人工智慧:智慧型系統導論3/e (3版)
相關熱銷的書籍推薦給您
書名:人工智慧:智慧型系統導論(第三版)
作者:李聯旺
出版社:全華
ISBN:9789862800959
立即查看
AIGC大型語言模型:個人應用到企業實戰立刻上手 (1版)
類似書籍推薦給您
【簡介】
https://youtu.be/YZ3u4tg1n8g
★AIGC的技術躍遷與「奇點臨近」
★大模型的「百模大戰」與競爭格局
★多模態模型與AGI的可能性
★AIGC在商業領域的應用爆發
★AIGC對社會與個人的轉型影響
★AIGC在電子商務與行業轉型中的應用
★ChatGPT提示詞最佳化與垂直應用
★AI繪圖/音效/視訊生成技術的實際應用
★AIGC技術的核心原理與架構
★LangChain框架與AI應用的開發實踐
★AutoGPT與HuggingGPT的協作能力
★文生視訊在企業級應用中的實踐
★專屬ChatGPT的定制與本地部署
★AIGC的風險管理與安全框架
這是一本深入探討AIGC(生成式人工智慧)技術與應用的全面指南,從技術原理到實際應用,從個人使用到企業實踐,為讀者提供了一個完整的視野。
透過詳細的案例和清晰的架構,帶領讀者了解AIGC如何從技術奇點發展到商業應用的浪潮,並揭示ChatGPT、大模型、多模態技術等核心概念的演變與突破。
本書強調AIGC在社會底層技術變革中的重要角色,並深入剖析其在電子商務、數位內容創造以及企業轉型中的價值,為讀者呈現了AIGC如何改變各行業的運作模式。
【章節概要】
第一篇:
新手入門,帶領讀者從AIGC的技術躍遷到多模態模型的興起,剖析ChatGPT如何引領生成式人工智慧熱潮,並闡述大模型的快速發展及其在商業應用中的創新實踐。
第二篇:
深入探討AIGC在個人應用上的多樣可能性,從AI聊天對話的提示詞最佳化到外掛程式的垂直應用,從Midjourney和Stable Diffusion的AI繪畫實踐到AI音訊與視訊生成的多場景操作,展現AIGC如何提升創造力與生產效率。
第三篇:
專注於技術原理和架構解析,涵蓋ChatGPT的核心技術、擴散模型的運作機制,以及LangChain框架在AI應用開發中的實際案例,進一步延伸到AutoGPT與HuggingGPT系統的協作能力。
第四篇:
企業應用實戰,從文生視訊的企業級實作到AI的軟體研發系統升級,並進一步探索定制專屬ChatGPT的實踐方案,為企業讀者提供實際的操作指南與解決方案。
最後是AIGC安全與風險治理,分析演算法、資料及應用層面的潛在風險,並提出完善的安全框架,為AIGC的可持續發展提供了切實可行的建議。
【專家推薦】
「ChatGPT 的發佈讓AI 技術的發展走到了「iPhone 時刻」。這項變革性的技術為人們帶來了前所未有的互動體驗和便利,之後又湧現了各種新的模型和技術。本書從多個方面介紹了AIGC 乃至AGI(人工通用智慧)的原理、應用場景,以及個人和企業的應用案例,值得大家閱讀。」
楊守斌 微軟社區區域技術總監 MSRD
「ChatGPT 的出現再次提醒我們,科技的突破是跳躍式的。AIGC 的發展關係著我們每個人。本書詳細介紹了AIGC 的發展脈絡和技術創新,更示範了使用AIGC 解決實際問題的方法,適合所有對AI 感興趣的讀者閱讀。」
曹冬磊博士 Kavout 首席科學家
「ChatGPT 的問世使得原本高端、神秘的AI 突然走進了大眾的工作與生活。AI 並不會直接搶走你的工作,但能用好AI 的人可能會。
本書是一本涵蓋原理、應用場景、應用案例的寶典。相信它可以幫你走出AI 焦慮,走進AI 世界。」
黃添來 高途集團高級技術總監
【目錄】
第 1 部分 AI 基礎概念
第 1 章 人工智慧基礎
1.1 探索 AI 的世界
1.1.1 人工智慧的範疇
1.1.2 何謂人工智慧?
