
会员
智能制造时代的研发智慧:知识工程2.0
田锋更新时间:2019-01-05 00:08:33
最新章节:参考文献开会员,本书免费读 >
本书的副书名指出知识工程2.0是智能制造时代的研发智慧,书中的讨论对象和举例均以研发企业或研发过程为背景。但这只是因为研发过程是知识最密集、产出最丰富和应用最深入的过程,并不代表本书所提的方法不适用于非研发型企业。非研发型企业或非研发过程的知识工程方法是本书所提方法的子集,大部分方法进行适应性改造,即可适用于这些企业或过程。
品牌:机械工业出版社
上架时间:2017-05-01 00:00:00
出版社:机械工业出版社
本书数字版权由机械工业出版社提供,并由其授权上海阅文信息技术有限公司制作发行
最新章节
田锋
主页
同类热门书
最新上架
- 会员
《机器学习》习题参考
本书配套周志华教授所著的《机器学习》教材,通过大量习题考查读者对机器学习相关知识点的理解与掌握。全书分为两个部分:第一部分习题对应《机器学习》第1~10章的内容,包括绪论、模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习;第二部分包含6章应用专题,通过综合题的形式对知识点进行多角度考查,包括线性模型的优化与复用、面向类别不平衡数据的分类、神经网络计算机19.3万字 - 会员
AI原生应用开发:提示工程原理与实战
本书结合AI原生应用落地的大量实践,系统讲解提示工程的核心原理、相关案例分析和实战应用,涵盖提示工程概述、结构化提示设计、NLP任务提示、内容创作提示、生成可控性提示、提示安全设计、形式语言风格提示、推理提示和智能体提示等内容。本书的初衷不是告诉读者如何套用各种预设的提示模板,而是帮助读者深入理解和应用提示设计技巧,以找到决定大语言模型输出的关键因子,进而将提示工程的理论知识应用到产品设计中。本书计算机18.2万字 - 会员
AI智能写作:巧用AI大模型让新媒体变现插上翅膀
本书共分为8章,分别讲解了常见的人工智能以及人工智能影响下的广告流量变现、商业合作变现、直播变现、私域变现和IP变现等。此外,还对未来的人工智能与新媒体变现做了趋势分析。计算机10.5万字 - 会员
人机沟通法则:理解数字世界的设计与形成
随着ChatGPT等人工智能和语言模型不断进步,了解这些技术的含义和潜在陷阱比以往任何时候都更加重要。作为享誉全球的跨技术和设计学科思想家,前田约翰利用他的丰富经验,为企业、产品设计师和决策者提供了可行的指导。通过深思熟虑和偶尔异想天开的例子,他构造了一个可以描述任何机器学习系统的关键功能的框架,并展望了可以如何使用它们来创造富有包容性和改变世界的产品。对任何想要深入了解机器如何“思考”以及未来可计算机9.6万字 - 会员
DeepSeek实操:职场效率倍增的秘籍
本书是一本专为企业管理者和办公人员打造的实用指南,旨在帮助企业通过人工智能技术实现数字化转型,提升运营效率与竞争力。结合丰富的企业AI解决方案设计与实施经验,深入剖析了DeepSeek这一领先的人工智能模型在企业中的广泛应用场景。全书共分为四大部分,涵盖了企业管理、市场营销、销售与客服等多个核心领域,详细介绍了近100个企业使用场景,展示了如何通过DeepSeek实现效率的百倍提升。无论是人力资源计算机8.7万字 - 会员
秒懂AI写作:让你轻松成为写作高手
《秒懂AI写作:让你轻松成为写作高手》针对职场、学习、生活、艺术创作领域常见的40余种写作应用场景,遵循“场景+方法+总结”的框架,详细介绍了如何正确利用AI完成多种写作任务,并归纳出使用AI写作的方法和技巧。《秒懂AI写作:让你轻松成为写作高手》分为6章。第1章通过5个步骤、6大场景介绍了如何驾驭AI完成多种类型的写作任务;第2章至第6章分别详细介绍了在职场应用文写作、商业营销文案写作、新媒体写计算机8.1万字 - 会员
用ChatGPT轻松玩转机器学习与深度学习
本书共14章,主要内容包括探索性数据分析、有监督学习(线性回归、SVM、决策树等)、无监督学习(降维、聚类等),以及深度学习的基础原理和应用等。计算机18万字 智能涌现:AI时代的思考与探索
当前世界正处于百年变局,人类社会已经进入数字经济3.0时代:数字内容迭代,从1.0时代逐步迈入3.0时代;人工智能技术飞跃,从符号推理、深度学习走向知识+数据驱动的3.0时代;产业拓展更深更广,走向智能+3.0时代。随着大模型、ChatGPT、DeepSeek等智能涌现,我们该如何触发AI时代其他的突破性技术涌现?这些技术又该怎样反哺产业升级?本书阐述了人工智能技术演变的大趋势、算力驱动计算体系的计算机13.1万字- 会员
从零构建大模型
本书是关于如何从零开始构建大模型的指南,由畅销书作家塞巴斯蒂安·拉施卡撰写,通过清晰的文字、图表和实例,逐步指导读者创建自己的大模型。在本书中,读者将学习如何规划和编写大模型的各个组成部分、为大模型训练准备适当的数据集、进行通用语料库的预训练,以及定制特定任务的微调。此外,本书还将探讨如何利用人工反馈确保大模型遵循指令,以及如何将预训练权重加载到大模型中。计算机13.8万字
同类书籍最近更新