虹膜识别关键技术的研究与应用

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。

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

本书以第一人称视角，讲述AI的来龙去脉，表达AI的技术原理。从历史到未来，跨越百年时空；从理论到实践，解读AI大爆炸；从技术到哲学，穿越多个维度；从语言到绘画，落地实战演练。ChatGPT的诞生，引发了奇点降临，点亮了AGI（通用人工智能），并涉及大模型、深度神经网络、Transformer、AIGC、涌现效应等一系列技术前沿。

本书从技术角度深度解析大模型的原理，从大模型的基础概念及领域发展现状入手，概述大模型的理论基础，介绍OpenAIGPT、清华大学GLM、MetaLlama等主流大模型的技术原理，并从大模型参数高效微调、大模型指令微调、大模型训练优化和大模型推理优化等多角度解析大模型背后的技术，带领读者全方位掌握大模型的原理和实践方法。本书最后介绍私有大模型的构建，手把手指导读者做技术选型并搭建自己的私有大模型

AI的本质是什么？自然语言和人工语言的区别在哪里？ChatGPT究竟是人工智能发展道路上的里程碑，还是某种误入歧途的“假AI”？我们不许诺美丽空洞的AI前景，而是告诉读者，未来的AI之路到底有多少激流险滩——对于统计学工具与硬件升级的片面崇拜，对于智能科学基本原理的蔑视，是目前AI研究的大危机。在我们看来，万众期待的ChatGPT，只是新时代的“牛顿炼金术”。

本书旨在帮助读者从零开始学习人工智能，掌握人工智能的原理、技术和应用。本书共10章，首先是人工智能概述，接着深入浅出地讲解人工智能的原理和技术，包括数据预处理、数据可视化、机器学习基础、监督学习模型、无监督学习算法、神经网络基础、训练深度神经网络等内容，最后讲解人工智能的应用，包括智能对话和知识图谱。本书适合想要学习并掌握人工智能技术和应用的零基础读者阅读，还可以作为高等院校人工智能相关课程的教材

本书全面探讨人工智能三维仿真竞赛，包括竞赛的立意、类型和流程，并详细介绍人工智能三维仿真软件的核心功能，如编程、控制、循迹、定位等的应用。本书首先介绍人工智能三维仿真竞赛的基础知识，为读者打下坚实的理论基础；其次转向人工智能三维仿真软件的详细教学，通过具体案例强化读者的学习效果；最后总结人工智能三维仿真竞赛中的常见任务类型，并结合历史竞赛案例，为读者提供实际参考。本书适合准备参加人工智能三维仿真竞

近年来，在自然语言处理领域，基于预训练语言模型的方法已形成全新范式。本书内容分为基础知识、预训练语言模型，以及实践与应用3个部分，共9章。第一部分全面、系统地介绍自然语言处理、神经网络和预训练语言模型的相关知识。第二部分介绍几种具有代表性的预训练语言模型的原理和机制（涉及注意力机制和Transformer模型），包括BERT及其变种，以及近年来发展迅猛的GPT和提示工程。第三部分介绍了基于Lang

本书是继《EasyRL：强化学习教程》（俗称“蘑菇书”）之后，为强化学习的读者专门打造的一本深入实践的全新教程。全书大部分内容基于3位作者的实践经验，涵盖马尔可夫决策过程、动态规划、免模型预测、免模型控制、深度学习基础、DQN算法、DQN算法进阶、策略梯度、Actor-Critic算法、DDPG与TD3算法、PPO算法等内容，旨在帮助读者快速入门强化学习的代码实践，并辅以一套开源代码框架“Joy