1.1.3 人工智慧的演進
1.1.4 人工智慧的分級
1.2 機器學習大補帖
1.2.1 何謂機器學習?
1.2.2 機器如何學習?
1.2.3 資料學三劍客
1.2.4 機器學習流程
1.2.5 學 AI 該用哪種程式語言?
1.3 環境安裝指南
1.3.1 Anaconda 介紹與安裝
第 2 章 發現資料的秘密
2.1 資料的探索與準備
2.1.1 什麼是資料?
2.2 探索式資料分析
2.2.1 EDA 必要的套件
2.2.2 第一支EDA 程式:資料集一覽
2.2.3 資料集描述
2.2.4 載入資料集
2.2.5 直方圖
2.2.6 核密度估計圖
2.2.7 相關性熱圖
2.2.8 散佈圖
2.2.9 盒鬚圖
2.3 離群值的檢查與處理方法
2.3.1 檢查異常值的方法
2.3.2 處理異常值的方法
2.4 資料清理和前處理
2.4.1 缺失值的處理
2.4.2 類別資料的處理
2.5 數據正規化與標準化
2.5.1 正規化 (Normalization)
2.5.2 標準化(Standardization)
2.5.3 為何需要特徵縮放與轉換?
2.5.4 特徵縮放與轉換
第 2 部分 機器學習入門
第 3 章 非監督式學習:資料分群分類
3.1 何謂非監督式學習?
3.2 K-means 簡介
3.2.1 K-means 如何分群?
3.2.2 K-means 的最佳化目標
3.3 K-means 實務應用:群眾消費行為分群
3.3.1 資料集描述
3.3.2 載入資料集
3.3.3 建立K-means 模型
3.3.4 inertia 評估分群結果
3.3.5 視覺化分群結果
3.3.6 如何選擇最佳的K 值
3.4 降維技術在機器學習中的應用
3.4.1 降維的概念
3.4.2 主成分分析(PCA)
3.4.3 t- 隨機鄰近嵌入法(t-SNE)
3.5 降維實務應用:手寫數字降維視覺化
3.5.1 資料集描述
3.5.2 載入資料集
3.5.3 將資料切分成訓練集與測試集
3.5.4 建立PCA 模型
3.5.5 建立t-SNE 模型
第 4 章 線性模型
4.1 線性迴歸
4.1.1 線性迴歸簡介
4.1.2 線性迴歸的損失函數
4.1.3 線性模型求解方法:閉式解與梯度下降
4.2 線性迴歸實務應用:同步機勵磁電流預測
4.2.1 資料集描述
4.2.2 載入資料集
4.2.3 將資料切分成訓練集與測試集
4.2.4 特徵標準化
4.2.5 建立Linear Regression 模型
4.2.6 評估模型
4.2.7 迴歸係數分析
4.3 邏輯迴歸
4.3.1 邏輯迴歸簡介
4.3.2 邏輯迴歸學習機制
4.3.3 邏輯迴歸的損失函數
4.3.4 多分類邏輯迴歸
4.4 邏輯迴歸實務應用:鳶尾花朵分類
4.4.1 資料集描述
4.4.2 載入資料集
4.4.3 將資料切分成訓練集與測試集
4.4.4 建立Logistic regression 模型
4.4.5 評估模型
第 5 章 鄰近規則分析
5.1 k- 近鄰演算法
5.1.1 KNN 演算法原理
5.1.2 KNN 於分類和迴歸任務
5.1.3 KNN 度量距離的方法
5.1.4 比較KNN 與K-means 差異
5.2 KNN 實務應用:葡萄酒品種分類
5.2.1 資料集描述
5.2.2 載入資料集
5.2.3 將資料切分成訓練集與測試集
5.2.4 建立KNN 分類模型
5.2.5 評估模型
第 6 章 支援向量機
6.1 支援向量機簡介
