扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
人工智能与CHATGPT 版权信息
- ISBN：9787302638179
- 条形码：9787302638179 ; 978-7-302-63817-9
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
人工智能与CHATGPT 本书特色
ChatGPT的背景：从大语言模型到GPT
ChatGPT的技术：从Transformer模型到RLHF
ChatGPT的使用：从对话到OpanAI API
ChatGPT的应用：从编程到统计分析
ChatGPT的案例：从写专利到出试卷
人工智能与CHATGPT 内容简介
人们相信人工智能可以为这个时代的技术带来突破，而ChatGPT则使这种希望成为现实。现在，许多人都渴望了解与ChatGPT相关的一切，包括技术的历史和背景，其神奇的功能以及如何使用它。虽然ChatGPT的使用方法很简单，但它具有无限的潜力。如果不去亲身体验，很难体会到它的强大之处。本书尽可能全面地介绍了与ChatGPT相关的内容，特别是许多应用示例，可以给读者带来启发。 希望读者通过这本书了解ChatGPT后，在自己的工作中也能充分利用它。本书适合希望了解和使用ChatGPT的人阅读。
人工智能与CHATGPT 目录
第1章 人工智能概述 1
1.1 什么是人工智能 1
1.2 人工智能的发展历史 2
1.3 人工智能的分类 4
1.4 机器学习 5
1.5 深度学习 6
1.6 通用人工智能（AGI） 9
1.7 自然语言处理 10
1.8 生成式人工智能（AIGC） 11
1.9 强化学习 12
第2章 自然语言处理 15
2.1 自然语言处理的基本概念 15
2.2 自然语言处理的主要技术 15
2.3 自然语言处理的发展历史 16
2.4 语言模型 19
2.5 文本分类和聚类 24
2.6 分词和词性标注 26
2.7 命名实体识别 28
2.8 句法分析 29
2.9 情感分析 30
2.10 机器翻译 32
2.11 文本摘要 33
2.12 自然语言处理的商业应用 34
2.13 自然语言处理的发展趋势 39
第3章 OpenAI公司及其产品 40
3.1 OpenAI公司简介 40
3.2 OpenAI公司发展历史 40
3.3 OpenAI和微软的合作 41
3.4 OpenAI公司主要产品 42
第4章 ChatGPT关联技术 46
4.1 前馈神经网络 46
4.2 序列到序列模型（Seq2Seq） 47
4.3 自注意力机制 47
4.4 多头自注意力机制 48
4.5 自监督学习 48
4.6 Transformer 模型 49
4.7 语言生成技术 51
4.8 多语种语言模型 52
4.9 预训练语言模型 53
4.10 生成式预训练模型（GPT） 54
4.11 近端策略优化算法（PPO） 54
4.12 词嵌入 55
4.13 Softmax分类器 56
4.14 指示学习和提示学习 57
4.15 人类反馈强化学习（RLHF） 58
4.16 多模态 59
4.17 生成式对抗网络 60
4.18 知识图谱和实体链接 61
4.19 GPU、TPU与模型训练 61
第5章 ChatGPT介绍 66
5.1 ChatGPT的主要功能 66
5.2 ChatGPT的开发历史 67
5.3 ChatGPT的开发目标 67
5.4 GPT模型的演化 68
5.5 GPT-3到ChatGPT的演化 71
5.6 模型的突破davinci-002 73
5.7 ChatGPT的模型调用 74
5.8 ChatGPT的训练过程 74
5.9 预训练素材来源 76
5.10 训练数据集 77
5.11 数据集标注 78
5.12 RLHF应用 79
5.13 计算资源与参数构成 81
5.14 ChatGPT存在的问题 82
第6章 GPT–3.5引擎介绍 84
6.1 GPT-3引擎 84
6.2 GPT-3.5引擎 85
6.3 ChatGPT和GPT-3的区别 85
6.4 预训练 85
6.5 词嵌入应用 86
6.6 多层Transformer模块 87
6.7 模型变体 88
第7章 ChatGPT使用指南 90
7.1 如何访问ChatGPT 90
7.2 如何更有效地提问 91
7.3 提问技巧 95
7.4 会话线程 96
7.5 上下文 97
7.6 重生成答案 98
7.7 应对回答字数限制 99
7.8 使用小技巧 103
第8章 ChatGPT应用形式 104
8.1 计算 104
8.2 写代码 106
8.3 解释代码 107
8.4 高级语言转换成汇编语言 108
8.5 反汇编 110
8.6 程序文档生成 111
