幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

AI核心技術與實踐詳解(從演算法到產業應用部署)

  • 作者：編者:梁嘉進|責編:于成成
  • 出版社：化學工業
  • ISBN：9787122490599
  • 出版日期：2026/05/01
  • 裝幀：平裝
  • 頁數：370
人民幣：RMB 108 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統介紹了人工智慧從基礎理論到前沿應用的全方位知識體系，涵蓋機器學習、深度學習、大模型訓練等核心演算法，以及AIoT、自動駕駛、人形機器人等關鍵應用領域。書中詳細解析了GPT、DeepSeek等大模型的實現原理，並提供了Hugging Face、LangChain等主流工具的實踐指南，同時深入探討了AI倫理及未來發展趨勢。
    本書既注重理論深度，又強調實踐價值，既可作為AI研發人員的實用參考手冊，也適合作為高校人工智慧相關專業的教學用書。
作者介紹
編者:梁嘉進|責編:于成成
目錄
第1章  人工智慧概述
  1.1  AI的發展歷程與現狀
    1.1.1  人工智慧的三大學派
    1.1.2  人工智慧的發展歷程
    1.1.3  人工智慧的前景展望
  1.2  AI的主要分支與關鍵技術體系概述
    1.2.1  機器學習
    1.2.2  電腦視覺
    1.2.3  自然語言處理
    1.2.4  知識圖譜
    1.2.5  人機交互
    1.2.6  生物特徵識別
    1.2.7  機器人技術
    1.2.8  專家系統與認知計算
    1.2.9  模糊邏輯和模糊識別
    1.2.10  AI晶元與計算架構
    1.2.11  大數據處理與分析
    1.2.12  雲計算與邊緣計算
    1.2.13  AI操作系統與中間件
    1.2.14  AI安全與倫理
第2章  人工智慧核心演算法與大模型技術
  2.1  機器學習基礎演算法體系
    2.1.1  監督學習
    2.1.2  無監督學習
    2.1.3  強化學習
  2.2  深度學習架構與深層原理探析
    2.2.1  前饋神經網路
    2.2.2  全連接網路
    2.2.3  卷積神經網路
    2.2.4  循環神經網路
    2.2.5  生成對抗網路
    2.2.6  自編碼器
    2.2.7  Transformer
    2.2.8  編碼器-解碼器架構
    2.2.9  膠囊網路
    2.2.10  殘差網路
    2.2.11  圖神經網路
    2.2.12  深度信念網路
    2.2.13  雙向循環神經網路
    2.2.14  多層感知機
    2.2.15  密集連接網路
  2.3  GPT模型的內部機制及實現方法解讀
    2.3.1  GPT模型介紹
    2.3.2  GPT模型核心工作原理
    2.3.3  Transformer工作流程
    2.3.4  GPT預訓練與微調
  2.4  DeepSeek——創新開源的典範
    2.4.1  混合專家系統架構
    2.4.2  多頭潛注意力
    2.4.3  多令牌預測

    2.4.4  強化學習訓練方法
    2.4.5  模型蒸餾技術
    2.4.6  雙管道流水線與FP8混合精度
    2.4.7  開源與社區貢獻
    2.4.8  DeepSeek和GPT對比
  2.5  算力在AI領域的重要性
    2.5.1  算力的定義
    2.5.2  算力的度量單位
    2.5.3  算力在AI領域的重要性
    2.5.4  英偉達在算力方面的領先優勢
第3章  大模型訓練與優化策略
  3.1  大數據預處理與特徵工程技術
    3.1.1  大數據預處理
    3.1.2  特徵工程
    3.1.3  常見的大數據處理軟體
    3.1.4  初學者入門建議
  3.2  分散式訓練框架的選擇與優化
    3.2.1  分散式訓練策略
    3.2.2  主流的分散式訓練框架
    3.2.3  分散式訓練優化策略
  3.3  超參數調整策略與模型壓縮技術
    3.3.1  典型的大模型超參數
    3.3.2  調整超參數的實驗性方法
    3.3.3  大模型超參數調整主要步驟
    3.3.4  大模型壓縮技術
第4章  物聯網與AI的深度融合
  4.1  AIoT技術棧關鍵組成
    4.1.1  感知層
    4.1.2  網路層
    4.1.3  平台層
    4.1.4  應用層
    4.1.5  AI層
    4.1.6  安全層
    4.1.7  服務管理層
  4.2  AIoT邊緣計算操作系統及處理海量數據方式
    4.2.1  AIoT邊緣計算操作系統
    4.2.2  邊緣計算處理海量數據的方式
  4.3  AIoT應用案例
    4.3.1  智慧城市
    4.3.2  智能製造
    4.3.3  智慧農業
    4.3.4  健康監護
第5章  人形機器人與AI智能交互
  5.1  機器人操作系統與多模態感知模塊設計
    5.1.1  機器人操作系統介紹
    5.1.2  常見的機器人操作系統
    5.1.3  機器人多模態感知模塊
    5.1.4  基於英偉達Project GROOT簡要代碼示例
  5.2  人形機器人運動規劃與路徑優化演算法
    5.2.1  環境建模

