人工智能大模型：機器學習基礎

段小手

人工智能大模型：機器學習基礎
  • 出版商: 北京大學
  • 出版日期: 2025-05-01
  • 售價: $774
  • 語言: 簡體中文
  • 頁數: 308
  • 裝訂: 16開
  • ISBN: 7301308183
  • ISBN-13: 9787301308189
  • 相關分類: LangChain、Machine Learning

    • 下單後立即進貨 (約4週~6週)

買這商品的人也買了...

相關主題

商品描述

隨著 前沿的ChatGPT、LLaMA，以及 自主研發的DeepSeek、文心一言等AI大模型的崛起，人工智能正以驚人的速度融入我們的工作和生活，重塑我們的工作和生活方式。它們能夠通過學習和理解人類的語言來進行對話，並根據上下文進行互動。它們能夠撰寫郵件、論文、腳本，制定商業提案，創作詩歌、故事，甚至可以編寫代碼、檢查程序錯誤等。本書以大學生村官小L的故事為線索，深入淺出地探討經典機器學習的基礎知識、深度學習的基本原理，以及形形色色的生成式模型。通過本書的學習，讀者不僅可以瞭解AI大模型的核心技術，還能深刻理解其在實際場景中的應用與價值，甚至可以自己動手設計和構建適用於特定場景的AI模型。衷心地希望本書能成為讀者探索AI世界的鑰匙，能 大家走向 加廣闊的未來。

作者簡介

段小手，曾供職於百度、敦煌網、慧聰網、方正集團等知名IT企業。有多年的科技項目管理及開發經驗。2019年至今，與雲南省公安廳合作數據挖掘項目，使用機器學習技術協助雲南警方打擊違法犯罪活動。其負責的項目曾獲得“ 發改委電子商務示範項目”“中關村現代服務業試點項目”“北京市信息化基礎設施提升專項”“北京市外貿公共服務平臺”等多項政策支持。著有《深度學習與大模型基礎》《巧用AI大模型輕松學會Python金融數據分析》等著作，在與雲南省公安廳合作期間，使用機器學習算法有效將某類案件發案率大幅降低。

目錄大綱

第1章 緣起——初識機器學習
1.1 機器學習是什麼——從一個小任務說起
1.2 實踐：數據可視化、模型訓練與預測
1.2.1 對數據進行可視化分析
1.2.2 線性回歸模型的訓練
1.2.3 查看模型參數並做出預測
1.3 模型怎麼評估
1.3.1 回歸任務和分類任務
1.3.2 怎麼評估模型的性能
1.4 什麼是模型的泛化能力
1.4.1 訓練集和測試集
1.4.2 模型的過擬合和欠擬合
1.4.3 什麼是正則化
1.5 小結和練習
第2章 Z書記的考驗——一些經典機器學習算法
2.1 領導的雄心與N村的產業
2.2 水果種植基地的病蟲害與邏輯回歸
2.2.1 土壤條件與病蟲害數據集
2.2.2 邏輯回歸模型的訓練與評估
2.2.3 邏輯回歸的原理是什麼
2.3 銀飾工坊與決策樹
2.3.1 銀飾工坊銷售數據集
2.3.2 決策樹模型的訓練與可視化
2.3.3 決策樹模型的工作原理
2.3.4 簡單說一下隨機森林
2.4 四季花海與支持向量機
2.4.1 遊客流量數據集
2.4.2 訓練支持向量機模型並可視化
2.4.3 SVM的基本原理
2.5 誰是優秀銷售商——無監督學習算法
2.5.1 沒有標簽的數據集
2.5.2 使用K-Means算法完成聚類
2.5.3 K-Means是如何工作的
2.6 小結與練習
第3章 大賽在即——深度學習登場
3.1 比賽數據是非結構化數據
3.2 亮個相吧，深度學習
3.2.1 什麼是神經網絡
3.2.2 動手訓練一個神經網絡
3.2.3 模型在測試集上的表現如何
3.3 掰開揉碎看模型
3.3.1 模型的幾個層和激活函數
3.3.2 優化器與學習率
3.3.3 模型的損失函數
3.4 卷積神經網絡
3.4.1 什麼是卷積
3.4.2 動手訓練CNN
3.4.3 神經網絡的關鍵參數和步驟
3.5 小結與練習
第4章 你聽說過生成式模型嗎
4.1 什麼是生成式模型
4.2 玩一個生成式模型遊戲
4.2.1 數據版“你畫我猜”
4.2.2 生成式模型的核心思想
4.2.3 什麼是表征學習
4.3 一點概率論知識
4.3.1 樣本空間與概率密度函數
4.3.2 什麼是似然性
4.3.3 最大似然估計
4.4 生成式模型家族來報到
4.4.1 兩大家族都是誰
4.4.2 顯式密度建模家族的兩大分支
4.4.3 隱式密度建模家族的代表
4.5 小結與練習
第5章 教會機器“寫”數字——變分自編碼器
5.1 先介紹一下自編碼器
5.2 動手搭建一個自編碼器
5.2.1 MNIST數據集
5.2.2 先定義一個編碼器
5.2.3 接下來創建解碼器
5.2.4 把編碼器和解碼器“串”起來
5.2.5 看看自編碼器寫的數字
5.2.6 瞧一瞧潛在空間
5.3 再試試變分自編碼器
5.3.1 多變量正態分布
5.3.2 創建VAE的編碼器
5.3.3 解碼器與KL散度
5.3.4 看看VAE寫的數字
5.4 小結與練習
第6章 又回銀飾工坊——生成對抗網絡
6.1 銀飾工坊的煩惱
6.2 深度卷積生成對抗網絡
6.2.1 數據加載與處理
6.2.2 創建生成器
6.2.3 創建判別器
6.2.4 訓練我們的DCGAN模型
6.3 條件生成對抗網絡
6.3.1 CGAN模型的生成器
6.3.2 CGAN的判別器
6.3.3 合並生成器與判別器並訓練
6.3.4 讓CGAN“畫”出我們想要的圖樣
6.4 小結與練習
第7章 馳援T市——自回歸模型
7.1 T市需要招聘外國人
7.2 自回歸模型與長短期記憶網絡
7.2.1 去哪裏找訓練數據
7.2.2 麻煩的文本數據——向量化
7.2.3 搭建LSTM網絡模型
7.2.4 嵌入層和LSTM層
7.2.5 LSTM模型的訓練
第4章 你聽說過生成式模型嗎
第5章 教會機器“寫”數字——變分自編碼器
第6章 又回銀飾工坊——生成對抗網絡
第7章 馳援T市——自回歸模型
第8章 四季花海的潑天富貴——標準化流模型
第9章 願你一路生花——擴散模型
第10章 酒香也怕巷子深——試試Transformer模型
第11章 高效解決方案——HuggingFace
第12章 我說你畫——多模態模型
第11章 高效解決方案——HuggingFace
第12章 我說你畫——多模態模型
第13章 大結局——各自前程似錦

類似商品