本书是《动手学深度学习》的重磅升级版本,选用经典的PyTorch深度学习框架,旨在向读者交付更为便捷的有关深度学习的交互式学习体验。 本书重新修订《动手学深度学习》的所有内容,并针对技术的发展,新增注意力机制、预训练等内容。本书包含15章,第一部分介绍深度学习的基础知识和预备知识,并由线性模型引出最简单的神经网络——多层感知机;第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具;第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素,并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。 本书同时覆盖深度学习的方法和实践,主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识
这不只是一部科技产业发展历史集…… 更是在这个智能时代,一部 IT 人非读不可,而非 IT 人也应该阅读的作品。一个企业的发展与崛起,绝非只是空有领导强人即可达成。任何的决策、同期的商业环境、各种能量的此消彼长,也在影响着企业的兴衰。《浪潮之巅》不只是一部历史书 ,除了讲述科技很好企业的发展规律, 对于华尔街如何左右科技公司,以及金融风暴对科技产业的冲击,也多有着墨。《浪潮之巅 第四版》新增了6章内容,探讨硅谷不竭的创新精神究竟源自何处,进一步从工业革命的范式、生产关系的革命等角度深入全面阐述信息产业的规律性。从而,借助对信息时代公司管理特点进行的系统分析,对下一代科技产业浪潮给出判断和预测。
ChatGPT是OpenAI开发的人工智能聊天机器人程序,于2022年11月推出。它能够自动生成一些表面上看起来像人类写的文字,这是一件很厉害且出乎大家意料的事。那么,它是如何做到的呢?又为何能做到呢?本书会大致介绍ChatGPT的内部机制,然后探讨一下为什么它能很好地生成我们认为有意义的文本。
两位作者持续多年扎根人工智能前沿领域,这本书是他们在科学研究的过程中蹦出的意外火花。因为这一全新发现并不是直接回馈于他们本身所处的人工智能领域,而是“无心插柳”收获了对人类约定俗成的思维方式的全新颠覆。这一研究打破了人类世界延续多年、难以撼动的、依靠目标和计划成事的文化基因,真正开启了人类伟大创新的惊喜之旅。他们在学校、TED、科研论坛等场合公开演讲,让这一新思维方式影响并激励了许多人。他们自身也凭借写入本书的“寻宝者思维”“踏脚石模型”“新奇性探索”等具体思维方法,在人工智能研发领域取得了飞跃式的突破和进展,产生了一系列惠及人类的伟大创造。
本书以Python软件为基础,详细介绍了数学建模领域各种经典算法以及其软件实现。内容涉及线性代数、运筹学、插值拟合、微分差分方程、数据处理、多元统计分析、评价预测等领域的经典算法,既有对数学原理的详述,又有与例题和案例配套的Python程序。适合于没有Python语言基础的读者快速上手Python语言。本书可以作为"数学建模"课程的主讲教材,也可以作为"数学实验"课程的参考教材,以及"运筹学"课程的扩充阅读教材和教学参考书。
《麻省理工科技评论》( MIT Technology Review)从2001年开始,每年都会发布“全球十大突破性技术”,并预测其大规模商业化的潜力,以及对人类生活和社会的重大影响。 这些技术代表了当前世界科技的发展前沿和未来方向,集中反映了近年来世界科技发展的新特点和新趋势,将引领面向未来的研究方向。其中许多技术已经走向市场,主导着产业发展,极大地推动了科技创新和经济社会发展。 《科技之巅(20周年珍藏版):全球突破性技术创新与未来趋势》对过去二十年(2001年—2021年)《麻省理工科技评论》发布的“全球十大突破性技术”进行系统性总结,按照“生命科学、信息技术、资源与能源、工程制造、智慧生活”五大领域,深度解读和梳理了 200 余项全球突破性技术,同时邀请学术、产业、资本界专业人士对关键领域技术的特点、产业应用现状、未来发展
AIGC的应用领域日益广泛,而在图像生成领域,扩散模型则是AIGC技术的一个重要应用。本书以扩散模型理论知识为切入点,由浅入深地介绍了扩散模型的相关知识,并以大量生动有趣的实战案例帮助读者理解扩散模型的相关细节。全书共8章,详细介绍了扩散模型的原理,以及扩散模型退化、采样、DDIM反转等重要概念与方法,此外还介绍了Stable Diffusion、ControlNet与音频扩散模型等内容。最后,附录提供由扩散模型生成的高质量图像集以及Hugging Face社区的相关资源。 本书既适合所有对扩散模型感兴趣的AI研究人员、相关科研人员以及在工作中有绘图需求的从业人员阅读,也可以作为计算机等相关专业学生的参考书。
《信息简史》是美国**科学作家詹姆斯·格雷克的一部精彩著作。 克劳德·香农的信息论不仅催生了信息革命,也深刻地改变了众多其他学科的面貌。借助信息的视角,我们看待过去(文字、词典、电报、电话等的发明)、现在(信息时代)以及未来(信息泛滥、信息过载)的方式将大不相同。百万级销量科普畅销书作家詹姆斯·格雷克历经七年完成《信息简史》一书,带来一段人类与信息遭遇的波澜壮阔的历史,告诉我们如何在信息时代的信息爆炸中生存。
