“AI超越·交叉賦能”實(shí)用技術(shù)叢書--生成式AI賦能一本通：編程、數(shù)據(jù)科學(xué)與專業(yè)寫作
定 價(jià)：98 元
叢書名：“AI超越·交叉賦能”實(shí)用技術(shù)叢書
當(dāng)前圖書已被 2 所學(xué)校薦購(gòu)過(guò)！
查看明細(xì)
- 作者：龔超、夏小俊、張鵬宇、蔣戍榮 著
- 出版時(shí)間：2025/4/1
- ISBN：9787122475992
- 出 版 社：化學(xué)工業(yè)出版社
- 中圖法分類：TP18
- 頁(yè)碼：290
- 紙張：
- 版次：01
- 開本：16開
《生成式AI賦能一本通：編程、數(shù)據(jù)科學(xué)與專業(yè)寫作》全面介紹了生成式AI在編程、數(shù)據(jù)科學(xué)及專業(yè)寫作領(lǐng)域的廣泛應(yīng)用與深刻影響。主要內(nèi)容涵蓋生成式AI的核心原理、技術(shù)挑戰(zhàn)、治理策略，以及如何通過(guò)提示詞工程與AIGC方法論提升工作效率。讀者將從中獲得與AI高效溝通的技巧，掌握利用大模型進(jìn)行Python程序設(shè)計(jì)、數(shù)據(jù)分析、數(shù)學(xué)與機(jī)器學(xué)習(xí)自學(xué)的方法，并通過(guò)豐富案例了解AIGC在科技論文寫作、金融數(shù)據(jù)分析及創(chuàng)建AI智能體等方面的實(shí)際應(yīng)用。本書旨在幫助讀者理解使用大模型的方法和思路，以在AI時(shí)代保持競(jìng)爭(zhēng)力，實(shí)現(xiàn)個(gè)人與組織的數(shù)字化轉(zhuǎn)型。
本書主要讀者群體包括計(jì)算機(jī)專業(yè)學(xué)生、AI從業(yè)者、程序員、數(shù)據(jù)分析師、科研人員及對(duì)未來(lái)科技感興趣的廣大讀者。
龔超，工學(xué)博士，深圳清華大學(xué)研究院下一代互聯(lián)網(wǎng)研發(fā)中心核心成員。中國(guó)高科技產(chǎn)業(yè)化研究會(huì)理事、中國(guó)自動(dòng)化學(xué)會(huì)普及工作委員會(huì)委員、中國(guó)人工智能學(xué)會(huì)中小學(xué)工作委員會(huì)副主任委員、中國(guó)青少年宮協(xié)會(huì)特聘專家、中法人工智能協(xié)會(huì)（巴黎）特別顧問(wèn)、�？诮�(jīng)濟(jì)學(xué)院雅和設(shè)計(jì)工程學(xué)院客座教授、未來(lái)基因（北京）人工智能研究院首席專家、教育部教育信息化教學(xué)應(yīng)用實(shí)踐共同體項(xiàng)目特聘專家，多家500強(qiáng)企業(yè)數(shù)字化轉(zhuǎn)型領(lǐng)域高級(jí)顧問(wèn)。研究方向?yàn)槿斯ぶ悄軆?yōu)化算法、人工智能在數(shù)字化轉(zhuǎn)型中的應(yīng)用等。著有18本人工智能相關(guān)圖書，在國(guó)內(nèi)外期刊上發(fā)表文章共計(jì)70余篇。
夏小俊，博士，東南大學(xué)生物科學(xué)與醫(yī)學(xué)工程學(xué)院教師。中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)員、中國(guó)人工智能學(xué)會(huì)青少年工作委員會(huì)講座專家、教育部國(guó)培計(jì)劃講座專家、教育部課程中心創(chuàng)新實(shí)驗(yàn)室指導(dǎo)專家、全國(guó)大學(xué)生計(jì)算機(jī)大賽人工智能組專家評(píng)委等。主要研究方向是計(jì)算思維與人工智能教育、學(xué)習(xí)科學(xué)（神經(jīng)教育學(xué)）、科學(xué)與STEAM教育等領(lǐng)域，著有《中小學(xué)人工智能教育實(shí)驗(yàn)課程》等教材。
