 書單推薦 新書推薦 |
AI驅動開發(fā)：企業(yè)級機器學習與自動化編程實戰(zhàn) [美]克里斯托弗·諾林 等 ![AI驅動開發(fā)：企業(yè)級機器學習與自動化編程實戰(zhàn) [美]克里斯托弗·諾林 等](/images/noimages.gif)
定 價：139 元
當前圖書已被 3 所學校薦購過！
查看明細
9 7 7 8 8 7 7 1 2 1 0 1 4 
本書展示了如何使用AI工具構建應用程序和機器學習模型，以及自動化重復性任務。書中第1章~第7章主要聚焦于編程，用AI工具完成從用戶界面構建到后端開發(fā)的過程。你將使用提示詞來創(chuàng)建使用HTML進行構建的應用程序的外觀，用CSS來設計樣式，并借助JavaScript增加行為，同時處理多個視口。隨后，你將使用Python和Flask創(chuàng)建一個Web API，并對代碼進行重構以提升可讀性。最后，借助GitHub Copilot，優(yōu)化現(xiàn)有代碼的可維護性和性能。第8章~第19章提供了從數(shù)據(jù)檢查（檢查數(shù)據(jù)、創(chuàng)建分布圖和相關矩陣）到構建和優(yōu)化神經(jīng)網(wǎng)絡的數(shù)據(jù)科學提示工具包。你將針對各種機器學習模型和用例，使用不同的提示策略進行數(shù)據(jù)預處理、特征工程、模型選擇、訓練、超參數(shù)優(yōu)化和模型評估。第20章和第21章探討了GitHub Copilot的高階技術和軟件智能體，包括代碼生成、調試以及故障排除的技巧。你將了解AI驅動的智能體如何更簡單地工作，并發(fā)現(xiàn)工具調用的奧秘。
AI浪潮下，開發(fā)效率的競爭早已進入“AI 輔助”賽道！本書帶你解鎖GitHub Copilot和ChatGPT的強大能力——從用提示詞生成精準代碼，到構建電商應用、訓練預測模型，全流程實戰(zhàn)案例+實用技巧一網(wǎng)打盡。 無論是Web開發(fā)者想提速前端開發(fā)，還是數(shù)據(jù)科學家要簡化模型構建，這本書都能幫你讓AI成為“得力副駕”，告別重復勞動，專注核心創(chuàng)新。40+企業(yè)級案例、詳細的提示策略，讓你快速掌握AI輔助編程精髓，搶占技術先機！現(xiàn)在入手，開啟高效開發(fā)新范式～
前 言本書適合誰本書的目標讀者是Web開發(fā)、機器學習和數(shù)據(jù)科學領域內至少有1～3年經(jīng)驗的專業(yè)人士，特別是那些希望通過使用GitHub Copilot和ChatGPT等AI助手來提高工作效率的人群。本書旨在通過展示如何在不同問題領域利用AI助手來增強你的能力。書中不僅介紹了AI助手的整體功能，還就如何進行有效提示以獲得最佳效果提出了建議。本書涵蓋的內容第1章探索如何開始使用大語言模型，以及它們如何為許多人（不僅僅是IT工作者）帶來范式轉變。第2章解釋本書貫穿始終的提示策略，還提供了一些有效提示所選AI工具的指導原則。第3章解釋如何使用我們選擇的兩款AI助手—GitHub Copilot和ChatGPT，涵蓋從安裝到如何開始使用它們的全過程。第4章重點構建電子商務應用的前端（這是貫穿全書的主題）。第5章繼續(xù)開發(fā)電子商務應用，尤其關注CSS，以確保應用外觀更加吸引人。第6章通過JavaScript為電子商務應用注入動態(tài)互動效果。第7章解決了應用需要適應不同設備類型（無論是較小的移動屏幕、平板計算機還是臺式機屏幕）的問題。本章重點關注響應式設計。第8章介紹了應用程序要實際運行，就需要有一個由能夠讀寫數(shù)據(jù)和持久化數(shù)據(jù)的代碼組成的后端。因此，本章重點關注為我們的電子商務應用構建Web API。第9章詳細講述了如何訓練機器學習模型以及如何通過Web API公開該模型，以便所有擁有瀏覽器或能使用HTTP的客戶端都可以訪問電子商務應用。第10章主要討論了大多數(shù)開發(fā)人員如何在已有代碼的基礎上進行日常工作和維護，而非創(chuàng)建新項目。因此，本章的重點在于維護代碼的各個方面，如處理錯誤、優(yōu)化性能、執(zhí)行測試等。第11章使用評論數(shù)據(jù)集學習如何洞察數(shù)據(jù)的分布、趨勢、相關性等。第12章查看與第11章相同的評論數(shù)據(jù)集，這次將進行分類和情緒分析。第13章預測客戶年度支出金額，并通過回歸創(chuàng)建相應的預測模型。