免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

【章名目錄】

【第　1篇 導(dǎo)論篇】
第　1章 AI技術(shù)概述
【第　2篇 基礎(chǔ)篇】
第　2章 生成模型
第3章　自然語(yǔ)言處理經(jīng)典模型
第4章　計(jì)算機(jī)視覺(jué)經(jīng)典模型
【第3篇　應(yīng)用篇】
第5章　大語(yǔ)言模型
第6章　代碼生成大語(yǔ)言模型
第7章　圖像生成大模型
第8章　語(yǔ)音生成大模型
第9章　視頻生成大模型
【第4篇　展望篇】
第　10章 AIGC時(shí)代的機(jī)遇、挑戰(zhàn)及發(fā)展趨勢(shì)
附錄　大語(yǔ)言模型智能體精選與推薦


【詳細(xì)目錄】

【第　1篇 導(dǎo)論篇】
第　1章 AI技術(shù)概述
1.1　AI技術(shù)基礎(chǔ)　2
1.1.1　AI技術(shù)的發(fā)展歷程　2
1.1.2　AI領(lǐng)域的常用概念　4
1.2　機(jī)器學(xué)習(xí)基礎(chǔ)　7
1.2.1　機(jī)器學(xué)習(xí)的三要素　7
1.2.2　機(jī)器學(xué)習(xí)的分類(lèi)　8
1.2.3　機(jī)器學(xué)習(xí)的工作流程　10
1.2.4　機(jī)器學(xué)習(xí)案例：使用線(xiàn)性回歸算法預(yù)測(cè)房?jī)r(jià)　11
1.3　深度學(xué)習(xí)基礎(chǔ)　16
1.3.1　深度學(xué)習(xí)的概念　16
1.3.2　前饋神經(jīng)網(wǎng)絡(luò)與反向傳播算法　17
1.3.3　深度學(xué)習(xí)案例：基于LeNet-5模型識(shí)別手寫(xiě)數(shù)字　17
1.3.4　深度學(xué)習(xí)的常用基礎(chǔ)函數(shù)和算法　18
1.3.5　深度學(xué)習(xí)的基本工作流程　23
1.4　AIGC的發(fā)展歷史、應(yīng)用方向及基礎(chǔ)技術(shù)　25
1.4.1　AIGC的發(fā)展歷史　25
1.4.2　AIGC的應(yīng)用方向　26
1.4.3　AIGC的基礎(chǔ)技術(shù)　28
本章小結(jié)　32
習(xí)題　32
課程實(shí)踐　33

【第　2篇 基礎(chǔ)篇】
第　2章 生成模型
2.1　生成模型技術(shù)基礎(chǔ)　35
2.1.1　生成模型和判別模型　35
2.1.2　生成模型的分類(lèi)　36
2.1.3　生成模型中用到的統(tǒng)計(jì)學(xué)概念　37
2.2　深度生成模型　42
2.2.1　GAN模型　42
2.2.2　自回歸模型　44
2.2.3　擴(kuò)散模型　44
2.2.4　VAEs模型　46
2.2.5　標(biāo)準(zhǔn)化流模型　49
本章小結(jié)　50
習(xí)題　50
課程實(shí)踐　50

第3章　自然語(yǔ)言處理經(jīng)典模型
3.1　NLP技術(shù)的發(fā)展歷程和應(yīng)用現(xiàn)狀　52
3.1.1　NLP技術(shù)的發(fā)展歷程　52
3.1.2　NLP技術(shù)的應(yīng)用現(xiàn)狀　54
3.2　NLP技術(shù)基礎(chǔ)　55
3.2.1　文本的數(shù)值化表示　56
3.2.2　NLP模型　59
3.2.3　注意力機(jī)制　60
3.2.4　語(yǔ)料庫(kù)　66
3.3　經(jīng)典N(xiāo)LP深度學(xué)習(xí)模型　67
3.3.1　RNN模型　67
3.3.2　編碼器-解碼器架構(gòu)　69
3.3.3　LSTM模型　69
3.3.4　Transformer架構(gòu)　70
3.3.5　BERT模型　78
本章小結(jié)　80
習(xí)題　80
課程實(shí)踐　81

第4章　計(jì)算機(jī)視覺(jué)經(jīng)典模型
4.1　CV技術(shù)的發(fā)展歷程和應(yīng)用現(xiàn)狀　82
4.1.1　CV技術(shù)的發(fā)展歷程　82
4.1.2　CV技術(shù)的應(yīng)用現(xiàn)狀　84
4.2　CV技術(shù)基礎(chǔ)　85
4.2.1　圖像的表現(xiàn)形式　86
4.2.2　數(shù)字圖像處理　87
4.3　經(jīng)典CV模型　89
4.3.1　CNN模型　89
4.3.2　ResNet模型　96
4.3.3　ViT模型　97
本章小結(jié)　100
習(xí)題　100
課程實(shí)踐　100

