中图网文创礼盒,买2个减5元
欢迎光临中图网 请 | 注册

CHATGPT简明教程

作者:焦李成
出版社:西安电子科技大学出版社出版时间:2023-07-01
开本: 其他 页数: 224
本类榜单:教材销量榜
¥21.1(5.4折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

00:00:00
中 图 价:¥23.4(6.0折)定价  ¥39.0 登录后可看到会员价
加入购物车 收藏
运费6元,全场折上9折期间 满39元包邮
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

CHATGPT简明教程 版权信息

CHATGPT简明教程 本书特色

本书具有的主要特点如下:
(1) 深入浅出,通俗易懂,可读性强。本书避免使用过于复杂的数学公式和技术术语,方便读者快速理解相关概念和应用技巧。同时,本书结合自然语言处理中的大型语言模型的基本概念、模型结构等多个方面的内容,剖析了从模型预训练到微调再到应用的全过程,针对ChatGPT的核心技术展开细致入微的论述。此外,本书还对国内外先进的视觉和多模态大模型进行了总结和分析,增强了本书的可读性。
(2) 注重理论与实践结合。本书提供的实际应用案例,涵盖了文本生成、问答系统、语言翻译、文本分类等多个领域,可以帮助读者更深入地理解ChatGPT模型的实现和应用。此外,本书也提供了大量ChatGPT应用的使用技巧和注意事项,可以帮助读者更好地了解和使用ChatGPT,在培养读者的创新能力与实践能力的同时,进一步激发读者的研究兴趣。
(3) 既突出核心技术,又与重大场景结合。本书系统且全面地介绍了以ChatGPT为代表的大模型知识体系,帮助读者掌握大模型在实践中的应用。在此基础上,本书与时代紧密结合,对国家《可解释、可通用的下一代人工智能方法》《“机器人 ”应用行动实施方案》等政策文件进行梳理,对下一代人工智能重大应用场景进行深入分析,进而明确未来发展方向。
(4) 具有前沿性和新颖性,充分反映AI领域的*新进展。本书围绕ChatGPT及其相关技术的前沿进展进行阐述,不仅对大型语言模型的原理和技术进行了详尽的介绍和分析,还提供了许多实用的应用案例,可以帮助读者快速掌握大模型技术,具有很强的实用性、可操作性及趣味性。此外,本书对通用大模型范式面临的挑战、ChatGPT带来的社会变革与产业发展影响进行了讨论,对现有大模型发展存在的挑战和难点进行了分析,希望带给相关从业者一定的启发。

CHATGPT简明教程 内容简介

作为通用人工智能的重要进展,ChatGPT的出现引起了学术界和产业界人士的广泛关注。本书系统地论述了ChatGPT的发展历程、核心技术和基本原理等内容。全书共15章。第1章介绍了ChatGPT的前世今生;第2~6章论述了ChatGPT相关的基础理论与发展应用;第7~10章论述了ChatGPT的核心技术,包括Transformer、基于人类反馈的强化学习、提示学习以及模型学习与优化;第11章和第12章论述了ChatGPT的重要应用场景;第13~15章论述了以ChatGPT为代表的通用大模型范式面临的挑战和对各行业领域的影响,并对下一代人工智能重大场景战略进行了解读。
本书内容新颖,通俗易懂,适合作为人工智能、智能科学与技术、计算机科学与技术、智能机器人技术、控制科学与工程、物联网工程等专业本科生及研究生的通识教材,也可供相关科研人员、政府工作人员参考学习。