張鵬宇，未來(lái)基因（北京）人工智能研究院中級(jí)研究員。擔(dān)任由中國(guó)人工智能學(xué)會(huì)、中國(guó)自動(dòng)化學(xué)會(huì)、中國(guó)科學(xué)院大學(xué)人工智能學(xué)院、中國(guó)人民大學(xué)高瓴人工智能學(xué)院聯(lián)合主辦的AI探學(xué)營(yíng)機(jī)器學(xué)習(xí)方向、智能體方向?qū)嵺`導(dǎo)師，中國(guó)自動(dòng)化學(xué)會(huì)青少年人工智能核心素養(yǎng)測(cè)評(píng)特聘專家，北京科學(xué)中心人工智能高級(jí)研修營(yíng)指導(dǎo)教師�！肚楦蟹治觯喝斯ぶ悄苋绾味床煨睦怼贰渡墒紸I繪畫：Stable Diffusion從基礎(chǔ)到實(shí)戰(zhàn)》圖書作者。
蔣戍榮，工學(xué)博士，IT咨詢顧問(wèn)，信息系統(tǒng)開發(fā)專家�，F(xiàn)專注于日本人工智能領(lǐng)域的數(shù)字化教育、學(xué)術(shù)研究及相關(guān)市場(chǎng)開發(fā)，致力于推動(dòng)人工智能技術(shù)在企業(yè)中的應(yīng)用。擁有豐富的大型企業(yè)信息系統(tǒng)開發(fā)與項(xiàng)目管理經(jīng)驗(yàn)，曾參與多個(gè)財(cái)務(wù)會(huì)計(jì)、銀行證券等系統(tǒng)的開發(fā)與實(shí)施，幫助企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型與業(yè)務(wù)優(yōu)化。多次在國(guó)際會(huì)議及生產(chǎn)管理學(xué)會(huì)上發(fā)表學(xué)術(shù)論文。
1 AI交流的探索時(shí)代：從對(duì)話到協(xié)作 001
1.1 大模型引發(fā)的技術(shù)浪潮與環(huán)境重塑 002
1.1.1 從開端到未來(lái)：OpenAI發(fā)展歷程的技術(shù)啟示與社會(huì)影響 002
1.1.2 大模型：AI時(shí)代的新起點(diǎn) 004
1.1.3 學(xué)習(xí)、生活與工作的新模式 006
1.1.4 技能不再稀缺，我們應(yīng)該關(guān)注什么？ 007
1.2 聊天機(jī)器人的那些事兒 010
1.2.1 聊天機(jī)器人的演化：從ELIZA到DeepSeek 010
1.2.2 揭開聊天機(jī)器人背后的理論淵源：從哲學(xué)到未來(lái)啟示 015
1.2.3 未來(lái)時(shí)代，人機(jī)協(xié)作的必由之路 018
1.3 自然語(yǔ)言處理的發(fā)展史 020
1.3.1 什么是自然語(yǔ)言處理 020
1.3.2 萌芽期（1950年代至1970年代）：規(guī)則方法的探索與局限 022
1.3.3 統(tǒng)計(jì)方法的興起（1970年代至2000年代初）：自然語(yǔ)言處理的革命性進(jìn)步 023
1.3.4 深度學(xué)習(xí)時(shí)代（2000年代中期至2010年代）：自然語(yǔ)言處理的轉(zhuǎn)折點(diǎn) 025
1.3.5 預(yù)訓(xùn)練模型的出現(xiàn)（2018年至今） 026
2 解構(gòu)智慧之源：生成式AI背后的核心原理 028
2.1 大模型的核心算法架構(gòu) 029
2.1.1 Transformer：AI革命的基石 029
2.1.2 Transformer的擴(kuò)展與優(yōu)化模型 031