6.1.1 支援向量機基本原理
6.1.2 超平面和支援向量
6.1.3 線性支援向量機
6.1.4 非線性支援向量機
6.2 支援向量機於分類和迴歸任務
6.2.1 SVM 分類器
6.2.2 SVM 迴歸器
6.2.3 參數調整技巧
6.3 SVM(分類)實務應用:手寫數字辨識
6.3.1 資料集描述
6.3.2 載入資料集
6.3.3 特徵前處理:t-SNE 降維
6.3.4 前置作業
6.3.5 建立SVM 分類模型
6.4 SVR(迴歸)實務應用:薪資預測
6.4.1 資料集描述
6.4.2 載入資料集
6.4.3 將資料切分成訓練集與測試集
6.4.4 建立SVR 迴歸模型
6.4.5 評估模型
6.4.6 視覺化預測:迴歸分析
第 7 章 決策樹
7.1 決策樹簡介
7.1.1 決策樹的基本概念
7.1.2 分類樹的生長過程
7.1.3 分類樹的評估指標
7.1.4 迴歸樹的生長過程
7.1.5 迴歸樹的評估指標
7.2 CART 決策樹
7.2.1 CART 演算法流程
7.2.2 決策樹剪枝
7.3 決策樹的可解釋性
7.3.1 決策樹的特徵重要性
7.4 決策樹(分類)實務應用:玻璃類型檢測
7.4.1 資料集描述
7.4.2 載入資料集
7.4.3 將資料切分成訓練集與測試集
7.4.4 建立分類決策樹模型
7.4.5 評估模型
7.4.6 模型的可解釋性
7.4.7 繪製決策邊界
7.5 決策樹(迴歸)實務應用:房價預測
7.5.1 資料集描述
7.5.2 載入資料集
7.5.3 特徵工程
7.5.4 將資料切分成訓練集與測試集
7.5.5 建立迴歸決策樹
7.5.6 評估模型
7.5.7 模型的可解釋性
第 8 章 整體學習
8.1 何謂整體學習?
8.1.1 特徵面
8.1.2 資料面
8.2 隨機森林
8.2.1 隨機森林簡介
8.2.2 隨機森林的生成方法
8.3 隨機森林(分類)實務應用:糖尿病罹患預測
8.3.1 資料集描述
8.3.2 載入資料集
8.3.3 將資料切分成訓練集與測試集
8.3.4 建立隨機森林分類模型
8.3.5 評估模型
8.3.6 模型的可解釋性
8.4 隨機森林(迴歸)實務應用:帕金森氏症評估預測
8.4.1 資料集描述
8.4.2 載入資料集
8.4.3 將資料切分成訓練集與測試集
8.4.4 建立隨機森林分類模型
8.4.5 評估模型
8.4.6 模型的可解釋性
8.5 極限梯度提升(XGBoost)
8.5.1 極限梯度提升簡介
8.5.2 XGBoost 模型結構
8.6 XGBoost(分類)實務應用:銀行客戶定存申辦預測
8.6.1 資料集描述
8.6.2 載入資料集
8.6.3 資料清理
8.6.4 將資料切分成訓練集與測試集
8.6.5 建立XGBoost 分類模型
8.6.6 評估模型
8.6.7 模型的可解釋性
8.7 XGBoost(迴歸)實務應用:汽車燃油效率預測
8.7.1 資料集描述
8.7.2 載入資料集
8.7.3 將資料切分成訓練集與測試集
8.7.4 建立XGBoost 迴歸模型
8.7.5 評估模型
8.7.6 模型的可解釋性
第 3 部分 進階概念與應用
第 9 章 交叉驗證和錯誤修正
9.1 不能忽視的過擬合與欠擬合
9.1.1 如何選擇最佳的模型?
9.1.2 過擬合 vs 欠擬合
9.1.3 偏差與方差的差權衡
9.1.4 如何避免欠擬合?
9.1.5 如何避免過擬合?
9.2 交叉驗證簡介
9.2.1 何謂交叉驗證?