第14章重點探討如何基于Fashion-MNIST數(shù)據(jù)集構建MLP模型，繼續(xù)圍繞通用的電子商務主題展開。第15章深入探討CNN模型的構建。第16章重點關注聚類和PCA。第17章詳細介紹了如何使用GitHub Copilot進行機器學習，并與ChatGPT進行對比展示。第18章構建回歸模型。該章同樣使用GitHub Copilot。第19章專注于通過GitHub Copilot來進行回歸分析。不同之處在于，這里我們使用文本文件中已有的注釋作為提示詞，而非之前那樣在聊天界面中輸入提示詞。第20章專注于充分利用 GitHub Copilot提高效率。如果你想掌握GitHub Copilot，那么這一章。第21章探討了AI領域的未來發(fā)展方向—智能體。智能體能根據(jù)高級目標自主行動，從而更高效地協(xié)助你。如果你對未來趨勢感興趣，這一章絕對值得一讀。第22章總結使用AI助手工作的重要經(jīng)驗，以此結束本書。本書目標●介紹使用自然語言進行編程的新范式�！裉峁╅_始使用AI助手的工具�！窠淌谔崾竟こ�，特別是展示一套提示策略（參見第2章）和一些合理的實踐案例（參見第8章）。我們確信，憑借這些工具、提示策略和實踐案例，你將能夠高效且負責任地使用AI助手，進而提升工作質量和生產(chǎn)力。如何充分利用本書如果你在每個領域都已經(jīng)參與了幾個項目，并非完全的初學者，那么這本書將為你帶來更多收益。本書重點在于優(yōu)化你現(xiàn)有的開發(fā)工作流程。如果你完全是Web開發(fā)、數(shù)據(jù)科學或機器學習方面的新手，我們建議你參考Packt的其他書籍。請參閱下方鏈接獲取推薦書籍�！駂ttps://www.packtpub.com/en-us/product/html5-web-application-development-by-example-beginners-guide-9781849695947●Oliver Theobald的Machine Learning with Python: Unlocking AI Potential with Python and Machine Learning (https://www.packtpub.com/en-US/product/machine-learning-with-python-9781835461969)本書的編寫方式是，先向你展示建議你編寫的提示詞，再展示所選AI工具的輸出結果�！窬o隨Web開發(fā)的章節(jié)，我們建議安裝Visual Studio Code。本書有章節(jié)專門介紹如何安裝GitHub Copilot并加以利用。Visual Studio Code的安裝指南請參見https://code.visualstudio.com/download�！駥τ跈C器學習的章節(jié)，建議使用ChatGPT解決大多數(shù)問題，可以通過Web瀏覽器訪問。我們推薦使用Notebook，以便通過多種工具查看。有關Notebook設置的詳細說明，請訪問https://code.visualstudio.com/docs/datascience/jupyter-notebooks�！袷褂肎itHub Copilot需要登錄GitHub賬戶。請參考https://docs.github.com/en/copilot/quickstart進行GitHub Copilot的設置。下載示例代碼文件與彩色圖像本書的代碼包及部分任務答案托管在GitHub上，網(wǎng)址為https://github.com/PacktPublishing/AI-Assisted-Software-Development-with-GitHub-Copilot-and-ChatGPT。我們還提供了其他豐富的圖書和視頻目錄中的代碼包，網(wǎng)址為https://github.com/PacktPublishing/。此外，我們還準備了一份PDF文件，包含本書所有截圖和圖表的彩色版本。你可以在https://packt.link/gbp/9781835086056下載。排版約定本書使用了一些排版約定。CodeInText：表示文本中的代碼詞、數(shù)據(jù)庫表名、文件夾名、文件名、文件擴展名、路徑名、虛擬URL、用戶輸入和X（原Twitter）用戶名。例如：“現(xiàn)在已經(jīng)創(chuàng)建了product.css并包含上述內容，我們可以在HTML文件中包含該CSS文件�！贝煮w：表示新術語、重要詞或你在屏幕上看到的詞。例如，菜單或對話框中的詞會以這種方式出現(xiàn)在文本中：“創(chuàng)建新用戶：應該可以創(chuàng)建一個新用戶�！�
