解码智能时代：从中国国际智能产业博览会瞭望全球智能产业

最新上架

• 制造业大模型的构建与实践

  本书分两篇，为读者提供基于制造业视角的大模型理论与应用指南。基础篇深入大模型理论层面，主要介绍大模型的基础知识、构建路径、价值对齐策略，同时涉及多模态与AIGC技术、提示词工程的相关知识。应用篇则聚焦于大模型的实践应用层面，主要讲解垂直制造领域微调、RAG等构建技术，AIAgent的原理与应用，以及大模型压缩与部署策略，并且通过具体案例来展示大模型在工业制造及设备运维等方面的应用，最后对大模型进行

  郭秉义计算机18.3万字
• 会员

  GPT图解：大模型是怎样构建的

  人工智能（AI），尤其是生成式语言模型和生成式人工智能（AIGC）模型，正以惊人的速度改变着我们的世界。驾驭这股潮流的关键，莫过于探究自然语言处理（NLP）技术的深奥秘境。本书将带领读者踏上一段扣人心弦的探索之旅，让其亲身感受，并动手搭建语言模型。本书主要内容包括N-Gram，词袋模型（BoW），Word2Vec（W2V），神经概率语言模型（NPLM），循环神经网络（RNN），Seq2Seq（S2

  黄佳计算机14万字
• 会员

  PyTorch深度学习应用实战

  《PyTorch深度学习应用实战》以统计学/数学为出发点，介绍深度学习必备的数理基础，讲解PyTorch的主体架构及最新的模块功能，包括常见算法与相关套件的使用方法，例如对象侦测、生成对抗网络、深度伪造、图像中的文字辨识、脸部辨识、BERT/Transformer、聊天机器人、强化学习、自动语音识别、知识图谱等。本书配有大量案例及图表说明，同时以程序设计取代定理证明，缩短学习过程，增加学习乐趣。

  陈昭明 洪锦魁计算机15.2万字
• 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
• 空间计算：人工智能驱动的新商业革命

  空间计算是一种不断发展的以三维世界为中心的计算形式和交互形式，是以计算机视觉为基础的高阶应用。其核心是使用AI、计算机视觉和扩展现实将虚拟体验融入物理世界，让用户摆脱屏幕的束缚，自然地与数字世界中的对象互动，就像与真实世界中的对象互动一样。随着生成式AI的爆发，空间计算平台将拥有更加丰富的内容，将在很大程度上改变我们的生活和工作，重新定义商业模式，并改变我们与技术和整个世界互动的方式，推动我们进入

  (美)凯西·哈克尔 伊雷娜·克罗宁计算机12.1万字
• 会员

  人工智能新时代：核心技术与行业赋能

  本书以人工智能为核心，上篇讲述了人工智能理论知识及发展蓝图规划，目的是帮助读者认识人工智能，找到入局人工智能领域的途径和方法；中篇罗列了可以为人工智能赋能的前沿技术，包括NLP、机器学习、大数据、物联网、区块链等；下篇总结了人工智能对交通、农业、医疗、制造、教育、金融、文娱等行业的影响和作用，旨在让读者了解人工智能是如何在这些行业实现商业化落地的。本书从多个角度出发，描绘了一幅完整的人工智能发展蓝

  郭哲滔 任宇翔计算机15.8万字
• 会员

  生成式AI实战

  本书由浅入深地介绍了生成式AI的理论与实践，内容涉及从基础原理到前沿应用，为读者提供了一个系统的认知框架。本书从生成式AI技术的基础工具入手，逐步深入到Transformer模型与GPT的原理和应用，详细介绍了图像生成模型StableDiffusion，以及LangChain与AIAgent的相关知识。书中结合开源代码分析，展示了生成式AI在各行各业的实际应用，并探讨了其在高速发展过程中所面临

  欧阳植昊 梁菁菁 吕云翔主编计算机11.7万字
• 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

  机器学习（第2版）

  机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本书涵盖了机器学习和深度学习的基础知识，主要包括机器学习的概述、统计学基础、分类、聚类、神经网络、贝叶斯网络、支持向量机、文本分析、分布式机器学习算法等经典的机器学习基础知识，还包括卷积神经网络、循环神经网络、生成对抗网络、目标检测、自编码器等深度学习的内容。此外，本书还介绍了机器学习的热门应用领域推荐系统以及强化学习等主题。本书深入浅出、内容

  赵卫东 董亮编著计算机30.2万字