拥抱AIGC

拥抱AIGC

查阅电子书
手机扫码
  • 微信扫一扫

    关注微信公众号

编辑推荐

技术背景深厚的微软工程师带你探索AIGC的奥秘。

内容简介

本书先概述生成式人工智能所涉及的技术和工具,帮助你了解如何训练模型以生成新数据;接着展示如何用ChatGPT提高营销、科研和软件开发等相关工作的生产力和创造力;随后介绍如何通过改进提示设计从与ChatGPT的交互中获得好的效果,以及如何在企业级场景中使用OpenAI模型。

通过阅读本书,你可以了解生成式人工智能的相关概念,以及如何通过有效的提示设计增加ChatGPT的价值,如何基于Python语言构建和部署生成式人工智能系统,如何利用Azure OpenAI服务实现企业级应用。

本书适合想用生成式人工智能提升工作效率的所有人阅读,包括但不限于商务人士、数据科学家、软件开发人员、营销人员和科研人员。

作者简介

作者瓦伦蒂娜·阿尔托,于2020年进入微软公司,任Azure解决方案专家,并于2022年后转至制造业和制药业的数据分析及人工智能树算法负载均衡研究。

长期以来,她与客户项目的系统集成商密切合作,共同部署云架构,主要关注现代数据平台、数据Mesh网格框架、物联网和实时分析、Azure机器学习、Azure认知服务(包括Azure OpenAI服务),以及Power BI。

她发表了多篇关于统计、机器学习、深度学习和人工智能的技术文章,并撰写了一本关于用Python进行机器学习的入门类图书。

章节目录

版权信息

内容提要

译者简介

译者序

作者简介

审阅者简介

前言

第一部分 生成式人工智能与GPT模型基础

第1章 生成式人工智能概述

1.1 什么是生成式人工智能

1.2 研究历程和新发展

1.3 小结

第2章 与OpenAI和ChatGPT面对面

2.1 技术要求

2.2 什么是OpenAI

2.3 OpenAI系列模型概述

2.4 通往ChatGPT之路:模型背后的数学原理

2.5 ChatGPT

2.6 小结

2.7 参考资料

第二部分 ChatGPT应用

第3章 熟悉ChatGPT

3.1 设置ChatGPT账户

3.2 熟悉界面

3.3 组织对话

3.4 小结

第4章 了解提示设计

4.1 什么是提示,提示为什么重要

4.2 零样本学习/一次样本学习/少样本学习——Transformer模型的典型功能

4.3 定义明确的提示规则,以获得相关和一致结果

4.4 应避免隐性偏见的风险,并在ChatGPT中纳入伦理道德考量

4.5 小结

第5章 ChatGPT助力生产力提升

5.1 技术要求

5.2 日常小助手——ChatGPT

5.3 文本生成

5.4 提升写作技能和优化翻译效果

5.5 快速检索信息和竞争情报

5.6 小结

第6章 ChatGPT助力软件开发

6.1 为什么开发人员需要ChatGPT?

6.2 生成、优化和调试代码

6.3 生成文档和代码可解释性

6.4 理解机器学习模型可解释性

6.5 不同编程语言之间的转换

6.6 小结

第7章 ChatGPT助力营销

7.1 技术要求

7.2 营销人员对ChatGPT的需求

7.3 新品研发和上架策略

7.4 用于营销对比的A/B测试

7.5 促进搜索引擎优化(SEO)

7.6 用于提高质量和提高客户满意度的情绪分析

7.7 小结

第8章 ChatGPT助力科学研究

8.1 研究人员对ChatGPT的需求

8.2 收集文献资料

8.3 就实验的设计和研究框架的制订提供支持

8.4 生成和格式化参考文献

8.5 生成演示文稿

8.6 小结

第三部分 企业OpenAI

第9章 企业OpenAI和ChatGPT

9.1 技术要求

9.2 OpenAI和微软的合作以及Azure OpenAI服务

9.3 引入公共云的目的

9.4 负责任的AI

9.5 小结

第10章 企业用例

10.1 技术要求

10.2 企业如何使用Azure OpenAI

10.3 合同分析器和生成器

10.4 了解呼叫中心的分析方法

10.5 探索语义搜索

10.6 小结

第11章 结语

11.1 回顾前面所学

11.2 这只是开始

11.3 生成技术对行业的影响——一种颠覆性的力量

11.4 对生成式人工智能的担忧

11.5 生成式人工智能的伦理影响及为何需要负责任的人工智能

11.6 未来的发展方向

11.7 小结

拥抱AIGC是2024年由人民邮电出版社出版,作者[美] 瓦伦蒂娜·阿尔托。

得书感谢您对《拥抱AIGC》关注和支持,如本书内容有不良信息或侵权等情形的,请联系本网站。

你可能喜欢
实用机器学习 电子书
大数据时代为机器学习的应用提供了广阔的空间,各行各业涉及数据分析的工作都需要使用机器学习算法。本书围绕实际数据分析的流程展开,着重介绍数据探索、数据预处理和常用的机器学习算法模型。本书从解决实际问题的角度出发,介绍回归算法、分类算法、推荐算法、排序算法和集成学习算法。在介绍每种机器学习算法模型时,书中不但阐述基本原理,而且讨论模型的评价与选择。为方便读者学习各种算法,本书介绍了R语言中相应的软件包
自然语言处理与Java语言实现 电子书
本书介绍了自然语言处理的原理与Java编程语言的技术实现,主要包括多种语言的文本处理、分布式算法与代码实现、自然语言处理相关系统构建等内容。
人工智能算法Python案例实战 电子书
本书从概念和数学原理上对人工智能所涉及的数据处理常用算法、图像识别、语音识别、自然语言处理、深度学习等几个主要方面进行了阐述,并以Python为主要工具进行了相应的编程实践,以使读者对人工智能相关技术有更直观和深入的理解。此外,本书还用几个独立的章节从原理和实践上介绍了量子计算、区块链技术、并行计算、增强现实等与人工智能密切相关的前沿技术。
机器学习案例实战 电子书
机器学习已经广泛地应用于各行各业,深度学习的兴起再次推动了人工智能的热潮。本书结合项目实践,首先讨论了TensorFlow、PySpark、TI-ONE等主流机器学习平台的主要特点;然后结合Tableau介绍了数据可视化在银行客户用卡行为分析的应用。在此基础上,利用上述介绍的这些平台,通过多个项目案例,详细地分析了决策树、随机森林、支持向量机、逻辑回归、贝叶斯网络、卷积神经网络、循环神经网络、对抗
深度学习原理与 TensorFlow实践 电子书
本书介绍了深度学习原理与TensorFlow实践。着重讲述了当前学术界和工业界的深度学习核心知识:机器学习概论、神经网络、深度学习。着重讲述了深度学习的实现以及深度学习框架TensorFlow:Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow编程实践、TensorFlowLite和TensorFlow.js、TensorFlow案例--医学应用和S