本书的研究对象,是网络文学与网络亚文化之中,以女性粉丝社群的相关活动为基础衍生出的一系列文化生产行为及其成果。论著以原创概念“虚拟性性征”(virtue sexuality)为切入点,尝试捕捉与呈现“罗曼蒂克爱情”这个概念在网络时代所经历的一系列复杂变形与转向。所谓“虚拟性性征”,指的就是某种以虚拟化身(avatar)为中介展开的,以另一个虚拟化身或虚拟实在为对象的性行为、性取向或性状态。在此基础之上,论著援引并阐释了来自网络文学、偶像粉丝文化及二次元文化等多个领域的网络民族志和学术研究成果,证明了“虚拟性性征”在上述亚文化社群内部的 地位。这些亚文化社群的参与者们沿着不同的路径,借助某种全新的身体想象绕开了亲密关系之中的性别二元对立。她们所体验到的,正是罗曼蒂克的赛博格形态,或者说,“罗曼蒂克2.0”。本
在保罗眼里,黑客是创作者,是互联网之子,拥有一颗不安分的心,虽然经常被视为书呆子,却以自己的努力,为互联网新世界奠基。毫无疑问,我们生活于其中的世界,已经且必将继续被黑客深刻地改变,因此,了解黑客,我们也会更了解这个世界。在本书中,作者和我们谈论了与黑客有关的三个方面:第一,黑客如何成长及看待世界;第二,黑客如何工作及影响世界;第三,黑客的工具和工作方法。事实上,在全部15篇文章中,保罗所探讨的内容远远超出了黑客所关注的内容,并以幽默的笔触,在最广泛的可能性上展现了他对于人人关心且受其影响的重大议题的思考。不管是创造财富,还是如何设计出好产品,抑或如何在充满了异见的世界里自洽地活着。可以说,不管我们处在人生的什么阶段,都将从阅读本书的过程中得到启示。
本书全面、深入地探讨了人工智能(AI)领域的理论和实践,以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中,真正做到理论和实践相结合。全书分7个部分,共28章,理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想,内容主要包括逻辑、概率和连续数学,感知、推理、学习和行动,公平、信任、社会公益和安全;实践部分完美地践行了“现代”理念,实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材,也可以作为相关领域专业人员的参考书。
人类与信息遭遇的历史由来已久。詹姆斯格笔下的这段历史出人意料地从非洲的鼓语讲起(章)。非洲土著部落曾用只有高低两个音的鼓声来传递复杂的讯息,但他们是如何做到的?后续章节进而讲述了这段历史上几个影响深远的关键事件,包括文字的发明(第2章)、罗伯特考德里的本英语词典(第3章)、查尔斯巴贝奇的差分机与爱达拜伦的程序(第4章)、沙普兄弟的信号塔与摩尔斯电码(第5章)。 但人类开始自觉地理解和利用信息始于克劳德香农于1948年创立的信息论(第6、7章)。香农的信息论不仅大大推动了信息技术的发展,也引发了其他许多学科的信息转向(第8章),改变了人们对于诸如麦克斯韦妖(第9章)、生命的编码(0章)、模因(1章)、性(2章)、量子信息论(3章)等的理解。部分科学家甚至认为,构成世界的基础不是物质,不是能量,
本书详细介绍了构建大语言模型的四个主要阶段:预训练、有监督微调、奖励建模和强化学习。每个阶段都有算法、代码、数据、难点及实践经验的详细讨论。 本书以大语言模型的基础理论开篇,探讨了大语言模型预训练数据的构建方法,以及大语言模型如何理解并服从人类指令,介绍了大语言模型的应用和评估方法,为读者提供了更全面的视野。 本书旨在为对大语言模型感兴趣的读者提供入门指南,也可作为高年级本科生和研究生自然语言处理相关课程的补充教材。
大型企业服务、云计算和虚拟计算系统都面临着严峻的性能挑战。如今, 知名的性能专家 Brendan Gregg 将业界验证的方法、工具和指标融汇在一起,足以应对复杂环境的性能分析和调优工作。本书着力讲述 Linux 的性能,但所论述的性能问题适用于所有的操作系统。你将了解到系统是如何工作与执行的,还将学习到如何分析和改进系统及应用程序性能的方法。本书对第 1 版的内容做了大量的 新,这些 新包括但不限于 :近年来 Linux 内核各方面的变化对于资源性能的影响;云计算架构的主流演进方向;动态跟踪工具的新星(BPF 及其前后端技术);常见性能工具的使用方法的变化等。需要说明的是,在第 1 版中进行性能分析所用到的术语、概念和方法,在第 2 版中几乎没有变化,依然中肯适用,经得起时间的检验。本书的目标受众主要是系统管理员及企业与云计算环境的
AIGC(Artificial Intelligence Generated Content)中文译为“人工智能生成内容”。狭义上的AIGC指利用AI自动生成内容的生产方式。广义的AIGC可以基于训练数据和生成算法模型,自主生成新的文本、图像、音乐、视频、3D交互内容等各种形式的内容和数据,甚至可能开启科学新发现,创造新的价值和意义。本书旨在通过深入浅出的讲解,帮助读者认识并了解AIGC,进一步探究AIGC未来的发展方向及其可能面临的挑战,并通过一系列丰富的AIGC应用案例展示其在各个领域应用的无限可能。此外,本书还联合投资界、学术界和创业圈的三位专业人士畅谈了关于AIGC的深入洞察。本书无须读者具备专业知识基础,适合对AIGC感兴趣的读者阅读。
我们生活在一个日新月异的数字世界,计算机已经成为我们学习、工作、生活不可缺少的基本工具。每个孩子都需要学习计算机科学知识,培养数字世界创新所推荐的计算思维能力。这本书全面介绍了计算机科学的全貌,包括硬件、软件、编程语言以及社交媒体等。富有创意的插图、请晰简明的图表、深入浅出的解释让孩子拥有系统的计算机科学思维。打开这本书,一起来探索计算机世界吧!
