AIGC：智能创作时代 杜雨（一本书读懂全球火爆的ChatGPT）WEB3.0 AI绘画ai人工智能聊天机器人OpenAI PGC UGC AIGC
	定价	69.00
	出版社	中译出版社
	出版时间	2023年02月
	开本	16开
	作者	杜雨，张孜铭 著
	页数
	ISBN编码	9787500173458

内容介绍

在人工智能发展的漫长历程中，如何让机器学会创作一直被视为难以逾越的天堑，“创造力”也因此被视为人类与机器本质的区别之一。然而，人类的创造力也 将赋予机器创造力，把世界送入智能创作的新时代。人工智能绘画作品的夺冠、 聊天机器人ChatGPT的出现，无疑拉开了智能创作时代的序幕。从机器学习到智能创造，从PGC、UGC到AIGC，我们即将见证一场深刻的生产力变革，而这份变革也会影响到我们工作与生活的方方面面。本书将结合生动的比喻和有趣的案例，向所有关注未来科技的从业者、创业者、投资人、 部门科普AIGC的商业落地场景和行业应用案例。让我们一起迎接全新的智能创作时代。

作者简介

杜雨：中国社会科学院大学技术经济学博士研究生，北京大学金融学硕士，香港中文大学理学硕士，武汉大学经济学学士。胡润U30中国创业先锋，G20青年企业家联盟中国理事会青年委员。先后工作于腾讯、红杉资本，关注数字经济与科技创新，曾参与腾讯音乐娱乐集团合并上市，并参与投资管理得物、 猩猩、文和友等创新型企业。北京大学未名创投协会和科技创业加速器QAQ（Quadratic Acceleration Quantum）创始人。著有《WEB3.0：赋能数字经济新时代》。

张孜铭：北京大学管理学硕士，新加坡国立大学金融工程硕士，华中师范大学信息管理与信息系统、华中科技大学计算机科学与技术双学士。元宇宙教育实验室智库专家，未可知文化科技与科技创业加速器QAQ联合创始人。著有《WEB3.0：赋能数字经济新时代》。

目录

章 AIGC：内容生产力的大变革

节 从PGC、UGC到AIGC

第二节 人工智能赋能内容创作的四大模态

第三节 AIGC助力元宇宙和WEB3.0

第二章 AIGC的技术思想

节 前AIGC时代的技术奠基

第二节 早期AIGC的尝试：GAN

第三节 AI绘画的推动者：Diffusion模型

第四节 大模型的重要基建：Transformer

第三章 AIGC的职能应用

节 AIGC与产品研发

第二节 AIGC与市场营销

第三节 AIGC与管理协作

第四章 AIGC的行业应用

节 AIGC资讯行业应用

第二节 AIGC影视行业应用

第三节 AIGC电商行业应用

第四节 AIGC教育行业应用

第五节 AIGC金融行业应用

第六节 AIGC医疗行业应用

第五章 AIGC的产业地图

节 产业上游：数据服务

第二节 产业中游：算法模型

第三节 产业下游：应用拓展

第六章 AIGC的未来

节 AIGC的技术趋势

第二节 AIGC时代的参与主体

第三节 AIGC的风险与监管

附录

后记

专家

人工智能
	定价	88.00
	出版社	清华大学出版社
	出版时间	2022年09月
	开本
	作者	姚期智
	页数
	ISBN编码	9787302612797

内容介绍

《人工智能》选取人工智能的9个核心方向，包括搜索、机器学习、线性回归、决策树、集成学习、s经网络、计算机视觉、自然语言处理与强化学习，系统梳理关键知识点，并详细介绍基础原理与重要算法，同时，加入了对前沿知识的介绍与对核心成果的分析和说明。同时，书中的每一章均配备作业题与编程练习，让读者们在练习当中加深对算法与原理的理解。本书内容的选取建立在对大学人工智能教育知识体系的完整梳理之上；章节中对原理与具体的算法均进行了详尽的介绍。

作者简介

姚期智，中国科学院院士，2000年获得计算机科学领域高奖图灵奖。现任清华大学交叉信息研究院院长、教授，清华学堂计算机科学实验班（姚班） 席教授，主要研究方向为算法、密码学、量子计算、人工智能。

