人工智能(AI) - 第3页

DeepSeek 是一种基于 Transformer 架构的生成式 AI（Artificial Intelligence）大模型，融合了MoE 架构、混合精度训练、分布式优化等先进技术，具备强大的文本生成、多模态处理和任务定制化能力。本书系统性地介绍了开源大模型 DeepSeek-V3 的核心技术及其在实际开发中的深度应用。全书分三部分共12章，涵盖理论解析、技术实现和应用实践。第一部分从理论入手

AI has acquired startling new language capabilities in just the past few years. Driven by the rapid advances in deep learning, language AI systems are able to write and understand text better than eve

在书中，作者从常识出发，对人工智能和机器人表达了很多“令人惊讶”而又让人深思的观点。如果机器可以打造一个更美好的世界，这个世界为什么还需要我们？深度学习是学习人类做过（过去时）的事情的技术。在陪伴老年人方面，迄今为止先进的机器人都不如狗做得好。永生终将成为一种待价而沽或是可租可借的服务，就像目前的云计算服务一样。当我们研究如何创建智能机器时，我们指的是真正的“智能”还是“以愚蠢的方式服务于人类的智

如何在保证本地训练数据不公开的前提下，实现多个数据拥有者协同训练一个共享的机器学习模型？传统的机器学习方法需要将所有的数据集中到一个地方（例如，数据中心），然后进行机器学习模型的训练。但这种基于集中数据的做法无疑会严重侵害用户隐私和数据安全。如今，世界上越来越多的人开始强烈要求科技公司必须根据用户隐私法律法规妥善地处理用户的数据，欧盟的《通用数据保护条例》是一个很好的例子。在本书中，我们将描述联邦

《深度学习图解》（grokking deep learning）指导你从最基础的每一行代码开始搭建深度学习网络！经验丰富的深度学习专家 Andrew W. Trask 以有趣的图解方式为你揭开深度学习的神秘面纱，使你可亲身体会训练神经网络的每个细节。只需要使用 Python 语言及其最基本的数学库 NumPy，就可以训练出自己的神经网络，借助它观察并理解图像、将文字翻译成不同的语言，甚至像莎士比亚

这本书是深度学习领域的入门教材，系统地讲解了深度学习的知识体系，由浅入深阐述了深度学习基础知识、主要模型及部分前沿研究热点。冀使读者能有效地掌握相关知识，具备用深度学习技术解决大数据问题的能力。全书共 15 章。第1 章绪论，介绍人工智能、机器学习、深度学习的概要。第2、3章介绍了机器学习的基础知识。第4、5、6章分别讲述三种主要的神经网络模型：前馈神经网络、卷积神经网络和循环神经网络。第7章介绍

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。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。本书以扩散模型理论知识为切入

人工智能时代的生存手册，助你理解AI，适应AI，驾驭AI！ 站在AI即将颠覆世界前夜的那个拐点上，你应该怎么办？AI 正在以超越我们想象的速度迭代，面对这个局面，教育应该怎么办?公司应该怎么办?人应该怎么办? 这本书会为你拆解ChatGPT代表的大语言模型AI，到底有什么底层运作逻辑？它的能力边界到哪里？哪些是AI做的比你好的？哪些是人类不会被AI取代的？它还为你解读了当今最厉害的几个头脑对AI的

本书结合C++和OpenCV全面讲解计算机视觉编程，不仅涵盖计算机视觉和图像处理的基础知识，而且通过完整示例讲解OpenCV的重要类和函数。主要内容包括OpenCV库的安装和部署、图像增强、像素操作、图形分析等各种技术，并且详细介绍了如何处理来自文件或摄像机的视频，以及如何检测和跟踪移动对象。第3版针对OpenCV最新版本进行了修改，调整了很多函数和算法说明，还增加了立体图像深度检测、运动目标跟踪

人工智能（AI），尤其是生成式语言模型和生成式人工智能（AIGC）模型，正以惊人的速度改变着我们的世界。驾驭这股潮流的关键，莫过于探究自然语言处理（NLP）技术的深奥秘境。本书将带领读者踏上一段扣人心弦的探索之旅，让其亲身感受，并动手搭建语言模型。本书主要内容包括N-Gram，词袋模型（BoW），Word2Vec（W2V），神经概率语言模型（NPLM），循环神经网络（RNN），Seq2Seq（S2