新書推薦：
《
逸出局部：艺术史六题
》
售價：NT$
484.0
《
中国近代史（史学大师蒋廷黻作品）
》
售價：NT$
429.0
《
时间线上的中国国宝
》
售價：NT$
2539.0
《
时间线上的中国史
》
售價：NT$
2539.0
《
道德革命的结构（交界译丛）
》
售價：NT$
539.0
《
土地发展权与中国的空间治理
》
售價：NT$
638.0
《
粤港澳大湾区经济发展报告（2025）
》
售價：NT$
924.0
《
俄国史译丛——先声：19世纪末20世纪初俄国的知识界
》
售價：NT$
539.0
|
| 編輯推薦： |
|
AI浪潮下，开发效率的竞争早已进入“AI 辅助”赛道！本书带你解锁GitHub Copilot和ChatGPT的强大能力——从用提示词生成精准代码，到构建电商应用、训练预测模型，全流程实战案例+实用技巧一网打尽。 无论是Web开发者想提速前端开发，还是数据科学家要简化模型构建，这本书都能帮你让AI成为“得力副驾”，告别重复劳动，专注核心创新。40+企业级案例、详细的提示策略，让你快速掌握AI辅助编程精髓，抢占技术先机！现在入手，开启高效开发新范式～
|
| 內容簡介： |
|
本书展示了如何使用AI工具构建应用程序和机器学习模型，以及自动化重复性任务。书中第1章~第7章主要聚焦于编程，用AI工具完成从用户界面构建到后端开发的过程。你将使用提示词来创建使用HTML进行构建的应用程序的外观，用CSS来设计样式，并借助JavaScript增加行为，同时处理多个视口。随后，你将使用Python和Flask创建一个Web API，并对代码进行重构以提升可读性。最后，借助GitHub Copilot，优化现有代码的可维护性和性能。第8章~第19章提供了从数据检查（检查数据、创建分布图和相关矩阵）到构建和优化神经网络的数据科学提示工具包。你将针对各种机器学习模型和用例，使用不同的提示策略进行数据预处理、特征工程、模型选择、训练、超参数优化和模型评估。第20章和第21章探讨了GitHub Copilot的高阶技术和软件智能体，包括代码生成、调试以及故障排除的技巧。你将了解AI驱动的智能体如何更简单地工作，并发现工具调用的奥秘。
|
| 關於作者： |
|
克里斯托弗·诺林（Christoffer Noring）微软高级布道师，专注于应用程序开发和人工智能领域。他不仅是谷歌开发者专家，还是牛津大学云模式和人工智能方面的导师。安加利·贾因（Anjali Jain）牛津大学高级人工智能和机器学习导师，拥有超过20年的从业经验。她目前担任Metrobank的数据架构师，专为金融行业提供人工智能、数据、架构、数据治理和软件开发方面的专业知识。玛丽娜·费尔南德斯（Marina Fernandez）Databricks顾问，专注于金融风险管理的数据科学，拥有超过20年的大型企业系统开发经验。她目前担任牛津大学学术团队的高级人工智能和机器学习导师及客座讲师。艾谢·穆特鲁（Ay?e Mutlu）数据科学家，专注于Azure AI和DevOps技术，主要使用Microsoft Azure框架构建和部署机器学习和深度学习模型。阿吉特·焦卡尔（Ajit Jaokar）FeynLabs数据科学家，专注于为复杂应用程序构建人工智能原型。他目前担任牛津大学人工智能课程的主任，并在伦敦经济学院、马德里理工大学和哈佛大学肯尼迪政府学院教授人工智能课程。
|
| 目錄：
|
|
目 录推荐序一推荐序二推荐序三推荐序四推荐序五推荐序六译者序前言第1章 欢迎进入AI助手新世界 ………11.1 导论 ……………………………………11.2 ChatGPT的发展历程：从自然语言处理到大语言模型 ……………………11.2.1 大语言模型的兴起 ………… 21.2.2 GPT模型 …………………… 21.2.3 大语言模型的优势 ………… 31.3 新范式：使用自然语言编程 ………31.4 编程语言的演进 ………………………4第2章 提示策略 ……………………………52.1 导论 ……………………………………52.2 你的身份 ………………………………52.3 如何有效提示 …………………………62.4 针对Web开发领域的提示策略 …132.4.1 分解问题：Web库存管理系统 ……………………… 132.4.2 将前端问题分解为功能 … 132.4.3 为每个功能生成提示词 … 142.4.4 确定Web开发领域的提示策略 ……………………… 142.5 针对数据科学领域的提示策略 …152.5.1 分解问题：预测销售额 … 152.5.2 将数据科学问题分解为步骤 ……………………… 152.5.3 为每个步骤生成提示词 … 162.5.4 确定数据科学领域的提示策略 ……………………… 162.6 验证结果 ……………………………172.6.1 通过提示词验证 ………… 172.6.2 经典验证 ………………… 182.7 总结 …………………………………19第3章 行业工具：AI助手介绍 ……203.1 导论 …………………………………203.2 了解Copilot …………………………203.2.1 Copilot如何知道要生成什么 ……………………… 213.2.2 Copilot的功能和局限性 … 213.2.3 设置和安装 ……………… 213.2.4 开始使用Copilot ……… 223.2.5 任务 ……………………… 233.2.6 答案 ……………………… 233.2.7 挑战 ……………………… 243.2.8 参考文献 ………………… 243.3 了解ChatGPT ………………………243.3.1 ChatGPT如何工作 …… 253.3.2 ChatGPT的功能和局限性 ……………………… 253.3.3 设置和安装 ……………… 253.3.4 开始使用ChatGPT ……… 263.4 总结 …………………………………28第4章 使用HTML和Copilot构建应用程序的外观 ……………………294.1 导论 …………………………………294.2 业务问题 ……………………………304.2.1 问题领域 ………………… 304.2.2 功能分解 ………………… 304.2.3 提示策略 ………………… 314.3 页面结构 ……………………………314.4 为页面结构构建添加AI辅助 …324.4.1 第1条提示词：简单提示词以及辅助AI助手 ……… 324.4.2 第2条提示词：添加更多上下文 ……………………… 334.4.3 第3条提示词：接受提示建议 ……………………… 344.5 挑战：改变提示词内容 …………374.6 用例：构建电子商务网站前端 …374.6.1 登录页面 ………………… 374.6.2 产品页面 ………………… 384.6.3 剩余页面 ………………… 404.7 任务 …………………………………414.8 挑战 …………………………………414.9 测验 …………………………………414.10 总结 …………………………………42第5章 使用CSS和Copilot为应用程序添加样式 ……………………435.1 导论 …………………………………435.2 业务问题 ……………………………435.3 问题和数据领域 ……………………445.4 功能分解 ……………………………445.5 提示策略 ……………………………445.6 CSS ……………………………………455.6.1 第一个CSS ……………… 455.6.2 按名称分类的CSS ……… 475.7 任务 …………………………………485.8 用例：为电子商务应用程序添加样式 …………………………………485.9 挑战 …………………………………505.10 测验 …………………………………505.11 总结 …………………………………51第6章 使用JavaScript添加行为 …526.1 导论 …………………………………526.2 业务问题 ……………………………526.3 问题和数据领域 ……………………526.4 功能分解 ……………………………536.5 提示策略 ……………………………536.6 添加JavaScript ……………………546.6.1 JavaScript的作用 ……… 546.6.2 向页面添加JavaScript … 546.6.3 添加JavaScript库/框架 … 556.7 挑战 …………………………………566.8 用例：添加行为 ……………………576.8.1 改进输出结果 …………… 596.8.2 添加Bootstrap ………… 616.8.3 添加Vue.js ……………… 646.9 任务 …………………………………676.10 总结 …………………………………67第7章 使用响应式Web布局支持多个视口 ………………………………697.1 导论 …………………………………697.2 业务问题 ……………………………707.3 问题和数据领域 ……………………707.4 功能分解 ……………………………707.5 提示策略 ……………………………707.6 视口 …………………………………717.6.1 媒体查询 ………………… 717.6.2 何时调整以适应不同的视口并使其响应 ……………… 717.7 用例：使产品库具有响应性 ……747.8 任务 …………………………………787.9 挑战 …………………………………797.10 总结 …………………………………79第8章 构建具有Web API的后端 …808.1 导论 …………………………………808.2 业务问题 ……………………………808.3 问题和数据领域 ……………………818.4 功能分解 ……………………………818.5 提示策略 ……………………………818.6 Web API ………………………………828.6.1 应该选择哪种语言和框架 ……………………… 828.6.2 规划Web API …………… 828.7 使用Python和Flask创建Web API ………………………………828.7.1 步骤1：创建新项目 …… 838.7.2 步骤2：安装Flask …… 848.7.3 步骤3：创建入口点 … 848.7.4 步骤4：创建Flask应用程序 ……………………… 848.8 用例：电子商务网站的Web API …858.8.1 步骤1：为电子商务网站创建Web API ……………… 868.8.2 步骤2：返回JSON而不是文本 ……………………… 878.8.3 步骤3：添加读写数据库的代码 ……………………… 888.8.4 步骤4：改进代码 ……… 948.8.5 步骤5：为API编写文档 ……………………… 998.9 任务 …………………………………1038.10 挑战 …………………………………1038.11 总结 …………………………………103第9章 用AI服务增强Web应用程序 ………………………………1049.1 导论 …………………………………1049.2 业务问题 ……………………………1049.3 问题和数据领域 ……………………1059.4 功能分解 ……………………………1059.5 提示策略 ……………………………1059.6 创建模型 ……………………………1059.7 制订计划 ……………………………1069.7.1 导入库 …………………… 1079.7.2 读取CSV文件 ………… 1089.7.3 创建测试数据集和训练数据集 ……………………… 1089.7.4 创建模型 ………………… 1099.7.5 模型效果 ………………… 1099.7.6 预测 ……………………… 1109.7.7 将模型保存为.pkl文件 … 1119.7.8 在Python中创建REST API ……………… 1129.8 将模型转换为ONNX格式 ………1139.9 在JavaScript中加载ONNX模型 …………………………………1149.9.1 在JavaScript中安装onnxruntime …………… 1149.9.2 在JavaScript中加载ONNX模型 ……………………… 1149.10 任务 …………………………………1159.11 测验 …………………………………1159.12 总结 …………………………………115第10章 维护现有代码库 ……………11610.1 导论 …………………………………11610.2 提示策略 ……………………………11610.3 不同的维护类型 …………………11610.4 维护过程 ……………………………11710.5 解决一个漏洞 ……………………11710.5.1 识别问题 ……………… 11810.5.2 实施更改 ……………… 11910.6 添加新功能 ………………………12010.6.1 识别问题并找到需要更改的函数 ……………………… 12110.6.2 实施更改，添加新功能和测试 ……………………… 12210.7 提高性能 ……………………………12310.7.1 大O表示法计算 ……… 12510.7.2 测试性能 ……………… 12510.8 提高可维护性 ……………………12610.8.1 识别问题 ……………… 12810.8.2 添加测试并降低更改风险 ……………………… 12810.8.3 实施更改并提高可维护性 ……………………… 13310.9 挑战 …………………………………13510.10 更新现有的电子商务网站 ……13510.11 任务 ………………………………14310.12 测验 ………………………………14310.13 总结 ………………………………143第11章 使用ChatGPT进行数据探索 ……………………………14411.1 导论 …………………………………14411.2 业务问题 ……………………………14411.3 问题和数据领域 …………………14511.4 功能分解 ……………………………14511.5 提示策略 ……………………………14611.5.1 策略1：TAG提示策略 … 14611.5.2 策略2：PIC提示策略 … 14711.5.3 策略3：LIFE提示策略 … 14711.6 使用免费版ChatGPT对亚马逊评论数据集进行数据探索 ……………14711.6.1 功能1：数据加载 …… 14711.6.2 功能2：数据检查 …… 15011.6.3 功能3：汇总统计 …… 15311.6.4 功能4：分类分析 …… 15511.6.5 功能5：评分分布可视化 ………………… 15711.6.6 功能6：时间趋势分析 … 15911.6.7 功能7：评论文本分析 … 16111.6.8 功能8：相关性分析 … 16311.7 使用ChatGPT-4o对亚马逊评论数据集进行数据探索 ………………16511.8 任务 …………………………………17011.9 挑战 …………………………………17011.10 总结 ………………………………171第12章 用ChatGPT构建分类模型 ……………………………17212.1 导论 …………………………………17212.2 业务问题 ……………………………17212.3 问题和数据领域 …………………17312.4 功能分解 ……………………………17312.5 提示策略 ……………………………17412.5.1 策略1：TAG提示策略 … 17412.5.2 策略2：PIC提示策略 … 17512.5.3 策略3：LIFE提示策略 ……………………… 17512.6 使用免费版ChatGPT构建情绪分析模型，精准分类亚马逊评论 …17512.6.1 功能1：数据预处理和特征工程 ……………………… 17512.6.2 功能2：模型选择和基线训练 ……………………… 18112.6.3 功能3：模型评估和解释 ……………………… 18312.6.4 功能4：处理不平衡数据 ……………………… 18912.6.5 功能5：超参数调优 … 19112.6.6 功能6：尝试特征表示方法 ……………………… 19312.7 使用ChatGPT-4或ChatGPT Plus构建情绪分析模型，精准分类亚马逊评论 …………………………………19812.7.1 功能1：数据预处理和特征工程 ……………………… 19812.7.2 功能2：模型选择和基线训练 ……………………… 20112.7.3 功能3：模型评估和解释 ……………………… 20212.7.4 功能4：处理不平衡数据 ……………………… 20412.7.5 功能5：超参数调优 … 20512.7.6 功能6：尝试特征表示方法 ……………………… 20712.8 任务 …………………………………20912.9 挑战 …………………………………20912.10 总结 ………………………………209第13章 使用ChatGPT构建客户消费的回归模型 ……………………21013.1 导论 …………………………………21013.2 业务问题 ……………………………21113.3 问题和数据领域 …………………21113.4 功能分解 ……………………………21213.5 提示策略 ……………………………21213.5.1 策略1：TAG提示策略 … 21213.5.2 策略2：PIC提示策略 … 21313.5.3 策略3：LIFE提示策略 … 21313.6 使用免费版ChatGPT构建简单线性回归模型 ……………………………21313.6.1 功能1：逐步构建模型 … 21313.6.2 功能2：应用正则化技术 ……………………… 22313.6.3 功能3：生成合成数据集以增加复杂性 ………… 22713.6.4 功能4：为合成数据集生成一步到位的开发模型的代码 ……………………… 22913.7 使用ChatGPT Plus构建简单线性回归模型 ……………………………23113.7.1 功能1：逐步构建模型 … 23113.7.2 功能2：应用正则化技术 ……………………… 23713.7.3 功能3：生成合成数据集以增加复杂性 ………… 24113.7.4 功能4：为合成数据集生成一步到位的开发模型的代码 ……………………… 24313.8 任务 …………………………………24513.9 挑战 …………………………………24513.10 总结 ………………………………245第14章 使用ChatGPT为Fashion-MNIST数据集构建MLP模型 ……………………………24614.1 导论 …………………………………24614.2 业务问题 ……………………………24614.3 问题和数据领域 …………………24714.4 功能分解 ……………………………24814.5 提示策略 ……………………………24814.5.1 策略1：TAG提示策略 … 24814.5.2 策略2：PIC提示策略 … 24914.5.3 策略3：LIFE提示策略 … 24914.6 使用免费版ChatGPT构建可以准确分类Fashion-MNIST图像的MLP模型 …………………………………24914.6.1 