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
圖像生成式AI的生存指南：以Stable Diffusion為例 (1版)
類似書籍推薦給您
【簡介】
深入探索AIGC技術與應用，解析Stable Diffusion的核心原理與操作
「一本全面而深入的指南，專為想深入了解圖像生成式AI的你所寫。無論你是新手還是專家，這裡都有你需要的知識。」
全面涵蓋AIGC技術：深入解析AIGC的核心原理、特色與演進，讓讀者完整了解圖像生成式AI的基礎。
專注於Stable Diffusion：專章介紹Stable Diffusion的相關原理，包括其主要原理、Prompt Engineering、Embedding原理等，幫助讀者深入掌握該技術。
實用性指南：提供Stable Diffusion的應用指南，從安裝、模型訓練到評估等多個方面，具體指導讀者如何操作和應用。
技術詳解：涵蓋了AIGC相關技術的原理，包括VAE、GAN、PixelRNN、Flow、Transformer、NeRF等，幫助讀者建立完整的技術知識體系。
實際操作教學：除了技術原理外，還提供了生成式圖像工具的介紹、SD生成模式的使用方法等，使理論與實踐相結合。
未來展望與道德議題：不僅介紹了AIGC的技術走向，還探討了AIGC的道德議題，提供讀者更全面的視角。
業界操刀：由具備執業經驗的作者撰寫，內容深入、詳實，適合從初學者到專家的讀者。
豐富的圖像與表格：圖目錄和表目錄清晰列出，幫助讀者更直觀地理解和學習。
【目錄】
推薦序「以終為始 善性循環」-承啟科技董事長暨總經理 高樹榮
序「生成式AI 圖像新時代」
第一章 AI 元年
1.1 緣起
1.2 什麼是AIGC
1.3 AIGC 的特色與應用
1.4 AIGC 的演進
第二章 AIGC 的相關技術
2.1 VAE 原理
2.2 GAN 原理
2.3 PixelRNN 原理
2.4 Flow 原理
2.5 Diffusion 原理
2.6 Transformer 原理
2.7 NeRF 原理
2.8 CLIP 原理
第三章 Stable Diffusion 的相關原理
3.1 Stable Diffusion 原理
3.2 Prompt Engineering
3.3 PEFT - 效率調參的方法介紹
3.4 Embedding 原理
3.5 Dreambooth 原理
3.6 LoRA 原理
3.7 HyperNetwork 原理
3.8 ControlNet 原理
3.9 Super Resolution - SwinIR
3.10 SD XL 原理
3.11 圖像生成模型的優化
3.12 圖像生成模型的分析
第四章 Stable Diffusion 的應用
4.1 生成式圖像工具介紹
4.2 SD 的安裝教學，介面總覽
4.3 SD 生成模式介紹與使用
4.4 SD 生成方法的選擇
4.5 SD 模型訓練
4.6 評估SD 模型的方法
4.7 SD 模型下載站介紹
4.8 SD 生成模式介紹與使用之一
4.9 SD 生成模式介紹與使用之二
4.10 SD 生成模式介紹與使用之進階功能
4.11 ControlNet 應用
4.12 SD XL 應用
第五章 圖像生成式AI 的未來
5.1 AIGC 的道德議題
5.2 AIGC 的技術走向
5.3 全書總結
立即查看
踏上生成式AI自學之路: 從底層技術、程式實作到企業應用 (1版)
類似書籍推薦給您
【簡介】
「人工智慧 (Artificial Intelligence, AI) 」 一詞，最早可追溯至20世紀中英國數學家艾倫．圖靈發表的論文Computing Machinery and Intelligence。隨著時間推移，硬體與軟體技術的迅速進步讓電腦運算速度大幅提升、成本顯著下降，並且配合演算法領域的卓越研究成果，人工智慧領域不再是遙不可及的夢想。21世紀初，AlphaGo達到可以對決頂尖圍棋高手的程度，到了2022年，OpenAI正式推出ChatGPT，更讓人工智慧真正普及到大眾生活。
生成式AI在各行各業專業領域中帶來重大變革，本書能幫助您突破生成式AI的工具性操作，深入了解其背後的技術、應用與影響力。全書共有七個章節，內容涵蓋生成式AI的底層邏輯、實務操作、企業管理策略等三個面向。
