游客
,欢迎来到MedPdf网站!
我的:
下载
预定
举报
收藏
站内信(
0
)
个人中心
我的资源
财富中心
发布资源
预定发布
个人信息
登 录
免费注册
首 页
全 部
内 科
外 科
妇产科
儿 科
影像科
求助区
充 值
联系我们
编辑帖子-MedPdf医学_电子_图书_PDF_资源_文件_网盘_下载
首页 > 分类列表 >
编辑帖子
预定模式
库存模式
1.文档管理
已发布资源
未发布资源
标题
文件大小
上传日期
升序
降序
标题
文件大小
资源页码
上传日期
操作
标题
文件大小
资源页码
上传日期
操作
2.目录信息
*
学 科1:
*
标 题:
设置
U R L :
获取中
全选
文件格式:
pdf
epub
rar
exe
txt
chm
doc
docx
ppt
pptx
jpg
kdh
资源页码:
0
自定义页码:
优先使用ISBN查询
资源价格:
160
自定义价格:
百度云盘
云盘地址:
版本号:
网盘名称:
文件夹:
阿里网盘
网盘地址:
版本号:
网盘名称:
文件夹:
内容简介
<p> <strong>基本信息</strong><br /> 书名:AI训练师手册 算法与模型训练从入门到精通<br /> 作者 :谷建阳编著<br /> 出版社:北京大学出版社<br /> 出版时间: 2024.08<br /> ISBN号 :978-7-301-35192-5<br /> 页数 :405<br /> 原书定价 : 69.00</p> <p> <strong>内容提要</strong><br /> 本书内容系统、全面,实例丰富,共有10章,包括51个实操案例解析和80个行业案例分析。通过学习本书,读者可以从零开始,逐步掌握人工智能的核心技术,成为合格的AI训练师。本书附赠了同步教学视频 PPT教学课件 素材 效果 AI提示词等资源。书中内容从技能线和案例线展开介绍,具体内容如下。技能线:从人工智能的相关技术入手,不仅介绍了AI训练师的发展历程和行业动态,还重点讲述了AI训练师的职业技能提升方法,具体内容包括认识AI训练师、能力培养、Python编程语言、机器学习算法、深度学习算法、自然语言处理、数据标注、神经网络训练、模型评估和优化、管理和部署等,对人工智能训练相关工作做了系统的描述和指导。案例线:不仅涵盖了AI领域的各个方面,而且非常注重算法与模型的实际应用,通过分析大量的经典案例,如Amazon、华为、ChatGPT、文心一格、Photoshop、海尔、小米、支付宝、百度、京东、阿里巴巴、美团、网易云商、文心一言、淘宝、剪映、Google、今日头条、携程旅行、字节跳动、StableDiffusion等,可以让读者更好地掌握AI训练的相关技能。本书适合准备从事AI训练师的读者,以及对人工智能感兴趣的读者,包括人工智能从业者、模型开发者、数据标注师、数据分析师、AI产品经理、企业决策者、任何想要提升AI技能的人。此外,本书还可以作为相关培训机构和职业院校的参考教材。</p> <p> <strong>目录</strong><br /> 第1章 认识AI新职业——AI训练师<br /> 1.1 认识人工智能<br /> 1.1.1 认识人工智能:用AI开启全新时代<br /> 案例1 Amazon Echo智能音箱<br /> 1.1.2 层级分类:解析人工智能的能力<br /> 案例2 华为ADS 2.0高阶智能辅助驾驶系统<br /> 案例3 ChatGPT可生成高质量的自然语言文本<br /> 1.1.3 技术革新:人工智能如何改变世界<br /> 案例4 足球明星的知识图谱<br /> 案例5 《阿凡达》中的脑机交互方式<br /> 案例6 文心一格的AI绘画功能<br /> 案例7 Photoshop的智能抠图功能<br /> 案例8 机场利用步态识别技术监测和识别可疑人物<br /> 案例9 上汽通用汽车的AR系列产品<br /> 1.1.4 十大行业变革:人工智能引领的未来趋势<br /> 案例10 海尔的COSMOPlat平台<br /> 案例11 小米小爱鼠标控制智能家居产品<br /> 案例12 支付宝利用人脸识别技术实现“刷脸支付”<br /> 案例13 百度Apollo无人驾驶出租车<br /> 案例14 京东物流的智能物流服务<br /> 案例15 阿里巴巴的无人值守咖啡店—“淘咖啡”<br /> 案例16 美团利用人工智能技术提供智能推荐和个性化服务<br /> 1.1.5 AI训练师的出现:赋予人工智能“人性之魂”<br /> 案例17 通过训练模型提高智能语音助手的准确率和响应速度<br /> 1.2 全方位了解AI训练师<br /> 1.2.1 AI训练师的起源:技术发展的必然产物<br /> 案例18 网易云商智能客服系统—七鱼在线机器人<br /> 1.2.2 AI训练师的基础能力:专业素养与实践技能<br /> 案例19 AI训练师在智能推荐系统中的核心作用<br /> 1.2.3 AI训练师的人才缺口:挑战与机遇并存<br /> 1.2.4 AI训练师的职业规划:持续发展与未来展望<br /> 1.2.5 AI训练师的发展前景:新兴职业的无限可能<br /> 案例20 百度智能云平台的智能推荐引擎产品<br /> 本章小结<br /> 课后习题<br /> 第2章 能力培养——成为一名合格的AI训练师<br /> 2.1 AI训练师知识与技能的全面解析<br /> 2.1.1 计算机操作知识:AI训练师基础中的基础<br /> 2.1.2 数学基础知识:AI训练师的核心能力<br /> 案例21 用线性代数实现线性回归模型<br /> 2.1.3 编程技能:实现人工智能的关键所在<br /> 案例22 用Python机器学习语言实现人工神经网络<br /> 2.1.4 特征能力工程:挖掘数据深层价值的艺术<br /> 案例23 Gmail可准确识别垃圾邮件<br /> 2.1.5 数据处理知识:数据为王的时代必备<br /> 案例24 Scrapy可快速采集大量数据<br /> 2.1.6 人工智能基础知识:深入理解AI的脉络<br /> 案例25 使用图像识别技术的智能交通监控系统<br /> 2.2 AI训练师的工作职责与从业领域<br /> 2.2.1 AI训练师工作职责:赋予人工智能生命与智慧<br /> 案例26 开发人工智能模型实现机器翻译<br /> 2.2.2 AI训练师从业领域:实现更智能化的解决方案<br /> 案例27 优必选的智能机器人产品<br /> 案例28 利用虚拟试衣镜提供全新的购物体验<br /> 案例29 Mokker用AI生成电商产品图片<br /> 本章小结<br /> 课后习题<br /> 第3章 编程语言——AI训练师至少要会一门<br /> 3.1 Python的安装与部署流程<br /> 3.1.1 下载与安装Python<br /> 3.1.2 配置Python环境变量<br /> 3.2 6个技巧,学会Python编程的语法格式<br /> 3.2.1 使用Python基础语法:输出英文字符<br /> 3.2.2 使用Python中文编码:输出中文字符<br /> 3.2.3 设置Python变量赋值:定义不同数据<br /> 3.2.4 使用Python运算符:进行加减乘除计算<br /> 3.2.5 使用Python条件语句:对比数的大小<br /> 3.2.6 使用Python循环语句:输出一系列数字<br /> 3.3 AI训练师实战:5个实例,精通Python编程<br /> 3.3.1 实例1:使用Python计算业绩提成奖金<br /> 案例30 使用文心一言AI大模型计算业绩提成奖金<br /> 3.3.2 实例2:使用Python由小到大排列数字<br /> 案例31 使用文心一言AI大模型由小到大排列数字<br /> 3.3.3 实例3:使用Python输出斐波那契数列<br /> 案例32 使用文心一言AI大模型输出斐波那契数列<br /> 3.3.4 实例4:使用Python输出九九乘法口诀表<br /> 案例33 使用文心一言AI大模型输出九九乘法口诀表<br /> 3.3.5 