【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
還沒有人留下心得,快來搶頭香!
為您推薦
類似書籍推薦給您
【簡介】 ☆★☆市面最豐富的Stable Diffusion提示詞辭典☆★☆ ☆★☆5大主題、700多個關鍵詞☆★☆ ☆★☆人物類型+人物細節+面部細節+人物服飾+人物動作☆★☆ ☆★☆創意設計+輔助創作+激發靈感☆★☆ AI繪圖看起來很簡單,只要用簡單的文字敘述,不懂繪畫的人也能生成好看的圖片。但有些時候,「簡單的文字敘述」才是最困難的地方。 「這件服裝該如何稱呼?」「這個配件叫什麼名字?」「這樣的髮型要怎麼描述?」「如何讓人物擺出我想像的姿勢?」這本書將為讀者解答這些問題。 本書分5大主題:人物類型、人物細節、面部細節、人物服飾、人物動作,共蒐羅了700多個關鍵詞,每個關鍵詞都提供中英文對照、詞語解釋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 人物類型 1.1 人物分類 1.2 人物身分 1.3 人外類型 第2章 人物細節 2.1 身體結構 2.2 頭髮樣式 第3章 面部細節 第4章 人物服飾 4.1 服飾樣式 4.2 服裝風格 4.3 其他裝飾 第5章 人物動作
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
類似書籍推薦給您
【簡介】 了解AI 是每個世代的素養,就像識字、會思辨與能判斷資訊來源一樣重要。 本書不只是一本AI入門書,而是陪伴你走向數位未來、跨越AI 知識鴻溝的一把鑰匙。書中不僅補充各國科技政策要點與趨勢走向,並且介紹AI Agent(人工智慧代理人)這個逐漸成形的重要角色,協助你掌握這一波AI 技術革新的核心方向。 閱讀本書是你開始說出「我懂AI」的第一步。 •以非資工背景及跨領域發展的讀者為出發,圖文並茂,條理清晰。 •系統化整合AI基礎概念、生成式AI精要、產業應用到LLM實作指南。 •對應AIA人工智慧應用國際認證,人工智慧綜合能力Specialist Level、Expert Level完整能力指標。 •收錄國內外案例,涵蓋教育、金融、行銷、醫療、製造、交通等產業。 •搭配MOSME行動學習一點通平臺,幫助讀者強化AI素養與應用力。 MOSME行動學習一點通 使用「MOSME行動學習一點通」,登入會員與書籍序號後,可自我練習,即學即測即評。 評量:可在線上反覆練習書內題目。 詳解:在線上即時練習書內題目後,可立即核對答案,查閱詳細解析。 擴增:線上提供額外補充內容,可自主學習調整進度。 【目錄】 Part 1 AI 緒論 第1章 人工智慧基本概念與發展 1-0 人工智慧將無所不在 1-1 人工智慧定義與類型 1-2 機器學習與深度學習 1-3 人工智慧發展的關鍵要素 1-4 人工智慧科技政策與可信任的AI 課後習題 第2章 生成式AI 介紹 2-1 生成式AI 基本概念與發展歷史 2-2 主流生成式AI 工具及應用 2-3 AI Agent介紹 課後習題 Part 2 AI 與產業應用 第3章 智慧學習與未來教室 3-1 智慧學習緒論 3-2 AI 在智慧學習中的功能 3-3 臺灣推動智慧學習產業的三大策略 3-4 智慧學習的應用場景 3-5 未來教室的概念 課後習題 第4章 智慧行銷、智慧零售與智慧物流 4-1 智慧行銷定義與基本概念 4-2 生成式AI 在商業上的應用 4-3 智慧零售與零售業數位轉型 4-4 AI 驅動的商業決策與應用:智慧物流 課後習題 第5章 金融科技、智慧金融與智慧客服 5-0 前言:數位金融服務讓生活更便利 5-1 金融科技、智慧金融定義 5-2 銀行經營型態與金融科技的演進 5-3 人工智慧與新科技應用於金融服務 5-4 智慧客服的核心技術與發展態勢 課後習題 第6章 智慧醫療、健康照顧與生技醫療創新 6-1 智慧醫療的介紹 6-2 臺灣推動智慧醫療照顧的成果與方向 