9.2.2 K-Fold 交叉驗證
9.3 機器學習常犯錯的十件事
9.3.1 資料收集與處理不當
9.3.2 訓練集與測試集的類別分佈不一致
9.3.3 沒有資料視覺化的習慣
9.3.4 使用錯誤方法為特徵編碼
9.3.5 資料處理不當導致資料洩漏
9.3.6 僅使用測試集評估模型好壞
9.3.7 在沒有交叉驗證的情況下判斷模型性能
9.3.8 分類問題僅使用準確率作為衡量模型的指標
9.3.9 迴歸問題僅使用 R2 分數評估模型好壞
9.3.10 任何事情別急著想用 AI 解決
第 10 章 模型落地實踐與整合應用
10.1 模型整合與部署
10.1.1 機器學習開發流程回顧
10.1.2 DevOps 與MLOps 概念簡介
10.1.3 如何將模型整合到實際應用中
10.2 儲存訓練好的模型
10.2.1 ONNX 簡介
10.2.2 將scikit-learn 模型輸出為ONNX 格式
10.3 使用ONNX Runtime 進行模型推論
10.3.1 ONNX Runtime 簡介
10.3.2 載入 ONNX 模型並進行推論
10.4 使用FastAPI 建立模型推論服務
10.4.1 FastAPI 框架介紹
10.4.2 Python 後端開發框架比較
10.4.3 撰寫第一個 FastAPI 應用
10.4.4 整合ONNX 模型於API 中
10.4.5 使用Postman 測試API
10.4.6 自動生成 AIP 文件
10.5 網頁推論與前後端整合
10.5.1 環境設定與準備
10.5.2 建立簡單的前端界面
10.5.3 前後端 API 串接
立即查看
說的比畫的好看:Prompt魔幻大法 - MidJourney版 (1版)
類似書籍推薦給您
【簡介】
☆★☆市面最豐富的MidJourney提示詞辭典☆★☆
☆★☆6大主題、580多個關鍵詞☆★☆
☆★☆精度渲染+構圖視角+風格類型+色彩質感+場景呈現☆★☆
☆★☆創意設計+輔助創作+激發靈感☆★☆
本書以Midjourney軟體為主,分6大主題:精度渲染、構圖視角、風格類型、色彩質感、場景呈現,共蒐羅了580多個關鍵詞,每個關鍵詞都提供中英文對照及多張圖片效果示例。內容豐富詳盡,無論是在創意設計、輔助創作還是激發靈感上,都能提供極大的幫助。
【目錄】
第1章 精度渲染
高動態
超高清
全高清
1080P解析度
2K解析度
4K解析度
8K解析度
高細節
超高品質
高解析度
最佳品質
傑作
聚焦清晰
更多詳細的細節
超精細繪畫
極其詳細的刻畫
虛幻引擎
OC渲染
渲染
建築渲染
室內渲染
真實感
V射線
基於物理渲染
渲染效果
虛擬引擎5
第2章 構圖視角
飽和構圖
視角構圖
剪影構圖
重複構圖
焦點構圖
對比構圖
重疊構圖
孤立構圖
輻射狀構圖
分割互補構圖
場面調度構圖
負空間構圖
拼貼構圖
對稱構圖
非對稱構圖
三分法構圖
黃金分割構圖
對角線構圖
動態對稱構圖
匯聚線條構圖
並列構圖
消失點構圖
非線性構圖
中心構圖
S形構圖
橫向構圖
引導線
圓形構圖
鳥瞰圖
頂視圖
前視圖
後視圖