第一到三章聚焦於生成式AI的底層邏輯，會依序介紹AI先備知識、經典模型以及生成式AI 核心架構：Transformer，即便您沒有資訊背景也能夠讀懂。第四到六章聚焦於生成式AI的實務操作，介紹提示工程(Prompt Engineering)，教您如何讓生成式AI產出高品質的回應，並手把手地帶您使用ChatGPT API 實作兩個小專案：檢索增強生成(RAG)以及網站智能客服。第七章聚焦於生成式AI的企業管理策略，針對企業最迫切關注的議題：如何導入生成式AI，提出淺見與看法。
【目錄】
序言
1從AI 到生成式AI
1-1 生成式AI 的演進
1-2 生成式AI 的應用
1-3 生成式AI 的挑戰
2生成式AI 先備知識
2-1 機器學習
2-2 深度學習
2-3 自然語言處理與理解
2-4 文字轉向量
2-5 大型語言模型
2-6 RNN 遞迴神經網路
2-7 LSTM 長短期記憶模型
2-8 GAN 生成對抗網路
3 Transformer 深入淺出
3-1 Transformer 簡介
3-2 Transformer 輸入
3-3 Transformer 編碼器
3-4 Transformer 解碼器
3-5 Transformer 輸出
3-6 Google Titans 模型
3-7 DeepSeek R1 模型
4提示工程
4-1 提示工程簡介
4-2 指令微調(Prompt-Tuning)
4-3 上下文學習(In-Context Learning)
4-4 大模型微調(Fine-Tuning)
4-5 思維鏈(Chain of Thought)
4-6 客製化指令
5實作檢索增強生成
5-1 前置作業
5-2 準備目標檔案
5-3 切割目標檔案
5-4 建立向量資料庫
5-5 檢索合適的回答
5-6 問答
5-7 聊天
6實作網站智能客服
6-1 工具準備
6-2 建立主機空間
6-3 建立網站
6-4 編輯網頁
6-5 網站上網
6-6 建立系統後端
6-7 建立系統前端
7企業導入生成式AI
7-1 人工智慧原則
7-2 企業面臨的挑戰
7-3 生成式AI 的導入流程
7-4 未來趨勢—AI 代理
結語
看更多
立即查看
TQC 生成式AI應用與技術實力養成暨評量 (1版)
類似書籍推薦給您
【簡介】
1.題庫設計均以實務應用為導向，品質及認證公信力最具權威！
2.本書提供人工智慧應用與技術認證測驗，由淺入深的編排方式，分為「AI發展歷程與生態系、AI應用領域與產業發展、生成式AI、AI演算法及專家系統、AI機器學習原理、AI統計與資料分析原理、AI系統開發資源」等7大類。
3.精選學科題庫7大類共331題，採電腦線上作答，可透過題庫練習系統依類別選題進行練習，學習效果立即呈現。
4.透過認證測驗系統與模擬試題，進行模擬測驗，電腦自動評分，可立即評核學習效果。
5.配合電腦技能基金會(www.csf.org.tw)測驗流程，一舉取得專業證照，讓您求學、求職更具競爭力。
※本書範例題目內容為認證題型與命題方向之示範，正式測驗試題不以範例題目為限。※
【目錄】
如何使用本書
軟硬體需求
商標及智慧財產權聲明
系統使用說明
序
第一章 TQC證照說明
1-1 TQC證照介紹
1-2 取得TQC認證的優勢
1-3 企業採用TQC證照的三大利益
1-4 如何取得TQC證照
實力養成篇
第二章 題庫練習系統－操作指南
2-1 題庫練習系統安裝流程
2-2 學科練習程序
2-3 TQC題庫練習系統 單機版說明
第三章 技能測驗－學科題庫
3-1 學科題庫分類及涵蓋技能內容
3-2 第一類：AI發展歷程與生態系
3-3 第二類：AI應用領域與產業發展
3-4 第三類：生成式AI
3-5 第四類：AI演算法及專家系統
3-6 第五類：AI機器學習原理
3-7 第六類：AI統計與資料分析原理
3-8 第七類：AI系統開發資源
實力評量篇
第四章 模擬測驗－操作指南
4-1 CSF測驗系統-Client端程式安裝流程
4-2 程式權限及使用者帳戶設定
4-3 實地測驗操作程序範例
第五章 實力評量－模擬試卷
試卷編號：AI1-0001
試卷編號：AI1-0002
試卷編號：AI1-0003