实例5:使用Python制作猜数字游戏<br /> 案例34 使用文心一言AI大模型玩猜数字游戏<br /> 本章小结<br /> 课后习题<br /> 第4章 机器学习算法——常用的AI训练方法<br /> 4.1 认识机器学习算法<br /> 4.1.1 机器学习与人工智能:共筑智能未来<br /> 案例35 淘宝推出原生AI大模型应用“淘宝问问”<br /> 4.1.2 3个基本类型:了解机器学习算法的技术原理<br /> 案例36 剪映“智能字幕”功能自动将语言转换为文字<br /> 案例37 Google翻译利用监督学习算法提升精准度<br /> 案例38 Amazon利用无监督学习重塑电商体验<br /> 案例39 基于强化学习算法的AlphaGo人工智能围棋程序<br /> 4.1.3 6个基本流程:看懂机器学习算法的工作方式<br /> 案例40 常用的数据可视化工具—散点图<br /> 4.2 6类场景,精通机器学习算法的应用<br /> 4.2.1 图像识别和分类:人脸识别、图像检索、物体识别<br /> 案例41 人脸识别闸机开启“刷脸坐地铁”时代<br /> 案例42 微信“扫一扫”可自动识别花草、动物、商品等物体<br /> 4.2.2 自然语言处理:机器翻译、文本分类、语音识别<br /> 案例43 百度地图利用自然语言处理技术提升导航体验<br /> 4.2.3 推荐系统:电商平台商品推荐、社交媒体内容推荐<br /> 案例44 今日头条利用AI技术实现个性化资讯推荐<br /> 4.2.4 工业制造:质量控制、异常检测<br /> 案例45 梅卡曼德将AI和3D视觉技术融入汽车制造工艺<br /> 4.2.5 自动驾驶:视觉感知、路况识别<br /> 案例46 极越01—打造智能化的“汽车机器人”<br /> 4.2.6 环境保护:气象预测、大气污染监测<br /> 案例47 谷歌DeepMind利用机器学习模型预测天气<br /> 本章小结<br /> 课后习题<br /> 第5章 深度学习算法——AI训练师的核心技能<br /> 5.1 认识深度学习算法<br /> 5.1.1 概念解读:认识深度学习算法<br /> 案例48 深度学习算法在无人机视觉导航与避障中的应用<br /> 5.1.2 深入对比:机器学习与深度学习的区别<br /> 5.1.3 工作原理:深度学习算法的底层逻辑<br /> 5.2 AI训练师实战:8个实例,掌握深度学习的应用场景<br /> 5.2.1 实例1:使用AI生成绘画作品<br /> 5.2.2 实例2:使用AI翻译方言<br /> 5.2.3 实例3:使用AI推荐美食<br /> 5.2.4 实例4:使用AI充当旅游助手<br /> 案例49 携程旅行发布旅游垂直行业大模型—携程问道<br /> 5.2.5 实例5:使用AI识别中文表格<br /> 案例50 金鸣识别将图片转换为各种文档<br /> 5.2.6 实例6:使用AI识别车牌<br /> 案例51 利用AI车牌识别技术打造自动化的智能停车场<br /> 5.2.7 实例7:使用AI总结网页内容<br /> 5.2.8 实例8:使用AI进行语音聊天<br /> 案例52 文心一言App可与AI进行连续语音对话<br /> 本章小结<br /> 课后习题<br /> 第6章 自然语言处理——让AI能够与人类对话<br /> 6.1 认识自然语言处理<br /> 6.1.1 概念解读:什么是自然语言处理?