功能1：构建基线模型 ……………………… 24914.6.2 功能2：为模型添加层 ……………………… 26214.6.3 功能3：尝试不同的批量大小 ……………………… 26514.6.4 功能4：尝试不同的神经元数量 ……………………… 26714.6.5 功能5：尝试不同的优化器 ……………………… 26814.7 任务 …………………………………27114.8 挑战 …………………………………27114.9 总结 …………………………………271第15章 使用ChatGPT为CIFAR-10构建CNN模型 ………………27215.1 导论 …………………………………27215.2 业务问题 ……………………………27215.3 问题和数据领域 …………………27315.4 功能分解 ……………………………27415.5 提示策略 ……………………………27415.5.1 策略1：TAG提示策略 … 27515.5.2 策略2：PIC提示策略 … 27515.5.3 策略3：LIFE提示策略 … 27515.6 使用免费版ChatGPT构建可以准确分类CIFAR-10图像的CNN模型 …………………………………27515.6.1 功能1：构建基线模型 … 27515.6.2 功能2：为模型添加层 … 28215.6.3 功能3：引入dropout正则化 ……………………… 28815.6.4 功能4：实现批量归一化 ……………………… 29215.6.5 功能5：尝试不同的优化器 ……………………… 29715.6.6 功能6：应用DavidNet架构 ……………………… 29915.7 任务 …………………………………30915.8 挑战 …………………………………30915.9 总结 …………………………………309第16章 无监督学习：聚类和PCA …31016.1 导论 …………………………………31016.2 功能分解 ……………………………31016.3 提示策略 ……………………………31116.4 电子商务项目的客户细分 ………31116.4.1 数据集概述 …………… 31116.4.2 在无监督学习模型开发过程中添加AI辅助 ………… 31116.5 电子商务项目的产品聚类 ………32716.5.1 初始提示词：设置语境 … 32716.5.2 加载和预处理数据 …… 32916.5.3 特征工程和文本数据预处理 ……………………… 33016.5.4 选择聚类算法 ………… 33916.5.5 特征缩放 ……………… 33916.5.6 应用聚类算法 ………… 34016.5.7 解释簇和可视化结果 … 34816.5.8 为产品分配类别以及评估和改进 ……………………… 35216.6 对该用例提示词的反思 …………35616.7 任务 …………………………………35616.8 总结 …………………………………356第17章 使用Copilot进行机器学习 …35717.1 导论 …………………………………35717.2 集成开发环境里的CopilotChat …………………………………35717.3 数据集概述 ………………………35817.4 数据探索步骤 ……………………35917.5 提示策略 ……………………………35917.6 初始数据探索提示词 ……………36017.7 步骤1：数据加载 ………………36117.8 步骤2：数据检查 ………………36317.9 步骤3：汇总统计 ………………36617.10 步骤4：分类分析 ………………36717.11 步骤5：评分分布可视化 ……36917.12 步骤6：时间趋势分析 ………37017.13 步骤7：评论文本分析 ………37117.14 步骤8：相关性分析 ……………37417.15 步骤9：其他探索性分析 ……37617.16 任务 ………………………………38417.17 总结 ………………………………384第18章 使用Copilot Chat进行回归分析 ……………………………38518.1 导论 …………………………………38518.2 回归 …………………………………38618.3 数据集概述 ………………………38618.4 提示策略 ……………………………38718.4.1 初始提示词 …………… 38718.4.2 探索性数据分析 ……… 39018.4.3 数据分割 ……………… 39418.4.4 构建回归模型 ………… 39518.5 评估模型 ……………………………40018.6 任务 …………………………………40318.7 总结 …………………………………403第19章 使用Copilot建议进行回归分析 ……………………………40419.1 导论 …………………………………40419.2 