仰視圖
底視圖
第一人稱視角
微觀
高角度視圖
核桃的橫截面圖
超側角
兩點透視
三點透視
立面透視
大特寫
胸部以上
頭部特寫
臉部特寫
膝蓋以上
全身
半身像
細節鏡頭
中特寫
人在遠方
肖像
頭部拍攝
特寫
極端特寫
中景
中遠景
遠景
過肩鏡頭
鬆散景
近距離景
兩景
三景
風景拍攝
散景
前景
背景
全長鏡頭
全景視角
超廣角
等軸測圖
微距
廣闊的視野
逆光攝影風格
寬景
超廣角鏡頭
移軸
衛星視圖
產品視圖
極端特寫視圖
電影鏡頭
焦點對準
景深
廣角鏡頭
索尼阿爾法相機
第3章 風格類型
蒙太奇
黑白
時尚
現代風格
室內設計
環保清新風格
沉浸式設計
鄉村風格
現代簡約風格
現代奢華風格
草原風格
森林風格
海洋風格
藝術裝飾風格
珍珠奶茶風格
中式風格
新中式風格
傳統中國水墨風格
東方山水畫
水墨渲染
水墨插圖
水墨風格
彩墨紙本
紙本彩色顏料
民族風格
民族藝術
傳統文化
浮世繪
日本漫畫風格
日本動畫片
像素風
日本風格
日本海報風格
宮崎駿風格
新海誠
副島成記
山田章博
吉卜力風格
JoJo的奇妙冒險
ACGN文化
卡通
魔幻現實
迪士尼風格
蘿莉塔風格
童話風格
插畫
兒童插畫
童話故事書插圖風格
水彩兒童插畫
六七質
向量圖
油畫
攝影
水彩
素描
水墨畫
雕塑
印刷版畫
利諾剪裁
手繪風格
塗鴉
手稿
夢工廠動畫風格
夢工廠影業
皮克斯
賽博龐克
黑色低俗
好萊塢風格
蒙太奇
底片攝影風格
微縮模型電影風格
巴洛克藝術
法國藝術
包浩斯
達文西
梵谷
克洛德.莫內
新藝術風格
洛可可
文藝復興
立體主義
印象派
點描畫派
野獸派
彩色玻璃窗
抽象風
孔版印刷風
設計風
歐普藝術
光效應藝術
次表面散射
蒸汽龐克
普普藝術
寫實主義
抽象表現主義
超寫實主義
超現實主義
極簡主義
歌德式
歌德式黑暗
粗獷主義
建構主義
未來主義
工業風格
書頁
雕刻藝術風格
美式鄉村風格
真實的
3D風格
複雜的
真實感
國家地理
電影般的
建築素描
對稱肖像
清晰的面部特徵
局部解剖
絎縫藝術
復古黑暗
90年代電玩遊戲
古典風格
維多利亞時代
遊戲風格
神秘幻想
魔幻現實主義風格
角色概念藝術
遊戲場景圖
武器設計
曠野之息
戰甲神兵
寶可夢
Apex英雄
上古卷軸
魂系遊戲
底特律 : 變人
劍與遠征
跑跑薑餅人
英雄聯盟
第4章 色彩質感
紅
橙
黃
綠
青
藍
紫
灰
棕
白
黑
薄荷綠色系
日暮色系
楓葉紅色系
雪山藍色系
雷射糖果紙色
馬卡龍色
莫蘭迪色系
鈦金屬色系
鮮果色系
黑白灰色系
極簡黑白色系
溫暖棕色系
柔和粉色系
水晶藍色系
發光
星閃
螢光
聖光
反射透明彩虹色
糖果色系
珊瑚色系
薰衣草色系
綠寶石色系
玫瑰金色系
淺藍色系
酒紅色系
藍綠色系
黑色背景居中
白色和綠色調
紅色和黑色調
黃色和黑色調
金色和銀色調
霓虹色調
亮麗橙色系
象牙白色系
自然綠色系
奢華金色系
穩重藍色系
經典紅黑白色系
珊瑚橙色系
巨無霸色系
秋日棕色系
丹寧藍色系
時尚灰色系
芭比粉色系
紫羅蘭紫色系
彩虹色系
啞光質感
珍珠質感
綢緞質感