8.7 程序语言转换 112
8.8 程序模拟运行 113
8.9 代码增加注释 113
8.10 时间复杂度计算 114
8.11 代码优化方案 115
8.12 修复代码Bug 116
8.13 查询公式 117
8.14 生成复杂公式 119
8.15 生成图片（通过代码运行） 120
8.16 生成表格 122
8.17 生成数据库文档 123
8.18 自动生成SQL代码 123
8.19 不同数据库SQL命令转换 124
8.20 提取关键字 126
8.21 取名 126
8.22 转换人称 127
8.23 整理文字 127
8.24 生成流程图 128
8.25 英语论文摘要 130
第9章 OpenAI API 132
9.1 API概论 132
9.2 交互方式 132
9.3 关键概念 133
9.4 Playground工具 135
9.5 API例子 136
9.6 API访问 137
9.7 API使用 138
9.8 API参数 139
9.9 API功能模块 142
9.10 API端点（Endpoints） 143
9.11 文本生成 144
9.12 语言翻译 145
9.13 情感分析 145
9.14 文本摘要 147
9.15 文本相似度 149
9.16 文本分类 149
9.17 命名实体识别 152
9.18 聊天机器人 153
9.19 设置API响应字符数 155
9.20 API应用案例 156
第10章 构建自己的ChatGPT模型 160
10.1 为什么需要 160
10.2 如何训练 160
10.3 如何使用 161
10.4 训练代码示例 161
10.5 模型使用代码示例 163
10.6 训练数据集格式 164
10.7 企业专有模型构建 164
第11章 ChatGPT用于数据分析 167
11.1 数据分析简介 167
11.2 数据准备 167
11.3 数据的可视化 170
11.4 聚类分析 180
11.5 相关性分析 184
11.6 预测 186
第12章 ChatGPT在不同领域的应用 190
12.1 工业领域 190
12.2 医疗领域 192
12.3 金融领域 193
12.4 教育领域 194
12.5 知识产权领域 195
第13章 综合应用示例 198
13.1 筹备会议 198
13.2 拟订方案 204
13.3 申请专利 209
13.4 软件开发 218
13.5 解决生产技术问题 238
第14章 教育行业应用示例 246
14.1 拟定教学大纲 246
14.2 撰写教案 254
14.3 制作教学PPT 264
14.4 出试卷 267
14.5 编写毕业设计材料 273
14.6 撰写毕业论文 286
14.7 准备新建专业材料 295
参考文献 299
1.1 什么是人工智能 1
1.2 人工智能的发展历史 2
1.3 人工智能的分类 4
1.4 机器学习 5
1.5 深度学习 6
1.6 通用人工智能（AGI） 9
1.7 自然语言处理 10
1.8 生成式人工智能（AIGC） 11
1.9 强化学习 12
第2章 自然语言处理 15
2.1 自然语言处理的基本概念 15
2.2 自然语言处理的主要技术 15
2.3 自然语言处理的发展历史 16
2.4 语言模型 19
2.5 文本分类和聚类 24
2.6 分词和词性标注 26
2.7 命名实体识别 28
2.8 句法分析 29
2.9 情感分析 30
2.10 机器翻译 32
2.11 文本摘要 33
2.12 自然语言处理的商业应用 34
2.13 自然语言处理的发展趋势 39
第3章 OpenAI公司及其产品 40
3.1 OpenAI公司简介 40
3.2 OpenAI公司发展历史 40
3.3 OpenAI和微软的合作 41
3.4 OpenAI公司主要产品 42
第4章 ChatGPT关联技术 46
4.1 前馈神经网络 46
4.2 序列到序列模型（Seq2Seq） 47
4.3 自注意力机制 47
4.4 多头自注意力机制 48
4.5 自监督学习 48
4.6 Transformer 模型 49
4.7 语言生成技术 51
4.8 多语种语言模型 52
4.9 预训练语言模型 53
4.10 生成式预训练模型（GPT） 54
4.11 近端策略优化算法（PPO） 54
4.12 词嵌入 55
4.13 Softmax分类器 56
4.14 指示学习和提示学习 57
4.15 人类反馈强化学习（RLHF） 58
4.16 多模态 59
4.17 生成式对抗网络 60
4.18 知识图谱和实体链接 61
4.19 GPU、TPU与模型训练 61
第5章 ChatGPT介绍 66
5.1 ChatGPT的主要功能 66
5.2 ChatGPT的开发历史 67