克里斯托弗·諾林（Christoffer Noring）微軟高級布道師，專注于應用程序開發(fā)和人工智能領域。他不僅是谷歌開發(fā)者專家，還是牛津大學云模式和人工智能方面的導師。安加利·賈因（Anjali Jain）牛津大學高級人工智能和機器學習導師，擁有超過20年的從業(yè)經(jīng)驗。她目前擔任Metrobank的數(shù)據(jù)架構師，專為金融行業(yè)提供人工智能、數(shù)據(jù)、架構、數(shù)據(jù)治理和軟件開發(fā)方面的專業(yè)知識�，旣惸取べM爾南德斯（Marina Fernandez）Databricks顧問，專注于金融風險管理的數(shù)據(jù)科學，擁有超過20年的大型企業(yè)系統(tǒng)開發(fā)經(jīng)驗。她目前擔任牛津大學學術團隊的高級人工智能和機器學習導師及客座講師。艾謝·穆特魯（Ay?e Mutlu）數(shù)據(jù)科學家，專注于Azure AI和DevOps技術，主要使用Microsoft Azure框架構建和部署機器學習和深度學習模型。阿吉特·焦卡爾（Ajit Jaokar）FeynLabs數(shù)據(jù)科學家，專注于為復雜應用程序構建人工智能原型。他目前擔任牛津大學人工智能課程的主任，并在倫敦經(jīng)濟學院、馬德里理工大學和哈佛大學肯尼迪政府學院教授人工智能課程。
目 錄推薦序一推薦序二推薦序三推薦序四推薦序五推薦序六譯者序前言第1章 歡迎進入AI助手新世界 ………11.1 導論 ……………………………………11.2 ChatGPT的發(fā)展歷程：從自然語言處理到大語言模型 ……………………11.2.1 大語言模型的興起 ………… 21.2.2 GPT模型 …………………… 21.2.3 大語言模型的優(yōu)勢 ………… 31.3 新范式：使用自然語言編程 ………31.4 編程語言的演進 ………………………4第2章 提示策略 ……………………………52.1 導論 ……………………………………52.2 你的身份 ………………………………52.3 如何有效提示 …………………………62.4 針對Web開發(fā)領域的提示策略 …132.4.1 分解問題：Web庫存管理系統(tǒng) ……………………… 132.4.2 將前端問題分解為功能 … 132.4.3 為每個功能生成提示詞 … 142.4.4 確定Web開發(fā)領域的提示策略 ……………………… 142.5 針對數(shù)據(jù)科學領域的提示策略 …152.5.1 分解問題：預測銷售額 … 152.5.2 將數(shù)據(jù)科學問題分解為步驟 ……………………… 152.5.3 為每個步驟生成提示詞 … 162.5.4 確定數(shù)據(jù)科學領域的提示策略 ……………………… 162.6 驗證結果 ……………………………172.6.1 通過提示詞驗證 ………… 172.6.2 經(jīng)典驗證 ………………… 182.7 總結 …………………………………19第3章 行業(yè)工具：AI助手介紹 ……203.1 導論 …………………………………203.2 了解Copilot …………………………203.2.1 Copilot如何知道要生成什么 ……………………… 213.2.2 Copilot的功能和局限性 … 213.2.3 設置和安裝 ……………… 213.2.4 開始使用Copilot ……… 223.2.5 任務 ……………………… 233.2.6 答案 ……………………… 233.2.7 挑戰(zhàn) ……………………… 243.2.8 參考文獻 ………………… 243.3 了解ChatGPT ………………………243.3.1 ChatGPT如何工作 …… 253.3.2 ChatGPT的功能和局限性 ……………………… 253.3.3 設置和安裝 ……………… 253.3.4 開始使用ChatGPT ……… 263.4 總結 …………………………………28第4章 使用HTML和Copilot構建應用程序的外觀 ……………………294.1 導論 …………………………………294.2 業(yè)務問題 ……………………………304.2.1 問題領域 ………………… 304.2.2 功能分解 ………………… 304.2.3 提示策略 ………………… 314.3 頁面結構 ……………………………314.4 為頁面結構構建添加AI輔助 …324.4.1 第1條提示詞：簡單提示詞以及輔助AI助手 ……… 324.4.2 第2條提示詞：添加更多上下文 ……………………… 334.4.3 第3條提示詞：接受提示建議 ……………………… 344.5 挑戰(zhàn)：改變提示詞內容 …………374.6 用例：構建電子商務網(wǎng)站前端 …374.6.1 登錄頁面 ………………… 374.6.2 產(chǎn)品頁面 ………………… 384.6.3 剩余頁面 ………………… 404.7 任務 …………………………………414.8 挑戰(zhàn) …………………………………414.9 測驗 …………………………………414.10 總結 …………………………………42第5章 使用CSS和Copilot為應用程序添加樣式 ……………………435.1 導論 …………………………………435.2 業(yè)務問題 ……………………………435.3 問題和數(shù)據(jù)領域 ……………………445.4 功能分解 ……………………………445.5 提示策略 ……………………………445.6 CSS ……………………………………455.6.1 第一個CSS ……………… 455.6.2 按名稱分類的CSS ……… 475.7 任務 …………………………………485.8 用例：為電子商務應用程序添加樣式 …………………………………485.9 挑戰(zhàn) …………………………………505.10 測驗 …………………………………505.11 總結 …………………………………51第6章 使用JavaScript添加行為 …526.1 導論 …………………………………526.2 業(yè)務問題 ……………………………526.3 問題和數(shù)據(jù)領域 ……………………526.4 功能分解 ……………………………536.5 提示策略 ……………………………536.6 添加JavaScript ……………………546.6.1 JavaScript的作用 ……… 546.6.2 向頁面添加JavaScript … 546.6.3 添加JavaScript庫/框架 … 556.7 挑戰(zhàn) …………………………………566.8 用例：添加行為 ……………………576.8.1 改進輸出結果 …………… 596.8.2 添加Bootstrap ………… 616.8.3 添加Vue.js ……………… 646.9 任務 …………………………………676.10 總結 …………………………………67第7章 使用響應式Web布局支持多個視口 ………………………………697.1 導論 …………………………………697.2 業(yè)務問題 ……………………………707.3 問題和數(shù)據(jù)領域 ……………………707.4 功能分解 ……………………………707.5 提示策略 ……………………………707.6 視口 …………………………………717.6.1 媒體查詢 ………………… 717.6.2 何時調整以適應不同的視口并使其響應 ……………… 717.7 用例：使產(chǎn)品庫具有響應性 ……747.8 任務 …………………………………787.9 挑戰(zhàn) …………………………………797.10 總結 …………………………………79第8章 構建具有Web API的后端 …808.1 導論 …………………………………808.2 業(yè)務問題 ……………………………808.3 問題和數(shù)據(jù)領域 ……………………818.4 功能分解 ……………………………818.5 提示策略 ……………………………818.6 Web API ………………………………828.6.1 應該選擇哪種語言和框架 ……………………… 828.6.2 規(guī)劃Web API …………… 828.7 使用Python和Flask創(chuàng)建Web API ………………………………828.7.1 步驟1：創(chuàng)建新項目 …… 838.7.2 步驟2：安裝Flask …… 848.7.3 步驟3：創(chuàng)建入口點 … 848.7.4 步驟4：創(chuàng)建Flask應用程序 ……………………… 848.8 用例：電子商務網(wǎng)站的Web API …858.8.1 步驟1：為電子商務網(wǎng)站創(chuàng)建Web API ……………… 868.8.2 步驟2：返回JSON而不是文本 ……………………… 878.8.3 步驟3：添加讀寫數(shù)據(jù)庫的代碼 ……………………… 888.8.4 步驟4：改進代碼 ……… 948.8.5 步驟5：為API編寫文檔 ……………………… 998.9 任務 …………………………………1038.10 挑戰(zhàn) …………………………………1038.11 總結 …………………………………103第9章 用AI服務增強Web應用程序 ………………………………1049.1 導論 …………………………………1049.2 業(yè)務問題 ……………………………1049.3 問題和數(shù)據(jù)領域 ……………………1059.4 功能分解 ……………………………1059.5 提示策略 ……………………………1059.6 創(chuàng)建模型 ……………………………1059.7 制訂計劃 ……………………………1069.7.1 導入庫 …………………… 1079.7.2 讀取CSV文件 ………… 1089.7.3 創(chuàng)建測試數(shù)據(jù)集和訓練數(shù)據(jù)集 ……………………… 1089.7.4 創(chuàng)建模型 ………………… 1099.7.5 模型效果 ………………… 1099.7.6 預測 ……………………… 1109.7.7 將模型保存為.pkl文件 … 1119.7.8 在Python中創(chuàng)建REST API ……………… 1129.8 將模型轉換為ONNX格式 ………1139.9 在JavaScript中加載ONNX模型 …………………………………1149.9.1 在JavaScript中安裝onnxruntime …………… 1149.9.2 在JavaScript中加載ONNX模型 ……………………… 1149.10 任務 …………………………………1159.11 測驗 …………………………………1159.12 總結 …………………………………115第10章 維護現(xiàn)有代碼庫 ……………11610.1 導論 …………………………………11610.2 提示策略 ……………………………11610.3 不同的維護類型 …………………11610.4 維護過程 ……………………………11710.5 解決一個漏洞 ……………………11710.5.1 識別問題 ……………… 11810.5.2 實施更改 ……………… 11910.6 添加新功能 ………………………12010.6.1 識別問題并找到需要更改的函數(shù) ……………………… 12110.6.2 實施更改，添加新功能和測試 ……………………… 12210.7 提高性能 ……………………………12310.7.1 大O表示法計算 ……… 12510.7.2 測試性能 ……………… 12510.8 提高可維護性 ……………………12610.8.1 識別問題 ……………… 12810.8.2 添加測試并降低更改風險 ……………………… 12810.8.3 實施更改并提高可維護性 ……………………… 13310.9 挑戰(zhàn) …………………………………13510.10 更新現(xiàn)有的電子商務網(wǎng)站 ……13510.11 任務 ………………………………14310.12 測驗 ………………………………14310.13 總結 ………………………………143第11章 使用ChatGPT進行數(shù)據(jù)探索 ……………………………14411.1 導論 …………………………………14411.2 業(yè)務問題 ……………………………14411.3 問題和數(shù)據(jù)領域 …………………14511.4 功能分解 ……………………………14511.5 提示策略 ……………………………14611.5.1 策略1：TAG提示策略 … 14611.5.2 策略2：PIC提示策略 … 14711.5.3 策略3：LIFE提示策略 … 14711.6 使用免費版ChatGPT對亞馬遜評論數(shù)據(jù)集進行數(shù)據(jù)探索 ……………14711.6.1 功能1：數(shù)據(jù)加載 …… 14711.6.2 功能2：數(shù)據(jù)檢查 …… 15011.6.3 功能3：匯總統(tǒng)計 …… 15311.6.4 