2.1.3 多模態(tài)大模型的崛起：人工智能的新前沿 033
2.2 語(yǔ)言數(shù)據(jù)與表示方法 035
2.2.1 語(yǔ)言數(shù)據(jù)的基礎(chǔ)表示：從獨(dú)熱編碼到詞袋模型 035
2.2.2 詞向量表示的演化：從Word2Vec到GloVe 037
2.2.3 Token化與語(yǔ)言建模：打開自然語(yǔ)言理解的大門 040
2.3 學(xué)習(xí)方式與技術(shù)突破 041
2.3.1 探索學(xué)習(xí)范式的多樣性：從傳統(tǒng)到創(chuàng)新 041
2.3.2 基于人類反饋的強(qiáng)化學(xué)習(xí) 044
2.3.3 規(guī)模法則：大模型發(fā)展的驅(qū)動(dòng)力 045
2.3.4 涌現(xiàn)：生成式AI中的關(guān)鍵現(xiàn)象 047
2.3.5 大模型驅(qū)動(dòng)的社會(huì)模擬：以斯坦福小鎮(zhèn)為例 049
3 AIGC的挑戰(zhàn)與治理 053
3.1 生成式AI技術(shù)與挑戰(zhàn) 054
3.1.1 大模型幻覺(jué)：挑戰(zhàn)、原因與應(yīng)對(duì)策略 054
3.1.2 大模型“三角難題”的權(quán)衡與挑戰(zhàn) 056
3.1.3 合成數(shù)據(jù)：AIGC創(chuàng)作的基石與隱憂 058
3.1.4 大模型的能耗挑戰(zhàn)與綠色發(fā)展 060
3.2 AIGC信息與安全 061
3.2.1 內(nèi)容創(chuàng)作中的隱私與安全 061
3.2.2 AIGC的知識(shí)產(chǎn)權(quán)挑戰(zhàn)：法律與技術(shù)的平衡之道 063
3.2.3 虛假信息與越獄：AIGC時(shí)代的挑戰(zhàn)與應(yīng)對(duì) 064
3.3 AIGC與社會(huì)發(fā)展 066
3.3.1 AIGC時(shí)代的職業(yè)技能革命：從文字創(chuàng)作到全新崗位 066
3.3.2 跨越技術(shù)門檻：AIGC賦能創(chuàng)作與數(shù)字鴻溝的平衡之道 068
3.3.3 大模型偏見(jiàn)與AIGC創(chuàng)作：挑戰(zhàn)與共創(chuàng)未來(lái) 069
3.3.4 AI時(shí)代的素養(yǎng)與能力：從作文到計(jì)算思維 070
3.3.5 AIGC時(shí)代的教育：禁用還是引導(dǎo) 071
3.3.6 AI對(duì)齊：目標(biāo)、價(jià)值觀與利益的平衡之道 073
3.3.7 AIGC倫理挑戰(zhàn)與全球治理探索 074
4 如何與AI有效溝通：提示詞工程 076
4.1 與大模型高效溝通：從提問(wèn)到提示工程 077
4.1.1 學(xué)會(huì)提問(wèn)很重要 077
4.1.2 理解與利用大模型 078
4.1.3 提示與提示工程 080
4.2 提示詞工程技巧 082
4.2.1 思路與原則 082
4.2.2 優(yōu)化與提升 089
4.2.3 驗(yàn)證與改進(jìn) 096
4.3 BRIGHT法則 105
4.3.1 背景詞（background word） 105
4.3.2 角色詞（role word） 106
4.3.3 指令詞（instruction word） 106
4.3.4 引導(dǎo)詞（guided word） 106
4.3.5 啟發(fā)詞（heuristic word） 107
4.3.6 任務(wù)詞（task word） 107
4.3.7 舉例說(shuō)明 107
5 AIGC賦能Python程序設(shè)計(jì) 111
5.1 G-KEEP-ART方法論 112
5.2 G-KEEP-ART方法論實(shí)踐 114
