隨著大語言模型的快速發(fā)展，語言AI已經(jīng)進(jìn)入了新的階段。這種新型的語言AI模型具有強(qiáng)大的自然語言處理能力，能夠理解和生成人類語言，從而在許多領(lǐng)域中都有廣泛的應(yīng)用前景。大語言模型的出現(xiàn)將深刻影響人類的生產(chǎn)和生活方式。本書將介紹提示工程的基本概念和實(shí)踐，旨在幫助讀者了解如何構(gòu)建高質(zhì)量的提示內(nèi)容，以便更高效地利用大語言模型進(jìn)行

本書主要介紹控制系統(tǒng)的基礎(chǔ)知識(shí)和設(shè)計(jì)方法。全書首先介紹了控制系統(tǒng)的基本概念，然后論述了控制系統(tǒng)的微分方程和傳遞函數(shù)等數(shù)學(xué)模型的建立和等效簡(jiǎn)化方法。在系統(tǒng)分析方面，主要介紹了控制系統(tǒng)的時(shí)域分析法、根軌跡分析法和頻域分析法。在系統(tǒng)設(shè)計(jì)方面，主要介紹了串聯(lián)校正技術(shù)和PID控制技術(shù)。在計(jì)算機(jī)控制技術(shù)方面，論述了連續(xù)信號(hào)的采樣過

本書循序漸進(jìn)地講解了使用TensorFlow開發(fā)深度學(xué)習(xí)程序的核心知識(shí)，并通過具體實(shí)例的實(shí)現(xiàn)過程演練了使用TensorFlow的方法和流程。書中首先講解了TensorFlow深度學(xué)習(xí)基礎(chǔ)知識(shí)；然后介紹了數(shù)據(jù)集制作、前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對(duì)抗網(wǎng)絡(luò)、自然語言處理、注意力機(jī)制、概率圖模型、深度信念網(wǎng)

本書包含十四章實(shí)驗(yàn)內(nèi)容：前十章屬于驗(yàn)證型實(shí)驗(yàn)，涉及的內(nèi)容包括典型系統(tǒng)的模擬實(shí)現(xiàn)與研究、二階系統(tǒng)的特征參數(shù)對(duì)動(dòng)態(tài)性能影響、二階系統(tǒng)參數(shù)對(duì)穩(wěn)態(tài)性能影響、三階系統(tǒng)穩(wěn)定性分析、根軌跡對(duì)系統(tǒng)性能影響、頻域法對(duì)系統(tǒng)性能影響、離散控制系統(tǒng)的模擬實(shí)現(xiàn)以及穩(wěn)態(tài)性與動(dòng)態(tài)性能分析、非線性系統(tǒng)的相平面法與描述函數(shù)法分析。后四章屬于創(chuàng)新型實(shí)驗(yàn)，

本書主要分為6個(gè)項(xiàng)目：人工智能概述、人工智能的發(fā)展史、人工智能應(yīng)用—經(jīng)濟(jì)發(fā)展、人工智能應(yīng)用—改變生活、人工智能的關(guān)鍵技術(shù)、人工智能的安全與倫理。本書以深入淺出的方式，引發(fā)學(xué)習(xí)者的自我學(xué)習(xí)興趣；介紹基本概念或解釋原理框架，讓學(xué)習(xí)者能切實(shí)理解和掌握人工智能的基本原理及相關(guān)應(yīng)用知識(shí)；提供淺顯易懂的案例，配合微課視頻，善用學(xué)習(xí)

許多部門和行業(yè)都渴望將AI和數(shù)據(jù)驅(qū)動(dòng)技術(shù)整合到自己的系統(tǒng)和運(yùn)營(yíng)中。但要構(gòu)建真正成功的AI系統(tǒng)，你需要牢固掌握底層的數(shù)學(xué)知識(shí)。這本綜合指南彌補(bǔ)了AI所展現(xiàn)出的無限潛力和應(yīng)用與相關(guān)數(shù)學(xué)基礎(chǔ)之間的存在的現(xiàn)實(shí)差距。作者HalaNelson并沒有討論高深的學(xué)術(shù)理論，而是以現(xiàn)實(shí)世界的應(yīng)用和最先進(jìn)的模型為重點(diǎn)，介紹了在人工智能領(lǐng)域發(fā)

隨著人工智能在醫(yī)學(xué)、法律和國(guó)防等高風(fēng)險(xiǎn)領(lǐng)域的使用越來越多，大批組織花費(fèi)了大量時(shí)間和金錢來使ML模型值得信賴。許多關(guān)于這一主題的書都深入探討了一些理論和概念。本指南提供了一個(gè)實(shí)用的起點(diǎn)，幫助開發(fā)團(tuán)隊(duì)生成安全、更健壯、更少偏見和更容易解釋的模型。作者YadaPruksachatkun、MatthewMcAteer和Subh

現(xiàn)在人工智能技術(shù)受到世界關(guān)注，中國(guó)已具有較強(qiáng)競(jìng)爭(zhēng)力，本書將以弘揚(yáng)中國(guó)科技力量為思政主線，以提升學(xué)生的社會(huì)責(zé)任感、創(chuàng)新精神為核心，在教材中加入思政元素，融入到實(shí)例中。內(nèi)容涵蓋了人工智能研究的多個(gè)領(lǐng)域和相關(guān)技術(shù)，包括人工智能概述、知識(shí)表示、搜索技術(shù)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺、自然語言處理、智能機(jī)器人。本書涵蓋了人

全書共分為六章，具體內(nèi)容包括交互設(shè)計(jì)概述，用戶研究，交互設(shè)計(jì)的分類，交互界面的內(nèi)容及軟件，交互界面設(shè)計(jì)的平臺(tái)、流程、規(guī)范及實(shí)施要點(diǎn)和交互設(shè)計(jì)經(jīng)典案例賞析。

大多數(shù)中級(jí)機(jī)器學(xué)習(xí)教材側(cè)重于通過提高準(zhǔn)確性或降低預(yù)測(cè)誤差來優(yōu)化模型。但這種方法往往忽視了理解您的機(jī)器學(xué)習(xí)模型為什么以及如何做出預(yù)測(cè)的重要性。可解釋性方法提供了更好理解模型行為的基本工具包，而這本實(shí)用指南《面向從業(yè)者的可解釋人工智能》集結(jié)了最佳的模型可解釋性技術(shù)。介紹可解釋人工智能技術(shù)，包括技術(shù)的特點(diǎn)、實(shí)施方法和技巧、技