功能4：分類分析 …… 15511.6.5 功能5：評分分布可視化 ………………… 15711.6.6 功能6：時間趨勢分析 … 15911.6.7 功能7：評論文本分析 … 16111.6.8 功能8：相關性分析 … 16311.7 使用ChatGPT-4o對亞馬遜評論數(shù)據(jù)集進行數(shù)據(jù)探索 ………………16511.8 任務 …………………………………17011.9 挑戰(zhàn) …………………………………17011.10 總結 ………………………………171第12章 用ChatGPT構建分類模型 ……………………………17212.1 導論 …………………………………17212.2 業(yè)務問題 ……………………………17212.3 問題和數(shù)據(jù)領域 …………………17312.4 功能分解 ……………………………17312.5 提示策略 ……………………………17412.5.1 策略1：TAG提示策略 … 17412.5.2 策略2：PIC提示策略 … 17512.5.3 策略3：LIFE提示策略 ……………………… 17512.6 使用免費版ChatGPT構建情緒分析模型，精準分類亞馬遜評論 …17512.6.1 功能1：數(shù)據(jù)預處理和特征工程 ……………………… 17512.6.2 功能2：模型選擇和基線訓練 ……………………… 18112.6.3 功能3：模型評估和解釋 ……………………… 18312.6.4 功能4：處理不平衡數(shù)據(jù) ……………………… 18912.6.5 功能5：超參數(shù)調優(yōu) … 19112.6.6 功能6：嘗試特征表示方法 ……………………… 19312.7 使用ChatGPT-4或ChatGPT Plus構建情緒分析模型，精準分類亞馬遜評論 …………………………………19812.7.1 功能1：數(shù)據(jù)預處理和特征工程 ……………………… 19812.7.2 功能2：模型選擇和基線訓練 ……………………… 20112.7.3 功能3：模型評估和解釋 ……………………… 20212.7.4 功能4：處理不平衡數(shù)據(jù) ……………………… 20412.7.5 功能5：超參數(shù)調優(yōu) … 20512.7.6 功能6：嘗試特征表示方法 ……………………… 20712.8 任務 …………………………………20912.9 挑戰(zhàn) …………………………………20912.10 總結 ………………………………209第13章 使用ChatGPT構建客戶消費的回歸模型 ……………………21013.1 導論 …………………………………21013.2 業(yè)務問題 ……………………………21113.3 問題和數(shù)據(jù)領域 …………………21113.4 功能分解 ……………………………21213.5 提示策略 ……………………………21213.5.1 策略1：TAG提示策略 … 21213.5.2 策略2：PIC提示策略 … 21313.5.3 策略3：LIFE提示策略 … 21313.6 使用免費版ChatGPT構建簡單線性回歸模型 ……………………………21313.6.1 功能1：逐步構建模型 … 21313.6.2 功能2：應用正則化技術 ……………………… 22313.6.3 功能3：生成合成數(shù)據(jù)集以增加復雜性 ………… 22713.6.4 功能4：為合成數(shù)據(jù)集生成一步到位的開發(fā)模型的代碼 ……………………… 22913.7 使用ChatGPT Plus構建簡單線性回歸模型 ……………………………23113.7.1 功能1：逐步構建模型 … 23113.7.2 功能2：應用正則化技術 ……………………… 23713.7.3 功能3：生成合成數(shù)據(jù)集以增加復雜性 ………… 24113.7.4 功能4：為合成數(shù)據(jù)集生成一步到位的開發(fā)模型的代碼 ……………………… 24313.8 任務 …………………………………24513.9 挑戰(zhàn) …………………………………24513.10 總結 ………………………………245第14章 使用ChatGPT為Fashion-MNIST數(shù)據(jù)集構建MLP模型 ……………………………24614.1 導論 …………………………………24614.2 業(yè)務問題 ……………………………24614.3 