經網路的基本原理 3 2 卷積神經網路 3 3 Word2Vec 3 3 1 連續詞袋模型 3 3 2 SkipGram模型 3 4 循環神經網路 3 5 長短期記憶網路 第4章 GPT系列大模型 4 1 大規模預訓練模型 4 1 1 發展歷程 4 1 2 大模型的優勢 4 1 3 應用場景 4 2 大型預訓練語言模型 4 3 GPT 4 3 1 GPT1的結構 4 3 2 GPT1的數據集及參數量 4 3 3 GPT1的預訓練 4 3 4 GPT1的微調 4 3 5 GPT1的優勢及局限性 4 4 BERT 4 4 1 BERT的結構 4 4 2 BERT的數據集及參數量 4 4 3 BERT的預訓練 4 4 4 BERT的微調 4 4 5 BERT的優勢及局限性 4 5 GPT 4 6 GPT 4 7 ChatGPT 4 8 GPT 4 8 1 GPT4的基本信息 4 8 2 GPT4的亮點 第5章 人工智慧基礎大模型 5 1 谷歌的ViT22B視覺大模型 5 2 Meta的Segment Anything Model(SAM)分割大模型 5 3 微軟的VisualGPT模型 5 4 華為的盤古大模型 5 5 阿里的「通義千問」大模型 5 6 百度的「文心一言」大模型 5 7 商湯的「日日新SenseNova」大模型 5 8 西電的「西電遙感腦」大模型 5 9 西電的「智瞳醫行」大模型 第6章 擴散深度網路模型 6 1 簡介與背景 6 2 擴散模型的基本原理 6 3 擴散模型的改進方法 6 3 1 改進的擴散模型 6 3 2 更大規模的擴散模型 6 3 3 用文本引導的擴散模型 6 3 4 DALL·E 6 3 5 更穩定的擴散模型 第7章 ChatGPT核心技術——Transformer 7 1 整體結構 7 2 編碼器 7 3 解碼器 7 4 嵌入 7 5 模型優缺點 第8章 ChatGPT核心技術——基於人類反饋的強化學習 8 1 強化學習 8 1 1 基本定義 8 1 2 強化學習的分類 8 2 近端策略優化 8 2 1 策略梯度 8 2 2 信賴域策略優化演算法 8 2 3 PPO演算法 8 3 基於人類反饋的強化學習 8 4 強化學習Transformer 第9章 ChatGPT核心技術——提示學習 9 1 提示學習的基本流程 9 2 提示學習主要構造 9 2 1 預訓練模型的選擇 9 2 2 提示工程 9 2 3 答案工程 9 3 提示學習示例 9 3 1 ZeroShot提示學習 9 3 2 FewShot提示學習 9 3 3 CoT提示學習 9 3 4 自一致性提示學習 第10章 ChatGPT核心技術——模型學習與優化 10 1 有監督學習 10 2 無監督學習 10 3 少樣本學習與多任務學習 10 4 遷移學習 10 5 深度學習優化方法 10 5 1 梯度下降演算法 10 5 2 動量法 10 5 3 牛頓法 10 5 4 啟髮式學習優化演算法 第11章 ChatGPT的主要應用實例 11 1 讓 ChatGPT 成為我們生活中的幫手 11 1 1 寫文章 11 1 2 機器翻譯 11 1 3 對話聊天與提問 11 2 讓 ChatGPT 成為我們工作中的顧問 11 2 1 關鍵信息提取 11 2 2 檢查語法 11 2 3 SQL語言生成 11 3 讓ChatGPT成為我們科研中的助理 11 3 1 提供文獻檢索 11 3 2 提供研究背景 11 3 3 寫代碼 11 3 4 證明 11 4 讓ChatGPT為我們提供創作靈感 11 4 1 作曲 11 4 2 作詞 11 4 3 繪畫 第12章 ChatGPT智能教育大模型 12 1 教育大模型介紹 12 2 教育大模型的原理 12 3 教育大模型的應用 12 4 教育大模型的優勢和落地案例 12 4 1 教育大模型的優勢 12 4 2 教育大模型的落地案例 第13章 通用大模型範式面臨的挑戰 13 1 通用大模型範式面臨的十大挑戰 13 2 ChatGPT挑戰問題實例 13 2 1 圖靈測試 13 2 2 基礎數學計算 13 2 3 語義創新 13 2 4 模型偏見 13 2 5 語音識別難題 13 2 6 環境感知 13 3 NLP技術挑戰 13 4 NLP大模型應用發展挑戰 13 5 風險與應對戰略 13 5 1 技術風險及其應對策略 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