毛絨質感
水波紋質感
珠光質感
竹子質感
金屬質感
石頭質感
石墨質感
玻璃質感
皮革質感
塑膠質感
水晶質感
棉質
沙質
陶瓷質感
紗綢質感
磚石質感
古銅質感
油漆質感
金屬漆質感
菌絲
木頭
腐朽衰敗的
骨骼狀
玻璃
棉花
亞麻布
蕾絲
瓷器
青瓷
琺瑯
黏土質感
紋理質感
皮毛質感
雕刻質感
砂岩
天鵝絨
薄紙巾
曲線細膩的
有層次感的
線條優美且精細的
線條簡潔且清晰的
有紋理的
線條彎曲但流暢的
紋路自然的
大膽的顏色
具有浮雕感的
具有雕刻感的
超細節
光滑的
清晰的
細膩的
精細的
平整的
精密的
線條流暢的
流線型的
線條優美的
彎曲的
柔和的
多樣化的
有機的
光潔的
微妙的
纖細的
細長的
線條細緻的
線條流暢且柔和的
優雅的
曲線優美的
療癒的
猛烈的
不規則的
龐大的
銳利的
多稜角的
充滿動感的
統一的
第5章 光照效果
電影光
戲劇燈光
強光逆光
立體光
閃光燈光
影棚光
雙性照明
反射
柔和的照明
柔光
投影
發光
螢光燈
浪漫燭光
柔和燭光
好看的燈光
電光閃爍
柔軟的光線
曖昧光暈
自然光
魔法森林
霧氣朦朧
夢幻霧氣
仙氣繚繞
溫暖光輝
憂鬱氛圍
柔和月光
體積光
逆光
硬光
林布蘭光
輪廓光
情調光
晨光
太陽光
黃金時刻光
暗黑的
鮮豔的
暖光
彩色光
賽博龐克光
反光
映射光
氣氛照明
殘酷的
強烈對比的
陰影效果
微光
強光
冷光
明亮的
雲隙光
外太空觀
分割布光
前燈
背光照明
側光
邊緣光
頂光
乾淨的背景趨勢
邊緣燈
全域照明
霓虹燈冷光
明暗分明
黑暗氛圍
鮮豔色彩
高對比度
安靜恬淡
明亮高光
閃耀星空
第6章 場景呈現
反烏托邦
幻想
異想天開
廢墟
教室
臥室
森林
城市
足球場
體育場
競技場
摔跤場
泳池
咖啡廳
麵包店
書店
居酒屋
宴會
音樂會
植物園
遊樂園
教堂
中式閣樓
花海
廢棄城市建築群
近未來都市
街景
煉金室
宇宙
雨天
在晨霧中
充滿陽光
銀河
地牢
星雲
瘋狂麥斯風格
巴比倫空中花園
草原草地
雜草叢生的
後啟示錄、末日後
天空之城
北極光
巨大建築
賽博龐克小巷
星空夜景
數位宇宙
超現實夢境
太空船
懸崖峭壁
神秘森林
天空島嶼
水晶宮殿
荒漠孤煙
沉船遺跡
仙人掌沙漠
神話世界
外太空
魔幻森林
古代神廟
火山噴發
未來機器人
巨大機器
末日廢墟
星際大戰
火星探險
科技城市
浪漫小鎮
蒸汽龐克工廠
雨天城市
蘑菇森林
童話城堡
迷人花園
後啟示錄世界
魔法王國
反烏托邦景觀
黑暗森林
月球景觀
迷失廢墟
冰雪王國
熱帶天堂
後啟示錄荒野
蒸汽龐克城市
奇幻村莊
賽博龐克街道
神秘寺廟
古代遺跡
沙漠綠洲
月球殖民地
蒸汽動力機械
廢棄太空船
神秘古墓
冥界
霓虹城市
外星球
未來公園
時光穿越城市
機器人工廠
賽博龐克叢林
神秘山脈
冰洞穴
賽博龐克城市
反烏托邦未來
鬼影森林
外星地貌
超現實主義風景
中世紀城堡
月球地貌
水晶洞穴
世界末日城市
水下世界
未來都市
魔法花園
魔法城堡
夢幻雲彩
工業城市
歌德式大教堂
浮空城市
火星
幽靈莊園
海盜島嶼
未來實驗室
太空站
立即查看