<br /> 6.1.2 底层原理:语言学与计算机科学的交汇<br /> 6.1.3 自然语言处理的两种途径:传统与深度<br /> 案例53 使用深度学习模型处理NLP来实现情感分析任务<br /> 6.1.4 自然语言处理的两大核心任务:理解与生成<br /> 案例54 基于自然语言处理的智能问答系统—小米小爱同学<br /> 6.1.5 语料预处理的6个关键步骤<br /> 案例55 使用HanLP进行中文分词处理<br /> 6.2 5类场景,精通自然语言处理的应用<br /> 6.2.1 情感分析:理解文本中的情感倾向<br /> 案例56 百度大脑情感倾向分析让舆论分析更直观<br /> 6.2.2 聊天机器人:模拟人类对话的智能助手<br /> 案例57 字节跳动基于云雀大模型开发的AI工具—豆包<br /> 6.2.3 语音识别:将声音转化为文字的科技奇迹<br /> 案例58 通义听悟帮你打破语言障碍,释放无限可能<br /> 6.2.4 机器翻译:无界沟通<br /> 案例59 基于连续语义增强的机器翻译模型—CSANMT<br /> 6.2.5 自动摘要:快速理解与提炼文本内容的利器<br /> 案例60 使用文心一言中的览卷文档插件自动提取摘要<br /> 6.3 AI训练师实战:5个步骤,训练Embedding语言模型<br /> 6.3.1 认识模型:Embedding模型训练概述<br /> 6.3.2 优化参数:对Stable Diffusion进行配置<br /> 6.3.3 数据标注:对图像进行预处理操作<br /> 6.3.4 创建模型:生成嵌入式Embedding模型<br /> 6.3.5 训练模型:用Embedding打包提示词<br /> 本章小结<br /> 课后习题<br /> 第7章 数据标注——AI训练的必要环节<br /> 7.1 认识数据标注<br /> 7.1.1 定义与重要性分析:看懂数据标注的内涵<br /> 案例61 数据标注可帮助自动驾驶汽车识别周围的环境<br /> 7.1.2 数据标注类型:各类标注的区分与应用场景<br /> 案例62 数据堂3D点云标注工具实现智能化的辅助标注<br /> 7.1.3 高效标注方法:提升标注效率和准确率的技巧<br /> 案例63 使用2D3D融合标注技术助力训练自动驾驶模型<br /> 7.2 AI训练师实战:5个实例,掌握VGG数据标注工具<br /> 7.2.1 实例1:重建3D人脸模型<br /> 7.2.2 实例2:检索人体姿态<br /> 7.2.3 实例3:检索视频内容<br /> 7.2.4 实例4:检索绘画作品<br /> 7.2.5 实例5:标注图像信息<br /> 本章小结<br /> 课后习题<br /> 第8章 神经网络训练——教AI如何更懂人类<br /> 8.1 认识神经网络<br /> 8.1.1 概念:什么是神经网络?<br /> 案例64 用人工神经网络搭建波士顿房价预测模型<br /> 8.1.2 原理:神经网络的组成结构<br /> 8.1.3 技巧:神经网络的训练方法<br /> 案例65 Neural Filters让Photoshop创意修图更简单<br /> 8.2 AI训练师必知的6种神经网络架构<br /> 8.2.1 感知机:用于解决模式识别问题<br /> 8.2.2 卷积神经网络:捕捉图像的空间结构<br /> 案例66 CNN在ImageNet挑战赛中展现出惊人的图像识别能力<br /> 8.2.3 循环神经网络:用于处理序列数据<br /> 案例67 使用高级神经网络库Keras训练RNN模型<br /> 8.2.4 生成对抗网络:相互博弈以提升模型性能<br /> 案例68 使用Stable Diffusion的图生图功能实现风格迁移<br /> 8.2.5 递归神经网络:对序列数据进行有效处理<br /> 案例69 Deep Speech利用RNN提高语音识别准确率<br /> 8.2.6 长短期记忆网络:处理自然语言序列等任务<br /> 案例70 LSTM网络在谷歌语音搜索和识别技术中的应用<br /> 8.3 AI训练师实战:5个流程,训练特定画风的LoRA模型<br /> 8.3.1 认识模型:LoRA模型训练概述<br /> 案例71 用LoRA微调Stable Diffusion绘画大模型<br /> 8.3.2 准备工作:安装训练器与整理数据集<br /> 8.3.3 数据标注:图像预处理和打标优化<br /> 8.3.4 参数调整:设置训练模型和数据集<br /> 8.3.5 测试模型:评估模型应用效果<br /> 本章小结<br /> 