注冊(cè) | 登錄讀書(shū)好，好讀書(shū)，讀好書(shū)！

當(dāng)前位置：首頁(yè)出版圖書(shū)科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能ChatGPT簡(jiǎn)明教程

ChatGPT簡(jiǎn)明教程

定　價(jià)：￥39.00

作　者：	焦李成，劉旭，趙嘉璇，楊育婷，邵奕霖等
出版社：	西安電子科技大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

當(dāng)當(dāng)網(wǎng) (￥27.30)

ISBN：	9787560669359	出版時(shí)間：	2023-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	213	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　作為通用人工智能的重要進(jìn)展，ChatGPT的出現(xiàn)引起了學(xué)術(shù)界和產(chǎn)業(yè)界人士的廣泛關(guān)注。本書(shū)系統(tǒng)地論述了ChatGPT的發(fā)展歷程、核心技術(shù)和基本原理等內(nèi)容。全書(shū)共15章。第1章介紹了ChatGPT的前世今生；第2～6章論述了ChatGPT相關(guān)的基礎(chǔ)理論與發(fā)展應(yīng)用；第7～10章論述了ChatGPT的核心技術(shù)，包括Transformer、基于人類(lèi)反饋的強(qiáng)化學(xué)習(xí)、提示學(xué)習(xí)以及模型學(xué)習(xí)與優(yōu)化； 1章和 2章論述了ChatGPT的重要應(yīng)用場(chǎng)景； 3～15章論述了以ChatGPT為代表的通用大模型范式面臨的挑戰(zhàn)和對(duì)各行業(yè)領(lǐng)域的影響，并對(duì)下一代人工智能重大場(chǎng)景戰(zhàn)略進(jìn)行了解讀。本書(shū)內(nèi)容新穎，通俗易懂，適合作為人工智能、智能科學(xué)與技術(shù)、計(jì)算機(jī)科學(xué)與技術(shù)、智能機(jī)器人技術(shù)、控制科學(xué)與工程、物聯(lián)網(wǎng)工程等專業(yè)本科生及研究生的通識(shí)教材，也可供相關(guān)科研人員、政府工作人員參考學(xué)習(xí)。

作者簡(jiǎn)介

暫缺《ChatGPT簡(jiǎn)明教程》作者簡(jiǎn)介

圖書(shū)目錄

第1章 ChatGPT的前世今生
1.1 什么是 ChatGPT
1.2 從波士頓動(dòng)力機(jī)器人到ChatGPT
1.3 ChatGPT的使用說(shuō)明
1.3.1 ChatGPT的注冊(cè)
1.3.2 ChatGPT的使用
1.3.3 如何與ChatGPT交流
1.4 ChatGPT 的優(yōu)勢(shì)與缺點(diǎn)
1.4.1 ChatGPT的優(yōu)勢(shì)
1.4.2 ChatGPT的缺點(diǎn)
1.5 ChatGPT的應(yīng)用場(chǎng)景
1.5.1 辦公領(lǐng)域
1.5.2 搜索引擎
1.5.3 教育領(lǐng)域
1.5.4 會(huì)計(jì)領(lǐng)域
1.5.5 其他領(lǐng)域
第2章自然語(yǔ)言處理
2.1 語(yǔ)義理解
2.2 機(jī)器翻譯
2.3 自動(dòng)問(wèn)答
2.3.1 自動(dòng)問(wèn)答系統(tǒng)的基礎(chǔ)架構(gòu)
2.3.2 自動(dòng)問(wèn)答系統(tǒng)的實(shí)現(xiàn)技術(shù)
2.3.3 自動(dòng)問(wèn)答技術(shù)面臨的挑戰(zhàn)和發(fā)展趨勢(shì)
2.4 文本生成
2.4.1 基于規(guī)則驅(qū)動(dòng)的文本生成
2.4.2 基于機(jī)器學(xué)習(xí)的文本生成
2.5 情感分析
第3章 ChatGPT深度學(xué)習(xí)基礎(chǔ)理論
3.1 神經(jīng)網(wǎng)絡(luò)的基本原理
3.2 卷積神經(jīng)網(wǎng)絡(luò)
3.3 Word2Vec
3.3.1 連續(xù)詞袋模型
3.3.2 SkipGram模型
3.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
3.5 長(zhǎng)短期記憶網(wǎng)絡(luò)
第4章 GPT系列大模型
4.1 大規(guī)模預(yù)訓(xùn)練模型
4.1.1 發(fā)展歷程
4.1.2 大模型的優(yōu)勢(shì)
4.1.3 應(yīng)用場(chǎng)景
4.2 大型預(yù)訓(xùn)練語(yǔ)言模型
4.3 GPT
4.3.1 GPT1的結(jié)構(gòu)
4.3.2 GPT1的數(shù)據(jù)集及參數(shù)量
4.3.3 GPT1的預(yù)訓(xùn)練
4.3.4 GPT1的微調(diào)
4.3.5 GPT1的優(yōu)勢(shì)及局限性
4.4 BERT
4.4.1 BERT的結(jié)構(gòu)
4.4.2 BERT的數(shù)據(jù)集及參數(shù)量