本书是中国科协新一代信息技术系列丛书之一。本书内容包括知识表示、知识获取、知识应用三部分。其中,知识表示主要介绍概念表示、知识表示、知识图谱;知识获取主要介绍搜索技术、群智能算法、机器学习、人工神经网络与深度学习;知识应用涉及计算机视觉、自然语言处理、语音处理、专家系统、规划、多智能体系统与智能机器人六部分。力求将人工智能的发展脉络、技术理论、产业成果以翔实的形态展现于人前。除了必要的知识点与宽泛的知识图谱,本书还深入浅出地介绍了有关智能搜索技术、机器学习、神经网络、计算机视觉、语言智能、机器人等在内的不同领域的应用实践成果。本书主要面向大学非计算机类的工科专业的高年级学生与研究生,帮助学生了解人工智能的发展过程与基本知识,熟悉人工智能产业的发展现状与市场需求,培养人工智能
本书围绕精益创业展开讨论,融合了精益创业法、客户开发、商业模式画布和敏捷/持续集成的精华。本书汇聚了100多位创始人、投资人、内部创业者和创新者的成功创业经验,呈现了30多个极具价值的案例分析,可以为各阶段的创业者提供行为准则。如果你是一名创业者,或者你是一名产品开发、产品管理、市场营销、公共关系和投资领域的商务专业人员,那么本书不容错过。
本书是一本数据科学的入门书籍。每个知识点尽量从实际的应用案例出发,从数据出发,以问题为导向,在解决问题中学习数据挖掘、机器学习等数据科学相关方法。本书将数据读写、数据清洗和预处理作为开端,逐渐深入到和数据科学相关的决策树、支持向量机、神经网络、无监督学习等知识。此外,结合数据科学的实际应用,书中还讲解了推荐算法、文本挖掘和社交网络分析等热门实用技术。本书在写作过程中尽量删去太过抽样的理论,让具有一定高等数学和概率论基础的读者就能看得懂。当然,如果读者对方法原理确实不感兴趣,只是为了用R程序实现某种方法,可以跳过方法只看案例和程序。本书适合作为高校数据科学、机器学习、数据挖掘、大数据分析等相关专业的研究生和高年级本科的教科书,也适合作为相关企业的数据科学家、数据挖掘工程师、数据
本书第1版于2020年11月出版发行后大获成功,Python及NetDevOps技术在国内计算机网络圈子里迅速走红,国内与NetDevOps相关的技术文章在网络上如雨后春笋般大量涌现,行业里也出现了很多要求掌握NetDevOps技术的网络工程师职位,并且需求越来越多,NetDevOps是“下一代网络工程师”必须掌握的技能已经成为既定且不可逆的事实。 以Python为主的NetDevOps技术知识更迭很快,第2版将在第1版的基础上添加TextFSM详解、Netmiko详解、Nornir详解、NETCONF详解及RESTCONF详解等5章内容,并去掉pyping、pyntc、netdev等一些不再流行或者作者已经公开宣布不再维护的模块内容。 另外,第2版将在思科设备的基础上添加华为设备的内容,由朱嘉盛老师执笔,相信能对主要使用国产设备的国内网络工程师更加有益。
机器学习是以概率论、统计学、信息论、**化理论、计算理论等为基础的计算机应用理论学科,也是人工智能、数据挖掘等领域的基础学科。《机器学习方法》全面系统地介绍了机器学习的主要方法,共分三篇。第一篇介绍监督学习的主要方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与**熵模型、支持向量机、Boosting、EM算法、隐马尔可夫模型、条件随机场等;第二篇介绍无监督学习的主要方法,包括聚类、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配、PageRank算法等。第三篇介绍深度学习的主要方法,包括前馈神经网络、卷积神经网络、循环神经网络、序列到序列模型、预训练语言模型、生成对抗网络等。书中每章介绍一两种机器学习方法,详细叙述各个方法的模型、策略和算法。