6-3 AI在醫療照護與醫學教育中的應用 6-4 資料驅動與醫療保健的跨業整合 6-5 國際藥企與AI生技醫療創新 6-6 國家政策支持與未來展望 課後習題 第7章 智慧製造與工業4.0 7-1 智慧製造簡介 7-2 人工智慧在智慧製造市場預測的應用 7-3 人工智慧在產品設計與生產製造簡介與應用 7-4 人工智慧在生產異常偵測的應用 7-5 智慧製造的數位孿生(Digital TWINS) 大未來 課後習題 第8章 自動駕駛、智慧交通與智慧城市 8-1 自動駕駛介紹 8-2 智慧交通介紹 8-3 智慧城市介紹 課後習題 Part 3 探索AI 新境界 第9章 機器學習的生命週期與開發應用 9-1 機器學習生命週期 9-2 如何選擇模型 9-3 資料預處理 9-4 如何進行模型訓練 9-5 模型部署- 讓你的模型成為應用 課後習題 第10章 大型語言模型生命週期與應用 10-1 大型語言模型的生命週期與LLMOps 概念 10-2 大型語言模型應用:如何於自己的應用中串接LLM 10-3 LLM 進階技巧:設計提示(Prompt) 10-4 LLM 進階技巧:檢索增強生成(RAG) 10-5 生成式AI 進階實作介紹 課後習題 附錄 課後習題簡答
類似書籍推薦給您
【簡介】 了解AI 是每個世代的素養,就像識字、會思辨與能判斷資訊來源一樣重要。 本書不只是一本AI入門書,而是陪伴你走向數位未來、跨越AI 知識鴻溝的一把鑰匙。書中不僅補充各國科技政策要點與趨勢走向,並且介紹AI Agent(人工智慧代理人)這個逐漸成形的重要角色,協助你掌握這一波AI 技術革新的核心方向。 閱讀本書是你開始說出「我懂AI」的第一步。 •以非資工背景及跨領域發展的讀者為出發,圖文並茂,條理清晰。 •系統化整合AI基礎概念、生成式AI精要、產業應用到LLM實作指南。 •對應AIA人工智慧應用國際認證,人工智慧綜合能力Specialist Level完整能力指標。 •收錄國內外案例,涵蓋教育、金融、行銷、醫療、製造、交通等產業。 •搭配MOSME行動學習一點通平臺,幫助讀者強化AI素養與應用力。 MOSME行動學習一點通 使用「MOSME行動學習一點通」,登入會員與書籍序號後,可自我練習,即學即測即評。 評量:可在線上反覆練習書內題目。 詳解:在線上即時練習書內題目後,可立即核對答案,查閱詳細解析。 擴增:線上提供額外補充內容,可自主學習調整進度。 【目錄】 Part 1 AI 緒論 第1章 人工智慧基本概念與發展 1-0 人工智慧將無所不在 1-1 人工智慧定義與類型 1-2 機器學習與深度學習 1-3 人工智慧發展的關鍵要素 1-4 人工智慧科技政策與可信任的AI 課後習題 第2章 生成式AI 介紹 2-1 生成式AI 基本概念與發展歷史 2-2 主流生成式AI 工具及應用 2-3 AI Agent介紹 課後習題 Part 2 AI 與產業應用 第3章 智慧學習與未來教室 3-1 智慧學習緒論 3-2 AI 在智慧學習中的功能 3-3 臺灣推動智慧學習產業的三大策略 3-4 智慧學習的應用場景 3-5 未來教室的概念 課後習題 第4章 智慧行銷、智慧零售與智慧物流 4-1 智慧行銷定義與基本概念 4-2 生成式AI 在商業上的應用 4-3 智慧零售與零售業數位轉型 4-4 AI 驅動的商業決策與應用:智慧物流 課後習題 第5章 金融科技、智慧金融與智慧客服 5-0 前言:數位金融服務讓生活更便利 5-1 金融科技、智慧金融定義 5-2 銀行經營型態與金融科技的演進 5-3 人工智慧與新科技應用於金融服務 5-4 智慧客服的核心技術與發展態勢 課後習題 第6章 智慧醫療、健康照顧與生技醫療創新 6-1 智慧醫療的介紹 6-2 臺灣推動智慧醫療照顧的成果與方向 6-3 AI在醫療照護與醫學教育中的應用 6-4 資料驅動與醫療保健的跨業整合 6-5 國際藥企與AI生技醫療創新 6-6 國家政策支持與未來展望 課後習題 第7章 智慧製造與工業4.0 7-1 