    5.2.2  運動規劃
  5.3  強化學習在機器人自主行為學習與決策中的應用
    5.3.1  馬爾可夫決策過程
    5.3.2  機器人與環境互動模型
    5.3.3  強化學習在機器人路徑規劃與導航中的應用
    5.3.4  機器人強化學習的技術要點
    5.3.5  未來展望
第6章  自動駕駛與AI
  6.1  自動駕駛級別劃分與技術發展路線
    6.1.1  自動駕駛級別劃分詳細描述
    6.1.2  自動駕駛技術發展路線介紹
  6.2  自動駕駛系統構成要素與功能模塊詳解
    6.2.1  國內外主要廠商的自動駕駛系統介紹
    6.2.2  構成要素與功能模塊詳解
    6.2.3  車輛控制
    6.2.4  動力學建模
    6.2.5  人機交互提升用戶體驗的關鍵
    6.2.6  通信V2X開啟新紀元
    6.2.7  雲服務支持
    6.2.8  系統架構綜合考慮的安全與性能
  6.3  特斯拉自動駕駛技術
    6.3.1  感知技術
    6.3.2  BEV
    6.3.3  3D重建與佔用網路
    6.3.4  深度學習與神經網路
    6.3.5  端到端方案
第7章  Hugging Face Transformers與AI大模型的集成
  7.1  Hugging Face Transformers
    7.1.1  Hugging Face Transformers概述
    7.1.2  Hugging Face Models、Datasets 和Spaces
  7.2  Hugging Face Transformers庫
    7.2.1  Hugging Face Transformers庫介紹
    7.2.2  Hugging Face 開發環境
    7.2.3  Hugging Face Transformers庫跨語言處理
    7.2.4  Hugging Face Transformers庫性能優化方法
  7.3  如何選用並訓練適合的預訓練模型
    7.3.1  為什麼使用預訓練模型
    7.3.2  Hugging Face的預訓練模型庫
    7.3.3  如何選擇合適的預訓練模型
    7.3.4  數據準備
    7.3.5  模型微調
    7.3.6  模型評估
    7.3.7  模型部署
    7.3.8  持續優化
  7.4  如何通過Hugging Face Transformers介面進行AI大模型封裝和調用
第8章  LangChain與Ollama
  8.1  LangChain
    8.1.1  LangChain概述
    8.1.2  LangChainAI模型準備
    8.1.3  LangChain和LLaMA 3搭建聊天機器人系統

  8.2  Ollama
    8.2.1  Ollama介紹
    8.2.2  Ollama模型融合功能
    8.2.3  Ollama模型服務化
  8.3  阿里雲企業級部署DeepSeek模型
第9章  AI技術的發展趨勢與挑戰
  9.1  AI倫理、法律與安全問題的探討
    9.1.1  AI倫理問題
    9.1.2  AI法律問題
    9.1.3  AI安全問題
    9.1.4  未來展望
  9.2  AI與其他新興科技的融合創新趨勢
    9.2.1  AI與物聯網的融合
    9.2.2  AI與區塊鏈的融合
    9.2.3  AI與5G通信的融合
    9.2.4  AI與邊緣計算的融合
    9.2.5  AI與量子計算的融合
    9.2.6  AI與虛擬現實和增強現實的融合
    9.2.7  AI與生物技術的融合
    9.2.8  未來展望
  9.3  AI對未來社會經濟結構及個人生活方式的影響
    9.3.1  對社會經濟結構的影響
    9.3.2  對個人生活方式的影響
  9.4  中國開源大模型DeepSeek對整個AI行業及國產軟硬體的影響

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032