解读AIGC及ChatGPT的热点问题，洞察AIGC时代的机遇与隐忧，选好赛道，乘风而起。
电子书
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。
章节目录
- 版权信息
- 版 权
- 版权声明
- 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
- 本章主要内容
- 1.1 什么是生成式人工智能
- 1.1.1 生成式人工智能的应用
- 1.1.2 文本生成
- 1.1.3 图像生成
- 1.1.4 音乐生成
- 1.1.5 视频生成
- 1.2 研究历程和新发展
- 1.3 小结
- 第2章 与OpenAI和ChatGPT面对面
- 本章主要内容
- 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
- 2.4.1 RNN的结构
- 2.4.2 RNN主要的局限
- 2.4.3 克服局限——引入Transformer
- 2.4.4 GPT-3
- 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
- 本章主要内容
- 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
- 本章主要内容
- 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
- 本章主要内容
- 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
- 本章主要内容
- 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
- 本章主要内容
- 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
- 本章主要内容
- 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——Azure OpenAI
- 本章主要内容
- 9.1 技术要求
- 9.2 OpenAI和微软的合作以及Azure OpenAI服务
- 9.2.1 微软的AI发展历程
- 9.2.2 Azure OpenAI服务
- 9.2.3 探索Playground
- 9.3 引入公共云的目的
- 9.4 负责任的AI
- 9.4.1 微软对负责任的AI的研发历程
- 9.4.2 Azure OpenAI和负责任的AI
- 9.5 小结
- 第10章 企业用例
- 本章主要内容
- 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
- 10.3.1 识别关键条款
- 10.3.2 分析语言
- 10.3.3 标记潜在问题
- 10.3.4 提供合同模板
- 10.3.5 Streamlit前端
- 10.4 了解呼叫中心的分析方法
- 10.4.1 参数提取
- 10.4.2 情绪分析
- 10.4.3 客户诉求的类型
- 10.4.4 使用Streamlit库实现前端
- 10.5 探索语义搜索
- 10.5.1 使用LangChain进行文档嵌入
- 10.5.2 用Streamlit创建前端
- 10.6 小结
- 第11章 结语
- 本章主要内容
- 11.1 回顾前面所学
- 11.2 这只是开始
- 11.2.1 多模态大语言模型的出现
- 11.2.2 微软 Bing和Copilot系统
- 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
- 11.4.1 埃隆·马斯克呼吁暂停开发更强大的人工智能系统
- 11.4.2 ChatGPT被意大利禁用
- 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
展开全部
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。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
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。
电子书
电子书
轻松入门机器学习，理论实战并重，适合零基础学习者。
电子书
本教材共分9章：第1章计算机技术与计算思维基础、第2章计算机中信息表示、第3章计算机系统基本组成和基本工作原理、第4章互联网与物联网、第5章计算机新技术、第6章计算机求解问题基础、第7章人工智能概述、第8章搜索与博弈和第9章机器学习。
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
电子书
传授编程知识，训练孩子用计算思维解决问题的能力。
电子书
本书基于Python以及两个深度学习框架Keras与TensorFlow，讲述深度学习在实际项目中的应用。本书共10章，首先介绍线性回归模型、逻辑回归模型、Softmax多分类器，然后讲述全连接神经网络、神经网络模型的优化、卷积神经网络、循环神经网络，最后讨论自编码模型、对抗生成网络、深度强化学习。
电子书
本书分为3部分，分别是综述篇、通用技术篇和行业应用篇。综述篇介绍了现阶段人工智能产品发展情况和人工智能政策环境。通用技术篇精心挑选10个以研发底层技术为核心竞争力的企业的产品，详细介绍了它们的实现思路以及现阶段应用。行业应用篇共有24个案例，主要汇集了人工智能技术与实体经济结合的应用案例，重点关注人工智能技术的应用场景拓展。
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。