模擬試卷標準答案
附錄
TQC技能認證報名簡章
問題反應表
立即查看
LLM核心攻略制霸生成式AI：ChatGPT、嵌入技術、微調與多模態AI最佳實踐 (1版)
類似書籍推薦給您
【簡介】
🏆 Amazone 讀者5星好評 ⭐⭐⭐⭐⭐
🏆 微軟前總經理Shelia Gulati、Hugging Face首席倫理長 Giada Pistilli等業界領袖一致推薦！
「本書平衡了開源模型和閉源模型的潛力，鉅細靡遺地帶你瞭解和使用LLM，縮短理論概念和實際應用之間的距離。」—— Giada Pistilli ，Hugging Face 首席倫理長
「Ozdemir 的這本書為讀者破除重重迷霧，說明LLM 革命的起源，以及未來的發展方向。他將複雜主題拆解為實用的說明，和容易理解的範例程式。」
--Shelia Gulati, 微軟前總經理，Tola Capital現任常務董事
「本書是令人耳目一新並引發靈感的學習資源，充滿了實用的指導和清楚的講解，幫助你更瞭解這個奇妙的新領域。」
—PETE HUANG, author of The Neuron
🎯 想深入掌握LLM核心技術
🎯 想成為生成式AI應用的開發者
🎯 想在真實場景運用LLM解決問題
那你絕對不能錯過本書！
大型語言模型正以驚人的速度改變我們的工作與生活。無論是開發者、企業領袖，還是對AI有興趣的學習者，本書將引領你踏入這個革命性的領域。
🚩 完整拆解LLM核心技術— 從預訓練到微調，帶你輕鬆掌握關鍵概念原理。
🚩 實例操作直擊應用— 透過真實案例場景，運用最新工具和技術，快速上手專案開發。
🚩 開源與商用模型全解析— 精選LLM工具與資源，選擇最適切的解決方案。
這本實用的指南將逐步指導你在專案和產品中大規模地使用LLM。
Llama 3、Claude 3與GPT等大型語言模型（LLM）已展示驚人的實力，但它們的規模和複雜度，卻讓很多從業者望而卻步。創新的資料科學家暨AI企業家Sinan Ozdemir在本書第二版為你排除這些障礙，教你如何使用、整合和部署LLM來解決實際的問題。
Ozdemir把入門所需的知識整合起來，即使是沒有直接用過LLM的讀者也能輕鬆上手，本書內容包括逐步引導、最佳做法、真實案例研究、動手練習…等。在過程中，他也會分享關於LLM內部動作的見解，以協助你優化模型的選擇、資料格式、提示工程、微調效能…等。本書的網站提供許多資源，包括範例資料集，以及使用各種開源和閉源LLM的最新程式碼，那些LLM來自OpenAI（GPT-4與GPT-3.5）、Google（BERT、T5與Gemini）、X（Grok）、Anthropic（Claude家族）、Cohere（Command 家族），以及Meta（BART與LLaMA家族）。
SINAN OZDEMIR目前是LoopGenius的創辦人與CTO，同時擔任幾家AI公司的顧問。他曾在約翰·霍普金斯大學教導資料科學，並寫了多本關於資料科學和機器學習的教科書。
此外，他也創辦了最近被收購的Kylie.ai，這是一個具備RPA能力的企業級對話AI平台。他擁有約翰·霍普金斯大學的純數學碩士學位，現居於加州舊金山。
•學習關鍵的概念：預先訓練、遷移學習、微調、注意力機制、embedding、詞元化…等等。
•使用API和Python來微調及打造LLM，以滿足需求。
•建構完整的神經/語義資訊檢索系統，並附加至對話型LLM，以進行檢索增強生成（retrieval-augmented generation，RAG）機器人及AI Agents。
•掌握進階的提示工程技術，例如輸出結構化、思維鏈提示，及少量語義範例提示。
•使用自訂的LLM embedding，從零開始建立完整的推薦引擎，並透過用戶資料來讓效能超越 OpenAI的現成embedding。
•使用開源的LLM和大型視覺資料集，從零開始建構並微調多模態Transformer架構。
•使用Reinforcement Learning from Human and AI Feedback（RLHF/RLAIF）來調校LLM，並基於Llama 3和FLAN-T5等開源模型來建立對話agent。
•將提示詞和微調過的自訂LLM部署至雲端，同時預先考慮擴展和演進流水線。