5.2.1 明目標(biāo)，繪藍(lán)圖 114
5.2.2 分層次，列清單 115
5.2.3 細(xì)解答，舉實(shí)例 119
5.2.4 行于實(shí)，踐于知 132
5.2.5 活應(yīng)用，妙理通 135
5.2.6 學(xué)需測(cè)，記方深 141
5.2.7 學(xué)為用，知轉(zhuǎn)能 145
5.3 人工智能賦能程序設(shè)計(jì) 148
5.3.1 基于大模型的Python程序入門優(yōu)勢(shì) 148
5.3.2 未來(lái)展望：人工智能賦能編程教育 149
6 利用AIGC進(jìn)行數(shù)據(jù)分析 150
6.1 AIGC賦能數(shù)字素養(yǎng)提升 151
6.1.1 數(shù)據(jù)素養(yǎng)：驅(qū)動(dòng)創(chuàng)新與進(jìn)步的核心力量 151
6.1.2 數(shù)據(jù)分析：提升數(shù)據(jù)素養(yǎng)的關(guān)鍵能力 152
6.1.3 為什么使用大模型進(jìn)行數(shù)據(jù)分析？ 153
6.2 數(shù)據(jù)準(zhǔn)備與初步分析 154
6.2.1 數(shù)據(jù)分析準(zhǔn)備 154
6.2.2 數(shù)據(jù)導(dǎo)入與預(yù)處理 155
6.2.3 數(shù)據(jù)理解與探索性分析 160
6.3 深入分析與可視化呈現(xiàn) 167
6.3.1 特征工程 167
6.3.2 假設(shè)檢驗(yàn) 171
6.3.3 時(shí)間序列分析 176
6.3.4 可視化 183
7 跟著AIGC自學(xué)數(shù)學(xué)與機(jī)器學(xué)習(xí) 187
7.1 機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ) 188
7.1.1 為什么利用AIGC賦能數(shù)學(xué) 188
7.1.2 如何利用AIGC賦能數(shù)學(xué)：以微積分為例 189
7.2 機(jī)器學(xué)習(xí)基礎(chǔ) 196
7.2.1 什么是機(jī)器學(xué)習(xí) 196
7.2.2 機(jī)器學(xué)習(xí)的學(xué)習(xí)方式 197
7.2.3 機(jī)器學(xué)習(xí)下的四類問(wèn)題 198
7.2.4 監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)流程 200
7.3 大模型賦能下的機(jī)器學(xué)習(xí) 201
7.3.1 為何要用大模型學(xué)習(xí)機(jī)器學(xué)習(xí) 201
7.3.2 詢問(wèn)學(xué)習(xí)算法的前置知識(shí) 202
7.3.3 一步一步“聊”懂算法原理與代碼 204
7.3.4 問(wèn)出算法的步驟 208
7.3.5 小學(xué)生能懂的機(jī)器學(xué)習(xí) 213
8 AIGC賦能案例 216
8.1 AIGC賦能科技論文寫作 217
8.1.1 四大原則 217
8.1.2 初探：從選題到大綱撰寫 219
8.1.3 深耕：從正文撰寫到成果優(yōu)化 226
8.2 AIGC賦能金融數(shù)據(jù)分析 235
8.2.1 金融數(shù)據(jù)的獲取與分析 235
8.2.2 股票價(jià)格預(yù)測(cè) 239
8.2.3 投資組合優(yōu)化分析 242
8.3 AIGC賦能創(chuàng)建AI智能體 257
8.3.1 與大模型的協(xié)同創(chuàng)作 257
8.3.2 智能體開發(fā)全流程示例 257
8.3.3 對(duì)話開發(fā)的啟示 273
附錄 殊途同歸：大模型的演進(jìn) 274
書單推薦