CHATGPT简明教程 目录

第1章 ChatGPT的前世今生1 1.1 什么是 ChatGPT 1 1.2 从波士顿动力机器人到ChatGPT 5 1.3 ChatGPT的使用说明 6 1.3.1 ChatGPT的注册 7 1.3.2 ChatGPT的使用 7 1.3.3 如何与ChatGPT交流 8 1.4 ChatGPT 的优势与缺点 13 1.4.1 ChatGPT的优势 13 1.4.2 ChatGPT的缺点 13 1.5 ChatGPT的应用场景 14 1.5.1 办公领域 15 1.5.2 搜索引擎 15 1.5.3 教育领域 16 1.5.4 会计领域 17 1.5.5 其他领域 17 第2章 自然语言处理18 2.1 语义理解 19 2.2 机器翻译 20 2.3 自动问答 21 2.3.1 自动问答系统的基础架构 21 2.3.2 自动问答系统的实现技术 22 2.3.3 自动问答技术面临的挑战和发展趋势 22 2.4 文本生成 23 2.4.1 基于规则驱动的文本生成 23 2.4.2 基于机器学习的文本生成 23 2.5 情感分析 24 第3章 ChatGPT深度学习基础理论27 3.1 神经网络的基本原理 28 3.2 卷积神经网络 29 3.3 Word2Vec 31 3.3.1 连续词袋模型 33 3.3.2 SkipGram模型 33 3.4 循环神经网络 35 3.5 长短期记忆网络 36 第4章 GPT系列大模型38 4.1 大规模预训练模型 38 4.1.1 发展历程 40 4.1.2 大模型的优势 41 4.1.3 应用场景 42 4.2 大型预训练语言模型 43 4.3 GPT1 45 4.3.1 GPT1的结构 46 4.3.2 GPT1的数据集及参数量 47 4.3.3 GPT1的预训练 47 4.3.4 GPT1的微调 47 4.3.5 GPT1的优势及局限性 48 4.4 BERT 48 4.4.1 BERT的结构 49 4.4.2 BERT的数据集及参数量 50 4.4.3 BERT的预训练 51 4.4.4 BERT的微调 51 4.4.5 BERT的优势及局限性 53 4.5 GPT2 53 4.6 GPT3 54 4.7 ChatGPT 56 4.8 GPT4 57 4.8.1 GPT4的基本信息 58 4.8.2 GPT4的亮点 59 第5章 人工智能基础大模型61 5.1 谷歌的ViT22B视觉大模型 61 5.2 Meta的Segment Anything Model(SAM)分割大模型 65 5.3 微软的VisualGPT模型 72 5.4 华为的盘古大模型 75 5.5 阿里的“通义千问”大模型 76 5.6 百度的“文心一言”大模型 77 5.7 商汤的“日日新SenseNova”大模型 79 5.8 西电的“西电遥感脑”大模型 83 5.9 西电的“智瞳医行”大模型 86 第6章 扩散深度网络模型89 6.1 简介与背景 89 6.2 扩散模型的基本原理 89 6.3 扩散模型的改进方法 91 6.3.1 改进的扩散模型 91 6.3.2 更大规模的扩散模型 91 6.3.3 用文本引导的扩散模型 92 6.3.4 DALL·E 2 93 6.3.5 更稳定的扩散模型 94 第7章 ChatGPT核心技术——Transformer95 7.1 整体结构 95 7.2 编码器 96 7.3 解码器 98 7.4 嵌入 99 7.5 模型优缺点 100 第8章 ChatGPT核心技术——基于人类反馈的强化学习101 8.1 强化学习 101 8.1.1 基本定义 101 8.1.2 强化学习的分类 102 8.2 近端策略优化 104 8.2.1 策略梯度 104 8.2.2 信赖域策略优化算法 106 8.2.3 PPO算法 109 8.3 基于人类反馈的强化学习 112 8.4 强化学习Transformer 114 第9章 ChatGPT核心技术——提示学习116 9.1 提示学习的基本流程 116 9.2 提示学习主要构造 118 9.2.1 预训练模型的选择 118 9.2.2 提示工程 118 9.2.3 答案工程 121 9.3 提示学习示例 122 9.3.1 ZeroShot提示学习 122 9.3.2 FewShot提示学习 123 9.3.3 CoT提示学习 124 9.3.4 自一致性提示学习 125 第10章 ChatGPT核心技术——模型学习与优化129 10.1 有监督学习 129 10.2 无监督学习 133 10.3 少样本学习与多任务学习 135 10.4 迁移学习 137 10.5 深度学习优化方法 139 10.5.1 梯度下降算法 139 10.5.2 动量法 140 10.5.3 牛顿法 142 10.5.4 启发式学习优化算法 142 第11章 ChatGPT的主要应用实例144 11.1 让 ChatGPT 成为我们生活中的帮手 144 11.1.1 写文章 144 11.1.2 机器翻译 146 11.1.3 对话聊天与提问 148 11.2 让 ChatGPT 成为我们工作中的顾问 150 11.2.1 关键信息提取 151 11.2.2 检查语法 152 11.2.3 SQL语言生成 153 11.3 让ChatGPT成为我们科研中的助理 154 11.3.1 提供文献检索 155 11.3.2 提供研究背景 155 11.3.3 写代码 157 11.3.4 证明 158 11.4 让ChatGPT为我们提供创作灵感 159 11.4.1 作曲 159 11.4.2 作词 160 11.4.3 绘画 160 第12章 ChatGPT智能教育大模型162 12.1 教育大模型介绍 162 12.2 教育大模型的原理 163 12.3 教育大模型的应用 164 12.4 教育大模型的优势和落地案例 166 12.4.1 教育大模型的优势 166 12.4.2 教育大模型的落地案例 167 第13章 通用大模型范式面临的挑战174 13.1 通用大模型范式面临的十大挑战 174 13.2 ChatGPT挑战问题实例 175 13.2.1 图灵测试 175 13.2.2 基础数学计算 176 13.2.3 语义创新 177 13.2.4 模型偏见 178 13.2.5 语音识别难题 178 13.2.6 环境感知 179 13.3 NLP技术挑战 179 13.4 NLP大模型应用发展挑战 180 13.5 风险与应对战略 181 13.5.1 技术风险及其应对策略 181 13.5.2 社会风险及其应对策略 182 13.5.3 经济风险及其应对策略 183 第14章 ChatGPT对社会变革与产业发展的影响184 14.1 社会变革 184 14.2 教育发展 185 14.3 商业模式 189 14.4 企业优化 191 14.5 产业升级 192 14.6 就业推动 193 第15章 下一代人工智能重大场景战略与解读195 15.1 关于发布《可解释、可通用的下一代人工智能方法》 重大研究计划2023年度项目指南的通告 195 15.2 工业和信息化部等十七部门关于 印发《 “机器人+”应用行动实施方案》的通知 196 15.3 科技部等六部门关于印发《关于加快场景创新以人工智能 高水平应用促进经济高质量发展的 指导意见》的通知 197 15.4 关于支持建设新一代人工智能示范应用场景的通知 197 15.5 国家人工智能创新应用先导区 198 15.6 人工智能教育培养体系 200 15.7 人工智能新基建 201 15.8 人工智能领域伦理治理 202 参考文献204
展开全部
商品评论(0条)
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
中图网
在线客服