数据集概述 ………………………40419.3 提示策略 ……………………………40519.4 在Copilot的帮助下开始编程 …40519.4.1 步骤1：在Copilot的帮助下导入库 ……………… 40519.4.2 步骤2：加载并探索数据集 ……………………… 40619.4.3 步骤3：将数据分为训练集和测试集 ……………… 41219.4.4 步骤4：构建回归问题 … 41419.4.5 步骤5：训练模型 …… 41419.4.6 步骤6：评估模型性能 … 41419.5 任务 …………………………………41519.6 总结 …………………………………416第20章 利用Copilot提高效率 ……41720.1 导论 …………………………………41720.2 代码生成和自动化 ………………41720.2.1 Copilot的活动编辑器 … 41820.2.2 Copilot Chat …………… 41820.3 Copilot 命令 ………………………41920.3.1 创建Notebook ………… 42020.3.2 创建项目 ……………… 42220.4 调试和排除故障 …………………42320.5 代码审查和优化技术 ……………42620.6 工作空间 ……………………………43020.7 Visual Studio Code 查询 …………43220.8 终端 …………………………………43320.9 任务 …………………………………43320.10 挑战 ………………………………43320.11 测验 ………………………………43320.12 总结 ………………………………434第21章 软件开发中的智能体 ………43521.1 导论 …………………………………43521.2 什么是智能体 ……………………43521.3 简单智能体与使用AI的智能体 …………………………………43621.4 简单智能体 ………………………43621.4.1 简单智能体不是一个优秀的对话者 ………………… 43621.4.2 通过调用工具和大语言模型提升对话质量 ………… 43721.4.3 对话智能体的架构 …… 43721.4.4 关于LLM工具调用的更多信息 ……………… 43821.4.5 使用工具为GPT添加功能 ……………………… 43821.5 高级对话 ……………………………44021.5.1 构建高级对话模型 …… 44221.5.2 高级对话的伪代码 …… 44221.6 自主智能体 ………………………44421.7 任务 …………………………………44421.8 挑战 …………………………………44521.9 测验 …………………………………44521.10 总结 ………………………………44521.11 参考文献 …………………………446第22章 结论 ……………………………44722.1 本书回顾 ……………………………44722.2 主要结论 ……………………………44822.3 未来趋势 ……………………………44822.4 写在最后 ……………………………448
|
| 內容試閱：
|
|
前 言本书适合谁本书的目标读者是Web开发、机器学习和数据科学领域内至少有1～3年经验的专业人士，特别是那些希望通过使用GitHub Copilot和ChatGPT等AI助手来提高工作效率的人群。本书旨在通过展示如何在不同问题领域利用AI助手来增强你的能力。书中不仅介绍了AI助手的整体功能，还就如何进行有效提示以获得最佳效果提出了建议。本书涵盖的内容第1章探索如何开始使用大语言模型，以及它们如何为许多人（不仅仅是IT工作者）带来范式转变。第2章解释本书贯穿始终的提示策略，还提供了一些有效提示所选AI工具的指导原则。第3章解释如何使用我们选择的两款AI助手—GitHub Copilot和ChatGPT，涵盖从安装到如何开始使用它们的全过程。第4章重点构建电子商务应用的前端（这是贯穿全书的主题）。第5章继续开发电子商务应用，尤其关注CSS，以确保应用外观更加吸引人。第6章通过JavaScript为电子商务应用注入动态互动效果。第7章解决了应用需要适应不同设备类型（无论是较小的移动屏幕、平板计算机还是台式机屏幕）的问题。本章重点关注响应式设计。第8章介绍了应用程序要实际运行，就需要有一个由能够读写数据和持久化数据的代码组成的后端。因此，本章重点关注为我们的电子商务应用构建Web API。第9章详细讲述了如何训练机器学习模型以及如何通过Web API公开该模型，以便所有拥有浏览器或能使用HTTP的客户端都可以访问电子商务应用。第10章主要讨论了大多数开发人员如何在已有代码的基础上进行日常工作和维护，而非创建新项目。因此，本章的重点在于维护代码的各个方面，如处理错误、优化性能、执行测试等。