•透過量化、探測、效能評測與評估框架，來診斷與優化LLM的速度、記憶體用量及整體效能。
【目錄】
序
前言
致謝
關於作者
PART I 大型語言模型簡介
1 大型語言模型概述
大型語言模型是什麼？
流行的現代LLM
LLM的應用
結論
2 使用LLM來進行語意搜尋
前言
任務
解決方案概要
組件
整合一切
使用閉源組件的成本
結論
3 踏出提示工程的第一步
前言
提示工程
在不同模型之間使用提示
結論
4 AI生態系統：整合所有組件
前言
閉源AI的效能不斷變動
AI推理vs.思考
案例研究1：檢索增強生成
案例研究2：自動AIagent
結論
PART II 榨出LLM的所有潛力
5 使用自訂的微調來優化LLM
前言
遷移學習和微調：入門指南
OpenAI微調API概要
使用OpenAICLI來準備自訂範例
設定OpenAICLI
我們微調的第一個LLM
結論
6 進階提示工程
前言
提示注入攻擊
輸入/輸出驗證
批次提示
提示鏈
案例研究：AI的數學能力有多強？
結論
7 自訂embedding與模型架構
前言
案例研究：建立推薦系統
結論
8 AI對齊：第一原則
前言
對齊的對象是誰？為了什麼目的？
對齊可以降低偏見的嚴重性
對齊的支柱
憲法AI：邁向自我對齊的一步
結論
PART III LLM進階用法
9 超越基礎模型
前言
案例研究：視覺問答
案例研究：透過回饋來進行強化學習
結論
10 微調進階的開源LLM
前言
範例：使用BERT來做動畫類型多標籤分類
範例：使用GPT2來生成LaTeX
Sinan’sAttemptatWiseYetEngagingResponses:SAWYER
結論
11 將LLM投入生產
前言
將閉源LLM部署至生產環境
將開源LLM部署至生產環境
結論
12 評估LLM
前言
評估生成任務
評估理解任務
結論
繼續前進！
PART IV 附錄
A LLM FAQ
B LLM詞彙表
C LLM應用程式原型
索引
立即查看
邊緣AI－使用NVIDIA Jetson Orin Nano開發具備深度學習、電腦視覺與生成式AI功能的ROS2機器人 (1版)
類似書籍推薦給您
【簡介】
內容簡介:★ NVIDIA DLI 深度學習機構白金級認證講師專業講解 ★ ★ 完整解析 NVIDIA Jetson 邊緣運算電腦，最新的 Jetson Orin Nano Super 算力飆升1.7倍！【Jetson Orin Nano Super】NVIDIA 執行長黃仁勳盛讚的1.7倍AI算力提升在這裡！【加速運算】NVIDIA Jetson 系列邊緣運算電腦，搭載 CUDA 與 TensorRT 加速技術，實現掌上高速運算的承諾。【立體機器視覺】整合 Intel RealSense 與 StereoLab ZED 景深攝影機，讓機器人擁有清晰的空間感知能力。【ROS2 作業系統】機器人智慧全面升級，輕鬆實現各種自動化任務。【生成式 AI 應用】在裝置端執行各種大語言、圖像、語音與 Cosmos 等多模態生成模型，讓無限創意在邊緣運算中展翅高飛！
【目錄】
章節說明:第 1 章 單板電腦與邊緣運算1.1 邊緣運算裝置1.2 單板電腦1.3 NVIDIA 線上資源1.4 NVIDIA Jetson 家族1.5 Jetson Orin Nano 開發套件開箱1.6 總結第 2 章 Jetson Orin Nano 初體驗2.1 Jetson Orin Nano 開機！2.2 基礎系統操作2.3 Jetson Orin Nano Super2.4 總結第 3 章 深度學習結合視覺辨識應用3.1 OpenCV 電腦視覺函式庫3.2 NVIDIA 深度學習視覺套件包3.3 總結第 4 章 整合深度視覺4.1 Intel RealSense 景深攝影機4.2 ZED 景深攝影機4.3 總結第 5 章 ROS2 機器人作業系統5.1 ROS / ROS25.2 NVIDIA Issac ROS5.3 安裝 ROS25.4 RK ROS2 移動平台5.5 ROS2 基本節點5.6 AI 節點5.7 進階應用5.8 總結第 6 章 生成式 AI 結合邊緣運算裝置6.1 淺談生成式 AI6.2 NVIDIA Jetson Generative AI lab6.3 總結
立即查看
華通書坊