問題和數(shù)據(jù)領域 …………………24714.4 功能分解 ……………………………24814.5 提示策略 ……………………………24814.5.1 策略1：TAG提示策略 … 24814.5.2 策略2：PIC提示策略 … 24914.5.3 策略3：LIFE提示策略 … 24914.6 使用免費版ChatGPT構建可以準確分類Fashion-MNIST圖像的MLP模型 …………………………………24914.6.1 功能1：構建基線模型 ……………………… 24914.6.2 功能2：為模型添加層 ……………………… 26214.6.3 功能3：嘗試不同的批量大小 ……………………… 26514.6.4 功能4：嘗試不同的神經(jīng)元數(shù)量 ……………………… 26714.6.5 功能5：嘗試不同的優(yōu)化器 ……………………… 26814.7 任務 …………………………………27114.8 挑戰(zhàn) …………………………………27114.9 總結 …………………………………271第15章 使用ChatGPT為CIFAR-10構建CNN模型 ………………27215.1 導論 …………………………………27215.2 業(yè)務問題 ……………………………27215.3 問題和數(shù)據(jù)領域 …………………27315.4 功能分解 ……………………………27415.5 提示策略 ……………………………27415.5.1 策略1：TAG提示策略 … 27515.5.2 策略2：PIC提示策略 … 27515.5.3 策略3：LIFE提示策略 … 27515.6 使用免費版ChatGPT構建可以準確分類CIFAR-10圖像的CNN模型 …………………………………27515.6.1 功能1：構建基線模型 … 27515.6.2 功能2：為模型添加層 … 28215.6.3 功能3：引入dropout正則化 ……………………… 28815.6.4 功能4：實現(xiàn)批量歸一化 ……………………… 29215.6.5 功能5：嘗試不同的優(yōu)化器 ……………………… 29715.6.6 功能6：應用DavidNet架構 ……………………… 29915.7 任務 …………………………………30915.8 挑戰(zhàn) …………………………………30915.9 總結 …………………………………309第16章 無監(jiān)督學習：聚類和PCA …31016.1 導論 …………………………………31016.2 功能分解 ……………………………31016.3 提示策略 ……………………………31116.4 電子商務項目的客戶細分 ………31116.4.1 數(shù)據(jù)集概述 …………… 31116.4.2 在無監(jiān)督學習模型開發(fā)過程中添加AI輔助 ………… 31116.5 電子商務項目的產(chǎn)品聚類 ………32716.5.1 初始提示詞：設置語境 … 32716.5.2 加載和預處理數(shù)據(jù) …… 32916.5.3 特征工程和文本數(shù)據(jù)預處理 ……………………… 33016.5.4 選擇聚類算法 ………… 33916.5.5 特征縮放 ……………… 33916.5.6 應用聚類算法 ………… 34016.5.7 解釋簇和可視化結果 … 34816.5.8 為產(chǎn)品分配類別以及評估和改進 ……………………… 35216.6 對該用例提示詞的反思 …………35616.7 任務 …………………………………35616.8 總結 …………………………………356第17章 使用Copilot進行機器學習 …35717.1 導論 …………………………………35717.2 集成開發(fā)環(huán)境里的CopilotChat …………………………………35717.3 數(shù)據(jù)集概述 ………………………35817.4 數(shù)據(jù)探索步驟 ……………………35917.5 提示策略 ……………………………35917.6 初始數(shù)據(jù)探索提示詞 ……………36017.7 步驟1：數(shù)據(jù)加載 ………………36117.8 步驟2：數(shù)據(jù)檢查 ………………36317.9 步驟3：匯總統(tǒng)計 ………………36617.10 步驟4：分類分析 ………………36717.11 步驟5：評分分布可視化 ……36917.12 