【第3篇　應(yīng)用篇】
第5章　大語(yǔ)言模型
5.1　大語(yǔ)言模型概述　102
5.1.1　大語(yǔ)言模型的定義　102
5.1.2　大語(yǔ)言模型的工作原理　104
5.1.3　大語(yǔ)言模型落地應(yīng)用的方法　105
5.2　主流大語(yǔ)言模型簡(jiǎn)析　105
5.2.1　國(guó)外主流大語(yǔ)言模型　105
5.2.2　國(guó)內(nèi)主流大語(yǔ)言模型　107
5.3　GPT系列模型的工作原理　109
5.3.1　GPT-1　109
5.3.2　GPT-2　113
5.3.3　GPT-3　120
5.3.4　GPT-3.5和GPT-4　122
5.4　體驗(yàn)主流大語(yǔ)言模型　123
5.4.1　設(shè)計(jì)體驗(yàn)任務(wù)　123
5.4.2　體驗(yàn)大語(yǔ)言模型的方法　125
5.4.3　體驗(yàn)純文本任務(wù)　127
5.4.4　體驗(yàn)多模態(tài)任務(wù)　131
本章小結(jié)　137
習(xí)題　138
課程實(shí)踐　138

第6章　代碼生成大語(yǔ)言模型
6.1　代碼生成大語(yǔ)言模型概述　139
6.1.1　什么是代碼生成大語(yǔ)言模型　139
6.1.2　代碼生成大語(yǔ)言模型的基本工作原理　141
6.2　主流代碼生成大語(yǔ)言模型選解　142
6.2.1　GitHub Copilot　142
6.2.2　CodeWhisperer　143
6.2.3　CodeGeeX　143
6.2.4　CodeBERT　146
6.3　體驗(yàn)CodeWhisperer　148
6.3.1　在IDEA中安裝AWS Toolkit插件　148
6.3.2　在IDEA中使用CodeWhisperer　149
6.3.3　Amazon Q Chat　150
6.3.4　在開(kāi)發(fā)過(guò)程中利用CodeWhisperer的編碼建議　152
6.4　體驗(yàn)CodeGeeX　154
6.4.1　在VS Code中安裝CodeGeeX插件　154
6.4.2　在VS Code中使用CodeGeeX　155
本章小結(jié)　160
習(xí)題　160
課程實(shí)踐　160

第7章　圖像生成大模型
7.1　圖像生成大模型的工作原理　161
7.1.1　圖像嵌入　161
7.1.2　圖像生成大模型的基本工作流程　162
7.1.3　條件生成模型　163
7.1.4　建立文圖聯(lián)系的CLIP模型　165
7.2　主流圖像生成大模型選解　168
7.2.1　國(guó)外的圖像生成大模型　168
7.2.2　國(guó)內(nèi)的圖像生成大模型　175
7.3　體驗(yàn)圖像生成大模型　176
7.3.1　體驗(yàn)圖像生成大模型的方法　176
7.3.2　設(shè)計(jì)體驗(yàn)任務(wù)　180
7.3.3　體驗(yàn)生成人物攝影圖像　183
7.3.4　體驗(yàn)生成風(fēng)景植物圖像　186
7.3.5　體驗(yàn)生成建筑設(shè)計(jì)圖像　188
7.3.6　體驗(yàn)生成中國(guó)風(fēng)格圖像　190
本章小結(jié)　192
習(xí)題　192
課程實(shí)踐　192

第8章　語(yǔ)音生成大模型
8.1　語(yǔ)音生成大模型的工作原理　193
8.1.1　TTS技術(shù)的發(fā)展歷史　193
8.1.2　梅爾頻譜　194
8.1.3　TTS的工作原理　194
8.2　語(yǔ)音生成大模型選解　195
8.2.1　XTTS模型　195
8.2.2　Mega-TTS模型　196
8.3　體驗(yàn)語(yǔ)音生成大模型　198
本章小結(jié)　199
習(xí)題　199
課程實(shí)踐　200

第9章　視頻生成大模型
9.1　視頻生成大模型的基礎(chǔ)技術(shù)　201
9.1.1　視頻表示　201
9.1.2　條件概率視頻生成大模型的概念　201
9.2　主流視頻生成大模型選解　202
9.2.1　Sora模型的工作原理　202
9.2.2　MagicVideo-V2模型的工作原理　205
9.3　體驗(yàn)主流視頻生成大模型　206
9.3.1　Gen-3模型生成的視頻　206
9.3.2　Pika模型生成的視頻　207
9.3.3　MagicVideo-V2模型生成的視頻　208
本章小結(jié)　209
習(xí)題　209
課程實(shí)踐　209

【第4篇　展望篇】
第　10章 AIGC時(shí)代的機(jī)遇、挑戰(zhàn)及發(fā)展趨勢(shì)
10.1　AIGC的社會(huì)影響　211
10.1.1　AIGC對(duì)社會(huì)經(jīng)濟(jì)的影響　211
10.1.2　AIGC對(duì)普通人生活的影響　212
10.2　AIGC時(shí)代的機(jī)遇和挑戰(zhàn)　213
10.2.1　AIGC時(shí)代的機(jī)遇　213
10.2.2　AIGC時(shí)代的挑戰(zhàn)　216
10.3　AIGC技術(shù)所面臨的挑戰(zhàn)及發(fā)展趨勢(shì)　221
10.3.1　AIGC技術(shù)的倫理問(wèn)題和所面臨的挑戰(zhàn)　221
10.3.2　AIGC技術(shù)的發(fā)展趨勢(shì)　224
本章小結(jié)　227
習(xí)題　228
課程實(shí)踐　228

附錄　大語(yǔ)言模型智能體精選與推薦
F.1　文心智能體平臺(tái)　229
F.2　通義智能體　229
F.3　ChatAI的定制模型　230
F.4　DeepSeek智能體　231