第11章使用评论数据集学习如何洞察数据的分布、趋势、相关性等。第12章查看与第11章相同的评论数据集，这次将进行分类和情绪分析。第13章预测客户年度支出金额，并通过回归创建相应的预测模型。第14章重点探讨如何基于Fashion-MNIST数据集构建MLP模型，继续围绕通用的电子商务主题展开。第15章深入探讨CNN模型的构建。第16章重点关注聚类和PCA。第17章详细介绍了如何使用GitHub Copilot进行机器学习，并与ChatGPT进行对比展示。第18章构建回归模型。该章同样使用GitHub Copilot。第19章专注于通过GitHub Copilot来进行回归分析。不同之处在于，这里我们使用文本文件中已有的注释作为提示词，而非之前那样在聊天界面中输入提示词。第20章专注于充分利用 GitHub Copilot提高效率。如果你想掌握GitHub Copilot，那么这一章。第21章探讨了AI领域的未来发展方向—智能体。智能体能根据高级目标自主行动，从而更高效地协助你。如果你对未来趋势感兴趣，这一章绝对值得一读。第22章总结使用AI助手工作的重要经验，以此结束本书。本书目标●介绍使用自然语言进行编程的新范式。●提供开始使用AI助手的工具。●教授提示工程，特别是展示一套提示策略（参见第2章）和一些合理的实践案例（参见第8章）。我们确信，凭借这些工具、提示策略和实践案例，你将能够高效且负责任地使用AI助手，进而提升工作质量和生产力。如何充分利用本书如果你在每个领域都已经参与了几个项目，并非完全的初学者，那么这本书将为你带来更多收益。本书重点在于优化你现有的开发工作流程。如果你完全是Web开发、数据科学或机器学习方面的新手，我们建议你参考Packt的其他书籍。请参阅下方链接获取推荐书籍。●https://www.packtpub.com/en-us/product/html5-web-application-development-by-example-beginners-guide-9781849695947●Oliver Theobald的Machine Learning with Python: Unlocking AI Potential with Python and Machine Learning (https://www.packtpub.com/en-US/product/machine-learning-with-python-9781835461969)本书的编写方式是，先向你展示建议你编写的提示词，再展示所选AI工具的输出结果。●紧随Web开发的章节，我们建议安装Visual Studio Code。本书有章节专门介绍如何安装GitHub Copilot并加以利用。Visual Studio Code的安装指南请参见https://code.visualstudio.com/download。●对于机器学习的章节，建议使用ChatGPT解决大多数问题，可以通过Web浏览器访问。我们推荐使用Notebook，以便通过多种工具查看。有关Notebook设置的详细说明，请访问https://code.visualstudio.com/docs/datascience/jupyter-notebooks。●使用GitHub Copilot需要登录GitHub账户。请参考https://docs.github.com/en/copilot/quickstart进行GitHub Copilot的设置。下载示例代码文件与彩色图像本书的代码包及部分任务答案托管在GitHub上，网址为https://github.com/PacktPublishing/AI-Assisted-Software-Development-with-GitHub-Copilot-and-ChatGPT。我们还提供了其他丰富的图书和视频目录中的代码包，网址为https://github.com/PacktPublishing/。此外，我们还准备了一份PDF文件，包含本书所有截图和图表的彩色版本。你可以在https://packt.link/gbp/9781835086056下载。排版约定本书使用了一些排版约定。CodeInText：表示文本中的代码词、数据库表名、文件夹名、文件名、文件扩展名、路径名、虚拟URL、用户输入和X（原Twitter）用户名。例如：“现在已经创建了product.css并包含上述内容，我们可以在HTML文件中包含该CSS文件。”粗体：表示新术语、重要词或你在屏幕上看到的词。例如，菜单或对话框中的词会以这种方式出现在文本中：“创建新用户：应该可以创建一个新用户。”
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
