新書推薦:
《
新印象:Unity游戏开发实例教程
》
售價:NT$
607.0
《
俗世奇人 手绘珍藏本(新增)
》
售價:NT$
398.0
《
世界巅峰的经济学教室:来自著名经济学家的12堂课 [日]广野彩子
》
售價:NT$
408.0
《
南京小传
》
售價:NT$
250.0
《
风雪唐古拉
》
售價:NT$
179.0
《
欧盟《人工智能法》研究——以立法过程为视角(“人工智能伦理、法律与治理”系列丛书)
》
售價:NT$
663.0
《
数字鸿沟:科技时代美国学校如何制造不平等
》
售價:NT$
352.0
《
“简”读中国:敦煌汉简里的丝绸之路
》
售價:NT$
398.0
內容簡介:
大模型应用解决方案 基于ChatGPT和GPT-4等Transformer架构的自然语言处理
Transformer正在颠覆AI领域。市面上有这么平台和Transformer模型,哪些最符合你的需求? 将引领你进入Transformer的世界,将讲述不同模型和平台的优势,指出如何消除模型的缺点和问题。本书将引导你使用Hugging Face从头开始预训练一个RoBERTa模型,包括构建数据集、定义数据整理器以及训练模型等。 《基于GPT-3、ChatGPT、GPT-4等Transformer架构的自然语言处理》分步展示如何微调GPT-3等预训练模型。研究机器翻译、语音转文本、文本转语音、问答等NLP任务,并介绍解决NLP难题的技术,甚至帮助你应对假新闻焦虑(详见第13章)。 从书中可了解到,诸如OpenAI的高级平台将Transformer扩展到语言领域、计算机视觉领域,并允许使用DALL-E 2、ChatGPT和GPT-4生成代码。通过本书,你将了解到Transformer的工作原理以及如何实施Transformer来决NLP问题。
主要内容
● 了解用于解决复杂语言问题的新技术
● 将GPT-3与T5、GPT-2和基于BERT的Transformer的结果进行对比
● 使用TensorFlow、PyTorch和GPT-3执行情感分析、文本摘要、非正式语言分析、机器翻译等任务
● 了解ViT和CLIP如何标注图像(包括模糊化),并使用DALL-E从文本生成图像
● 学习ChatGPT和GPT-4的高级提示工程机制
强化学习与机器人控制
在《强化学习与机器人控制》一书中,专家团队不仅简洁明了地描述了人机交互控制方案,还深入介绍了新颖的无模型强化学习控制器。本书首先简述更先进的人机交互控制方案和强化学习,然后讲解典型的环境模型,最后介绍一些更著名的参数估计识别技术。 《强化学习与机器人控制》提供了严谨的数学推理和演示,这有助于读者理解控制方案和算法。书中还描述了人机交互控制和基于强化学习控制的稳定性和收敛性分析。另外,还讨论了一些前沿话题,如逆运动学和速度运动学解决方案、神经控制以及机器人领域未来可能的发展趋势。
● 全面介绍基于模型的人机交互控制
● 详细研究基于欧拉角的无模型人机交互控制和“人机回圈”机制控制
● 实际讨论机器人位置和力控制的强化学习以及机器人力控制的连续时间强化学习
● 深入研究使用强化学习来控制最坏情况下不确定性的机器人,并使用多智能体强化学习对冗余机器人进行控制
深度学习计算机视觉
计算机视觉有多先进?开一开特斯拉就知道了。深度学习技术已在人脸识别、交互式仿真和医学成像方面取得令人兴奋的突破,但让人心潮澎湃的当属自动驾驶技术。如今,自动驾驶的汽车已经能在高速路上畅意驰骋并对各种复杂路况做出灵活反应了。 计算机如何“理解”它所“看到”的东西?本书试图将深度学习应用于计算机视觉以回答该问题。本书仅用高中代数知识阐明视觉直觉背后的概念。你将了解如何使用深度学习架构来构建视觉系统应用程序,以实现图像生成和人脸识别功能。
主要内容
●图像分类和目标检测
●先进的深度学习架构
●迁移学习与生成对抗网络
●DeepDream和神经风格迁移
●视觉嵌入和图像搜索
深度强化学习
近年来,深度强化学习成为关注的热点。在自动驾驶、棋牌游戏、分子重排和机器人等领域,计算机程序能够通过强化学习,理解以前被视为超级困难的问题,取得了令人瞩目的成果。在围棋比赛中,AlphaGo接连战胜樊麾、李世石和柯洁等人类冠军。深度强化学习从生物学和心理学领域的研究中受到启发。生物学激发了人工神经网络和深度学习的出现,而心理学研究人和动物如何学习,如何通过正负刺激来强化目标行为。了解了强化学习如何指导机器人行走时,我们不禁联想到儿童如何在玩中学习。动物行为和大脑结构可作为新的科学和工程蓝图。计算机似乎真正具备了人类的某些行为特征,深度强化学习技术成为实现AI梦想的核心。
教育界也十分重视深度强化学习的研究进展。许多大学开设了深度强化学习课程。本书恰到好处地介绍了深度强化学习领域的技术细节,可作为AI研究生课程的教材。本书讲解全面,涵盖深度Q-learning的基本算法,乃至多智能体强化学习和元学习等高级主题。
關於作者:
大模型应用解决方案 基于ChatGPT和GPT-4等Transformer架构的自然语言处理
Denis Rothman 毕业于法国巴黎索邦大学和狄德罗大学,设计了首批获得专利的编码和嵌入系统,编写了首批获得专利的AI 认知机器人和机器人。他的职业生涯始于为Mo?t et Chandon 提供NLP(自然语言处理)聊天机器人,并为空中客车公司(前身为Aerospatiale)提供AI 战术防御优化器。此后,Denis 为IBM 和奢侈品牌开发了AI资源优化器,并最终发展为在全球范围内使用的APS(高级规划和调度)解决方案。
强化学习与机器人控制
Wen Yu,博士,墨西哥城国家政治研究所(CINVESTAV-IPN)投资研究中心的教授和自动化控制系主任,Modeling and Control of Uncertain Nonlinear Systems with Fuzzy Equations and Z-Number 一书的合著者。
Adolfo Perrusquía,博士,英国贝德福德郡克兰菲尔德大学航空航天、运输和制造学院的研究员。
深度学习计算机视觉
Mohamed Elgendy,现任Rakuten(乐天)公司的工程副总裁,掌管该公司的AI平台和产品的开发。此前,他曾担任Synapse Technology公司的工程主管,负责开发专用于世界范围内安全威胁检测的计算机视觉应用程序;后在亚马逊建立并管理了一支中央AI团队。该团队充当AWS和Amazon Go等亚马逊工程团队的深度学习智囊团。他还在亚马逊机器学习大学(Amazon''s Machine University)开发了计算机视觉的深度学习课程。时至今日,Mohamed还经常在亚马逊开发者大会、O''Reilly人工智能峰会和谷歌I/O大会上发表演讲。
深度强化学习
Aske Plaat是荷兰莱顿大学的数据科学教授,兼任莱顿高级计算机科学研究所(LIACS)主任。Aske是莱顿数据科学中心(LCDS)的联合创始人,发起了跨学科研究项目“社会、人工智能与生命科学”(SAILS)。Aske的研究领域包括强化学习、可扩展的组合推理算法、游戏和自学习系统。
目錄 :
《大模型应用解决方案 基于ChatGPT和GPT-4等Transformer架构的自然语言处理》
《深度学习计算机视觉》
《深度强化学习》
《强化学习与机器人控制》