课后习题<br /> 第9章 模型评估和优化——确保AI训练的结果<br /> 9.1 5个指标,评估训练好的AI模型<br /> 9.1.1 准确率:直观展示模型的整体性能<br /> 案例72 用准确率评估机器学习模型性能<br /> 9.1.2 精度:控制模型评估的误报率<br /> 9.1.3 F1分数:更全面地评估分类器的性能<br /> 案例73 用F1分数评估识别信用卡欺诈行为的分类模型<br /> 9.1.4 误差:更好地处理异常值带来的影响<br /> 9.1.5 ROC曲线:显示不同分类阈值下模型的性能<br /> 9.2 8个方法,优化AI模型的性能<br /> 9.2.1 Holdout检验:用训练集训练模型并测试性能<br /> 案例74 使用Holdout检验评估模型的泛化能力<br /> 9.2.2 交叉验证:实现更稳定、可靠的模型性能<br /> 9.2.3 验证曲线与学习曲线:了解模型是否过拟合或欠拟合<br /> 案例75 通过绘制验证曲线构建随机森林模型<br /> 9.2.4 自助法:通过重抽样技术来进行模型训练和评估<br /> 案例76 使用自助法进行模型训练和优化<br /> 9.2.5 模型调参:找到最优超参数组合,提高模型性能<br /> 9.2.6 数据预处理:有效改善模型训练数据的质量和分布<br /> 案例77 强大的数据处理工具—OpenRefine<br /> 9.2.7 特征选择:降低维度、提高模型性能的有效方法<br /> 9.2.8 集成学习:有效提高模型的鲁棒性和泛化能力<br /> 9.3 AI训练师实战:通过融合模型优化AI绘画效果<br /> 9.3.1 融合模型:提升训练好的模型性能<br /> 9.3.2 测试模型:应用模型生成AI画作<br /> 本章小结<br /> 课后习题<br /> 第10章 管理和部署——应用训练好的AI模型<br /> 10.1 4个流程,管理AI模型<br /> 10.1.1 流程1:模型的开发与管理<br /> 10.1.2 流程2:数据集的管理和维护<br /> 案例78 使用IBM watsonx.data进行数据管理和分析<br /> 10.1.3 流程3:模型部署和性能优化<br /> 10.1.4 流程4:持续监控和迭代改进<br /> 10.2 4种方式,部署AI模型<br /> 10.2.1 本地部署:稳定性高、安全性好<br /> 案例79 在本地部署Stable Diffusion大模型<br /> 10.2.2 服务器端部署:扩展性强、灵活性高<br /> 案例80 在Google Colab上部署Stable Diffusion大模型<br /> 10.2.3 无服务器部署:管理简便、成本较低<br /> 10.2.4 容器化部署:隔离性好、可移植性强<br /> 10.3 AI训练师实战:6个步骤,训练和发布ChatGPT模型<br /> 10.3.1 第一步:创建ChatGPT应用<br /> 10.3.2 第二步:设置AI对话提示词<br /> 10.3.3 第三步:设置训练模型及参数<br /> 10.3.4 第四步:构建并填充知识库<br /> 10.3.5 第五步:文本分段与清洗<br /> 10.3.6 第六步:添加数据集并发布ChatGPT应用<br /> 本章小结<br /> 课后习题<br /> 附录 课后习题答案</p>
目录
作者简介
出版信息
丛书名:
价格:
作 者:
出版社:
出版日期:
出版信息
版 次:
页 数:
字 数:
印刷时间:
开 本:
纸 张:
印 次:
I S B N:
包 装:
509462
0
0
1
×
学科分类
一区
二区
三区
四区
五区
六区
选择类别:
×
搜索网站连接
关键词:
网站名称:
网站链接首部:
网站链接尾部:
是否显示
×
修改文件信息
文件名称:
文件大小:
页码:
上传日期:
取 消
×
添加文件信息
文件名称:
文件大小:
页码:
上传日期:
取 消
Copyright (C)2007-2018 medpdf.com