- 人工智能大模型(机器学习基础)/人工智能与人类未来丛书
- - 作者：段小手|责编:孙金鑫//蒲玉茜
  - 出版社：北京大学
  - ISBN：9787301308189
  - 出版日期：2025/05/01
  - 页数：308
- 售价：51.6

内容大纲
随着国际前沿的ChatGPT、LLaMA，以及国内自主研发的DeepSeek、文心一言等AI大模型的崛起，人工智能正以惊人的速度融入我们的工作和生活，重塑我们的工作和生活方式。它们能够通过学习和理解人类的语言来进行对话，并根据上下文进行互动。它们能够撰写邮件、论文、脚本，制定商业提案，创作诗歌、故事，甚至可以编写代码、检查程序错误等。
本书以大学生村官小L的故事为线索，深入浅出地探讨经典机器学习的基础知识、深度学习的基本原理，以及形形色色的生成式模型。通过本书的学习，读者不仅可以了解AI大模型的核心技术，还能深刻理解其在实际场景中的应用与价值，甚至可以自己动手设计和构建适用于特定场景的AI模型。衷心地希望本书能成为读者探索AI世界的钥匙，能引领大家走向更加广阔的未来。
作者介绍
段小手，君兮科技创始人，毕业于北京大学。具有10余年国内一线互联网/电子商务公司项目管理经验。其负责的跨境电子商务项目曾获得“国家发改委电子商务示范项目”“中关村现代服务业试点项目”“北京市信息化基础设施提升项目”“北京市外贸综合公共平台”等专项政策支持。目前重点研究领域为机器学习和深度学习等方面。
目录
第1章  缘起——初识机器学习
  1.1  机器学习是什么——从一个小任务说起
  1.2  实践：数据可视化、模型训练与预测
    1.2.1  对数据进行可视化分析
    1.2.2  线性回归模型的训练
    1.2.3  查看模型参数并做出预测
  1.3  模型怎么评估
    1.3.1  回归任务和分类任务
    1.3.2  怎么评估模型的性能
  1.4  什么是模型的泛化能力
    1.4.1  训练集和测试集
    1.4.2  模型的过拟合和欠拟合
    1.4.3  什么是正则化
  1.5  小结和练习
第2章  Z书记的考验——一些经典机器学习算法
  2.1  领导的雄心与N村的产业
  2.2  水果种植基地的病虫害与逻辑回归
    2.2.1  土壤条件与病虫害数据集
    2.2.2  逻辑回归模型的训练与评估
    2.2.3  逻辑回归的原理是什么
  2.3  银饰工坊与决策树
    2.3.1  银饰工坊销售数据集
    2.3.2  决策树模型的训练与可视化
    2.3.3  决策树模型的工作原理
    2.3.4  简单说一下随机森林
  2.4  四季花海与支持向量机
    2.4.1  游客流量数据集
    2.4.2  训练支持向量机模型并可视化
    2.4.3  SVM的基本原理
  2.5  谁是优秀销售商——无监督学习算法
    2.5.1  没有标签的数据集
    2.5.2  使用K-Means算法完成聚类
    2.5.3  K-Means是如何工作的
  2.6  小结与练习
第3章  大赛在即——深度学习登场
  3.1  比赛数据是非结构化数据
  3.2  亮个相吧，深度学习
    3.2.1  什么是神经网络
    3.2.2  动手训练一个神经网络
    3.2.3  模型在测试集上的表现如何
  3.3  掰开揉碎看模型
    3.3.1  模型的几个层和激活函数
    3.3.2  优化器与学习率
    3.3.3  模型的损失函数
  3.4  卷积神经网络
    3.4.1  什么是卷积
    3.4.2  动手训练CNN
    3.4.3  神经网络的关键参数和步骤
  3.5  小结与练习
第4章  你听说过生成式模型吗

  4.1  什么是生成式模型
  4.2  玩一个生成式模型游戏
    4.2.1  数据版“你画我猜”
    4.2.2  生成式模型的核心思想
    4.2.3  什么是表征学习
  4.3  一点概率论知识
    4.3.1  样本空间与概率密度函数
    4.3.2  什么是似然性
    4.3.3  最大似然估计
  4.4  生成式模型家族来报到
    4.4.1  两大家族都是谁
    4.4.2  显式密度建模家族的两大分支
    4.4.3  隐式密度建模家族的代表
  4.5  小结与练习
第5章  教会机器“写”数字——变分自编码器
  5.1  先介绍一下自编码器
  5.2  动手搭建一个自编码器
    5.2.1  MNIST数据集
    5.2.2  先定义一个编码器
    5.2.3  接下来创建解码器
    5.2.4  把编码器和解码器“串”起来
    5.2.5  看看自编码器写的数字
    5.2.6  瞧一瞧潜在空间
  5.3  再试试变分自编码器
    5.3.1  多变量正态分布
    5.3.2  创建VAE的编码器
    5.3.3  解码器与KL散度
    5.3.4  看看VAE写的数字
  5.4  小结与练习
第6章  又回银饰工坊——生成对抗网络
  6.1  银饰工坊的烦恼
  6.2  深度卷积生成对抗网络
    6.2.1  数据加载与处理
    6.2.2  创建生成器
    6.2.3  创建判别器
    6.2.4  训练我们的DCGAN模型
  6.3  条件生成对抗网络
    6.3.1  CGAN模型的生成器
    6.3.2  CGAN的判别器
    6.3.3  合并生成器与判别器并训练
    6.3.4  让CGAN“画”出我们想要的图样
  6.4  小结与练习
第7章  驰援T市——自回归模型
  7.1  T市需要招聘外国人
  7.2  自回归模型与长短期记忆网络
    7.2.1  去哪里找训练数据
    7.2.2  麻烦的文本数据——向量化
    7.2.3  搭建LSTM网络模型
    7.2.4  嵌入层和LSTM层
    7.2.5  LSTM模型的训练

第4章  你听说过生成式模型吗
第5章  教会机器“写”数字——变分自编码器
第6章  又回银饰工坊——生成对抗网络
第7章  驰援T市——自回归模型
第8章  四季花海的泼天富贵——标准化流模型
第9章  愿你一路生花——扩散模型
第10章  酒香也怕巷子深——试试Transformer模型
第11章  高效解决方案——HuggingFace
第12章  我说你画——多模态模型
第11章  高效解决方案——HuggingFace
第12章  我说你画——多模态模型
第13章  大结局——各自前程似锦

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目