会员
人工智能时代生存指南
更新时间：2019-08-16 19:37:14 最新章节：终生学习，是我们在人工智能时代的宿命
书籍简介
继2016年初击败李世石后，2017年，AlphaGo卷土重来对战柯洁，唤起了全世界对人工智能（AI）的关注甚至警觉。而在比赛之外，人工智能和自动化技术正在悄然融入我们的日常生活，这预示着一个新的智能时代的开始。当技术的演进超出我们的认知，随之而来的慌乱不可避免，担忧人工智能取代人类似乎还很遥远，但人工智能带来的伦理和法律难题、自动化技术对低端岗位的“逐步蚕食”却近在眼前。如何缓解技术焦虑症，跟上这个急速变动的时代？终身学习，是我们在人工智能时代的宿命，你需要一本人工智能时代生存指南。
上架时间：2017-05-26 00:00:00
出版社：浙江出版集团数字传媒有限公司
上海阅文信息技术有限公司已经获得合法授权，并进行制作发行
最新章节
最新上架
- 会员我们在运用AI的时候，有时得不到自己想要的回答，于是责怪AI不够智能。我们容易忽略的是，AI的回答质量往往取决于提问的质量。《秒懂AI提问：让人工智能成为你的效率神器》系统地介绍了20种向AI提问的有效方法，用这些方法可以让AI给出高质量的回答。在介绍提问方法时，本书紧扣日常工作和生活，并通过对比让读者直观感受不同提问方法的效果，最后引出更多场景下的应用，让读者真正学以致用。《秒懂AI提问：让人工计算机5.4万字
- 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
- 会员本书以第一人称视角，讲述AI的来龙去脉，表达AI的技术原理。从历史到未来，跨越百年时空；从理论到实践，解读AI大爆炸；从技术到哲学，穿越多个维度；从语言到绘画，落地实战演练。ChatGPT的诞生，引发了奇点降临，点亮了AGI（通用人工智能），并涉及大模型、深度神经网络、Transformer、AIGC、涌现效应等一系列技术前沿。计算机8.6万字
- 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DeepSeek是一种基于Transformer架构的生成式AI（ArtificialIntelligence）大模型，融合了MoE架构、混合精度训练、分布式优化等先进技术，具备强大的文本生成、多模态处理和任务定制化能力。本书系统性地介绍了开源大模型DeepSeek-V3的核心技术及其在实际开发中的深度应用。全书分三部分共12章，涵盖理论解析、技术实现和应用实践。本书通过深度讲解与实用案例相结合计算机17.1万字
- 会员本书系统地探讨了人工智能对法律行业的深远影响、法律人应该掌握的AI知识以及相关的法律AI工具。本书共14章，分为五部分。第一部分（第1章）介绍了大模型的基础知识以及AI在法律领域的应用趋势和场景，并深入探讨了AI对法律行业带来的影响等。第二部分（第2~6章）针对法律人的主要工作任务，包括类案检索、案情分析、法律咨询、法律文书写作、合同审查等，详细讲解了应该如何使用AI来提升工作效率。第三部分（第7计算机23.8万字
- 会员本书共有10章，包括51个实操案例解析和80个行业案例分析。书中内容从技能线和案例线展开介绍。技能线：从人工智能的相关技术入手，不仅介绍了AI训练师的发展历程和行业动态，还重点讲述了AI训练师的职业技能提升方法。案例线：不仅涵盖了AI领域的各个方面，而且非常注重算法与模型的实际应用，通过分析大量的经典案例，可以让读者更好地掌握AI训练的相关技能。计算机11.6万字
- 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
- 会员本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的skle计算机0字