目录

第0章绪论
第1章数学基础
1.1导数
1.1.1导数的定义
1.1.2高阶导数与偏导数
1.1.3导数与函数极值
1.2概率论基础
1.2.1事件与概率
1.2.2随机变量与概率分布
1.2.3期望、方差与协方差
1.3矩阵基础
习题
第2章搜索
引言
2.1搜索问题的定义
2.2搜索算法基础
2.3盲目搜索
2.3.1图搜索
2.3.2深度优先搜索
2.3.3宽度优先搜索
2.3.4复杂度分析及算法改进
2.4启发式搜索
2.4.1贪婪搜索
2.4.2A*搜索算法
2.4.3A*搜索算法的优性
2.4.4启发函数的设计
2.4.5双向搜索
2.5局部搜索
2.5.1爬山法
2.5.2模拟退火
2.5.3遗传算法
2.6对抗搜索
2.6.1极小极大搜索
2.6.2AlphaBeta剪枝搜索
2.6.3蒙特卡罗树搜索
本章总结
历史回顾
习题
第3章机器学习
引言
3.1监督学习的概念
3.2数据集与损失函数
3.3泛化
3.4过拟合与欠拟合
3.5创建数据集
3.6无监督学习与半监督学习
3.6.1K平均算法
3.6.2谱聚类算法
本章总结
历史回顾
习题
参考文献
第4章线性回归
引言
4.1线性回归
4.2优化方法
4.3二分类问题
4.4多分类问题
4.5岭回归
4.6套索回归
4.7支持向量机算法
本章总结
习题
第5章决策树模型
引言
5.1决策树的例子
5.2决策树的定义
5.3决策树的训练算法
5.3.1叶子预测值的计算
5.3.2分割条件的选取
5.3.3决策树结构的选择
5.3.4防止过拟合
5.3.5伪代码
5.3.6缺失值处理
5.3.7离散型特征处理方法与特征工程
本章总结
历史回顾
习题
参考文献
第6章集成学习
引言
6.1集成学习
6.1.1一个理想化模型
6.1.2引导聚集方法
6.1.3提升算法
6.2随机森林
6.2.1随机森林的算法描述
6.2.2关于随机性的探讨
6.3梯度提升
6.3.1梯度提升的概念
6.3.2梯度提升树
6.3.3GBDT中的防过拟合方法
6.3.4GBDT的高效开源实现
本章总结
历史回顾
习题
参考文献
第7章神经网络初步
引言
7.1深度线性网络
7.2非线性神经网络
7.3反向传播计算导数
7.4优化器
7.5权值初始化
7.5.1Xavier初始化
7.5.2Kaiming初始化
7.6权值衰减
7.7权值共享与卷积
7.8循环神经网络
本章总结
历史回顾
习题
第8章计算机视觉
引言
8.1什么是计算机视觉
8.2图像的形成
8.2.1小孔相机模型
8.2.2数字图像
8.3线性滤波器
8.4边缘检测
8.5立体视觉
8.6卷积神经网络
8.7物体检测
8.8语义分割
本章总结
历史回顾
习题
参考文献
第9章自然语言处理
引言
9.1语言模型
9.1.1为什么需要语言模型？什么是语言模型？
9.1.2ngram模型
9.1.3大似然估计
9.1.4困惑度
9.1.5实用技巧
9.1.6语言模型的应用
9.1.7字模型与词模型
9.1.8中文与英文的差别
9.2向量语义
9.2.1语义
9.2.2词向量
9.2.3Word2vec
9.2.4可视化示例
9.3基于神经网络的语言模型处理
9.3.1基于神经网络的bigram模型
9.3.2训练神经网络
9.3.3基于神经网络的ngram模型
9.3.4基于LSTM的语言模型
9.4基于神经网络的机器翻译
9.4.1Seq2Seq模型
9.4.2生成 的输出语句： Beam Search
9.4.3基于注意力机制的Seq2Seq模型
9.4.4Transformer模型
9.5语言模型预训练
9.5.1GPT： generative pretrained Transformer
9.5.2BERT: bidirectional encoder representations from 
Transformers
9.5.3判别式与生成式建模方式的讨论
本章总结
历史回顾
习题
第10章马尔可夫决策过程与强化学习
引言
10.1马尔可夫链
10.1.1例子
10.1.2马尔可夫链定义
10.1.3马尔可夫链稳态分布
10.2马尔可夫决策过程 
10.2.1路线规划
10.2.2马尔可夫决策过程的定义
10.3马尔可夫决策过程的求解算法及分析
10.3.1马尔可夫决策过程算法
10.3.2算法收敛性分析
10.4强化学习
10.4.1QLearning
10.4.2深度强化学习
本章总结
历史回顾
参考文献
习题
附录A数学基础
A.1导数
A.2概率
A.3矩阵