智慧製造簡介 7-2 人工智慧在智慧製造市場預測的應用 7-3 人工智慧在產品設計與生產製造簡介與應用 7-4 人工智慧在生產異常偵測的應用 7-5 智慧製造的數位孿生(Digital TWINS) 大未來 課後習題 第8章 自動駕駛、智慧交通與智慧城市 8-1 自動駕駛介紹 8-2 智慧交通介紹 8-3 智慧城市介紹 課後習題 Part 3 探索AI 新境界 第9章 機器學習的生命週期與開發應用 9-1 機器學習生命週期 9-2 如何選擇模型 9-3 資料預處理 9-4 如何進行模型訓練 9-5 模型部署- 讓你的模型成為應用 課後習題 第10章 大型語言模型生命週期與應用 10-1 大型語言模型的生命週期與LLMOps 概念 10-2 大型語言模型應用:如何於自己的應用中串接LLM 10-3 LLM 進階技巧:設計提示(Prompt) 10-4 LLM 進階技巧:檢索增強生成(RAG) 10-5 生成式AI 進階實作介紹 課後習題 附錄 課後習題簡答
類似書籍推薦給您
【簡介】 │還在害怕自己的能力被取代嗎? │還在害怕跟不上時代的腳步嗎? 那是因為你還沒找到正確使用人工智慧的方法! 掌握AIGC關鍵技巧 讓你從設計新手升級為視覺策略高手! 【AI插畫崛起:創作流程的革命性轉變】 面對商業插畫產業日益競爭的市場需求,人工智慧繪圖技術如Midjourney與Stable Diffusion正成為插畫師與設計工作者的重要創作夥伴。本書以實務為導向,首先釐清AI在商業插畫中的角色與價值,從創意生成、風格探索到客製化輸出,完整呈現AIGC如何徹底改變插畫製作流程。AI不僅加快設計節奏,亦讓創作者能在短時間內產出風格多變、主題鮮明的影像,快速回應客戶需求與市場節奏。 【商業價值解構:插畫如何轉化為市場影響力】 商業插畫不僅是視覺裝飾,更是品牌溝通與市場操作的重要工具。本書從品牌塑造、產品包裝、出版媒體、展覽宣傳等角度,深入解析插畫如何以視覺語言建立情感連結與品牌識別。讀者將學會如何透過AI插畫傳遞核心價值、形塑品牌語境,並掌握插畫風格在不同產業中所扮演的策略角色。本書強調「應用導向」的思考模式,幫助創作者將插畫從藝術創作轉化為具有商業驅動力的視覺資產,為專案增值並拓展設計者的市場邊界。 【實戰操作技術:從提示詞到風格控制】 AI工具的強大關鍵,在於人如何與之對話。本書深入教學如何運用提示詞高效生成目標圖像,從主體描述、風格定位到畫面需求,均有系統解析。特別針對商業插畫的需求,書中收錄多種適用於產品視覺、封面設計、活動宣傳與社群素材的高精度範例,介紹如何運用Niji、Raw、Expressive等模型模式進行風格調整與品質優化,並教讀者如何以人手修飾搭配AI草圖,融合機器與人類創意,達成符合客戶期待又具美術品質的專業插畫成果。 【多場景應用:從封面到IP,全方位創意展演】 為讓讀者能靈活運用AI插畫於不同商業場景,書中規劃多元應用案例,如科幻小說封面、藝術雜誌插畫、品牌吉祥物、青春文學內頁、旅遊指南視覺等。每個案例皆附完整畫面構思、提示詞示範與風格分析,讀者可依自身需求參考模組化的創作邏輯。透過這些具體應用,本書將抽象技術轉化為可執行的商業設計策略,助力創作者以AI實現創意與市場的雙重價值。 本書特色 本書深入聚焦AIGC在商業插畫中的應用與實踐,透過Midjourney等AI繪圖工具,結合真實案例解析,帶領讀者掌握如何高效生成具視覺衝擊力與市場價值的插畫作品。內容涵蓋品牌形象建構、包裝設計、出版插畫、雜誌封面、展覽視覺等多元商業場景,並融入設計思維、構圖技巧與風格轉化教學,實用性極高。 【目錄】 推薦序 前言 第1章 商業插畫中的AI應用 第2章 AI設計應用案例 附錄
資訊
工程
數學與統計學
機率與統計
自然科學
健康科學
地球與環境
建築、設計與藝術
人文與社會科學
教育
語言學習與考試
法律
會計與財務
大眾傳播
觀光與休閒餐旅
考試用書
研究方法
商業與管理
經濟學
心理學
生活
生活風格商品
參考書/測驗卷/輔材