步驟6：時間趨勢分析 ………37017.13 步驟7：評論文本分析 ………37117.14 步驟8：相關性分析 ……………37417.15 步驟9：其他探索性分析 ……37617.16 任務 ………………………………38417.17 總結 ………………………………384第18章 使用Copilot Chat進行回歸分析 ……………………………38518.1 導論 …………………………………38518.2 回歸 …………………………………38618.3 數(shù)據(jù)集概述 ………………………38618.4 提示策略 ……………………………38718.4.1 初始提示詞 …………… 38718.4.2 探索性數(shù)據(jù)分析 ……… 39018.4.3 數(shù)據(jù)分割 ……………… 39418.4.4 構建回歸模型 ………… 39518.5 評估模型 ……………………………40018.6 任務 …………………………………40318.7 總結 …………………………………403第19章 使用Copilot建議進行回歸分析 ……………………………40419.1 導論 …………………………………40419.2 數(shù)據(jù)集概述 ………………………40419.3 提示策略 ……………………………40519.4 在Copilot的幫助下開始編程 …40519.4.1 步驟1：在Copilot的幫助下導入庫 ……………… 40519.4.2 步驟2：加載并探索數(shù)據(jù)集 ……………………… 40619.4.3 步驟3：將數(shù)據(jù)分為訓練集和測試集 ……………… 41219.4.4 步驟4：構建回歸問題 … 41419.4.5 步驟5：訓練模型 …… 41419.4.6 步驟6：評估模型性能 … 41419.5 任務 …………………………………41519.6 總結 …………………………………416第20章 利用Copilot提高效率 ……41720.1 導論 …………………………………41720.2 代碼生成和自動化 ………………41720.2.1 Copilot的活動編輯器 … 41820.2.2 Copilot Chat …………… 41820.3 Copilot 命令 ………………………41920.3.1 創(chuàng)建Notebook ………… 42020.3.2 創(chuàng)建項目 ……………… 42220.4 調試和排除故障 …………………42320.5 代碼審查和優(yōu)化技術 ……………42620.6 工作空間 ……………………………43020.7 Visual Studio Code 查詢 …………43220.8 終端 …………………………………43320.9 任務 …………………………………43320.10 挑戰(zhàn) ………………………………43320.11 測驗 ………………………………43320.12 總結 ………………………………434第21章 軟件開發(fā)中的智能體 ………43521.1 導論 …………………………………43521.2 什么是智能體 ……………………43521.3 簡單智能體與使用AI的智能體 …………………………………43621.4 簡單智能體 ………………………43621.4.1 簡單智能體不是一個優(yōu)秀的對話者 ………………… 43621.4.2 通過調用工具和大語言模型提升對話質量 ………… 43721.4.3 對話智能體的架構 …… 43721.4.4 關于LLM工具調用的更多信息 ……………… 43821.4.5 使用工具為GPT添加功能 ……………………… 43821.5 高級對話 ……………………………44021.5.1 構建高級對話模型 …… 44221.5.2 高級對話的偽代碼 …… 44221.6 自主智能體 ………………………44421.7 任務 …………………………………44421.8 挑戰(zhàn) …………………………………44521.9 測驗 …………………………………44521.10 總結 ………………………………44521.11 參考文獻 …………………………446第22章 結論 ……………………………44722.1 本書回顧 ……………………………44722.2 主要結論 ……………………………44822.3 未來趨勢 ……………………………44822.4 寫在最后 ……………………………448
你還可能感興趣
我要評論
|