5.3 ChatGPT的开发目标 67
5.4 GPT模型的演化 68
5.5 GPT-3到ChatGPT的演化 71
5.6 模型的突破davinci-002 73
5.7 ChatGPT的模型调用 74
5.8 ChatGPT的训练过程 74
5.9 预训练素材来源 76
5.10 训练数据集 77
5.11 数据集标注 78
5.12 RLHF应用 79
5.13 计算资源与参数构成 81
5.14 ChatGPT存在的问题 82
第6章 GPT–3.5引擎介绍 84
6.1 GPT-3引擎 84
6.2 GPT-3.5引擎 85
6.3 ChatGPT和GPT-3的区别 85
6.4 预训练 85
6.5 词嵌入应用 86
6.6 多层Transformer模块 87
6.7 模型变体 88
第7章 ChatGPT使用指南 90
7.1 如何访问ChatGPT 90
7.2 如何更有效地提问 91
7.3 提问技巧 95
7.4 会话线程 96
7.5 上下文 97
7.6 重生成答案 98
7.7 应对回答字数限制 99
7.8 使用小技巧 103
第8章 ChatGPT应用形式 104
8.1 计算 104
8.2 写代码 106
8.3 解释代码 107
8.4 高级语言转换成汇编语言 108
8.5 反汇编 110
8.6 程序文档生成 111
8.7 程序语言转换 112
8.8 程序模拟运行 113
8.9 代码增加注释 113
8.10 时间复杂度计算 114
8.11 代码优化方案 115
8.12 修复代码Bug 116
8.13 查询公式 117
8.14 生成复杂公式 119
8.15 生成图片（通过代码运行） 120
8.16 生成表格 122
8.17 生成数据库文档 123
8.18 自动生成SQL代码 123
8.19 不同数据库SQL命令转换 124
8.20 提取关键字 126
8.21 取名 126
8.22 转换人称 127
8.23 整理文字 127
8.24 生成流程图 128
8.25 英语论文摘要 130
第9章 OpenAI API 132
9.1 API概论 132
9.2 交互方式 132
9.3 关键概念 133
9.4 Playground工具 135
9.5 API例子 136
9.6 API访问 137
9.7 API使用 138
9.8 API参数 139
9.9 API功能模块 142
9.10 API端点（Endpoints） 143
9.11 文本生成 144
9.12 语言翻译 145
9.13 情感分析 145
9.14 文本摘要 147
9.15 文本相似度 149
9.16 文本分类 149
9.17 命名实体识别 152
9.18 聊天机器人 153
9.19 设置API响应字符数 155
9.20 API应用案例 156
第10章 构建自己的ChatGPT模型 160
10.1 为什么需要 160
10.2 如何训练 160
10.3 如何使用 161
10.4 训练代码示例 161
10.5 模型使用代码示例 163
10.6 训练数据集格式 164
10.7 企业专有模型构建 164
第11章 ChatGPT用于数据分析 167
11.1 数据分析简介 167
11.2 数据准备 167
11.3 数据的可视化 170
11.4 聚类分析 180
11.5 相关性分析 184
11.6 预测 186
第12章 ChatGPT在不同领域的应用 190
12.1 工业领域 190
12.2 医疗领域 192
12.3 金融领域 193
12.4 教育领域 194
12.5 知识产权领域 195
第13章 综合应用示例 198
13.1 筹备会议 198
13.2 拟订方案 204
13.3 申请专利 209
13.4 软件开发 218
13.5 解决生产技术问题 238
第14章 教育行业应用示例 246
14.1 拟定教学大纲 246
14.2 撰写教案 254
14.3 制作教学PPT 264
14.4 出试卷 267
14.5 编写毕业设计材料 273
14.6 撰写毕业论文 286
14.7 准备新建专业材料 295
参考文献 299
展开全部
人工智能与CHATGPT 作者简介
范煜，江苏南通人，毕业于南京航空航天大学，研究员级高级工程师，中国商业联合会数据分析专业委员会专家组成员，中国移动集团、51CTO外聘大数据讲师，南通理工学院教师，著有《数据革命：大数据价值实现方法、技术与案例》。从事软件开发三十多年，大数据研究开发十多年，目前主要从事私有化部署类ChatGPT模型研究，以及硬件、软件、数据（OT、IT、DT）融合的智能系统开发。
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
