分类目录归档：个人成长
读书摘要
《集成学习与实战：原理、算法与应用》是一本专注于集成学习技术的书籍。书中详细介绍了集成学习的各种方法、算法原理及其实际应用。
在原理部分，对集成学习的基础概念进行了深入讲解，包括Bagging、Boosting、Stacking等核心技术。例如，详细阐述了AdaBoost（自适应提升算法）、Gradient Boosting（梯度提升算法）和XGBoost（极端梯度提升算法）等提升算法的原理，使读者能够理解这些算法如何通过迭代优化来提高模型的准确性。
算法部分涵盖了丰富的内容，从混合组合的方法到集成学习库的使用。书中介绍了如何通过Dask扩展XGBoost，以及对微软Light...
读书摘要
《深度学习与人工智能实战》这本书是一本深入介绍深度学习在人工智能领域应用的专业书籍。书中通过大量的实例和实战项目，详细阐述了深度学习的原理、算法以及在实际应用中的实现方法。
从基础的张量运算和图像处理开始，逐步深入到各种神经网络算法，如Faster - R - CNN、YOLO v3、U - Net等目标检测算法，以及知识蒸馏原理等。每章都包含算法原理的讲解和对应的实战项目，帮助读者理解如何将理论知识应用到实际的人工智能项目中。
书中还涉及到深度学习框架的使用，如PyTorch，详细介绍了如何在PyTorch中进行数据处理、模型构建、损失函数计算、优化器使用以及模型训练等操作。...
《元学习：基础与应用》读书摘要
《元学习：基础与应用》是一本专注于元学习领域的书籍，全面且深入地探讨了元学习的相关理论、算法和应用。
书中开篇介绍了元学习的概述，包括元学习与深度学习的区别与联系，以及元学习的起源和近期发展。这为读者建立了对元学习的初步认知，理解其在人工智能领域中的重要地位。
接着，书籍详细阐述了元学习方法的分类，涵盖神经网络适应法、度量学习适应法、基础学习器和元学习器适应法、贝叶斯元学习适应法等，对每种方法都进行了原理性的剖析。
在元学习神经网络方法方面，书中深入讲解了神经网络的结构、权重、偏差和激活函数等基础知识，以及网络反向传播算法、学习率、批尺寸、动量和权值衰减等...
《解剖深度学习原理：从0编写深度学习库》读书摘要
《解剖深度学习原理：从0编写深度学习库》是一本深入探讨深度学习技术原理与实践的书籍。作者董洪伟通过细致的讲解，带领读者从基础的编程和数学知识逐步深入到复杂的深度学习架构和算法实现。
书中首先从编程和数学基础入手，介绍了Python的快速入门、常见运算、控制语句和常用容器类型等，为后续的深度学习实践奠定了基础。接着，详细讲解了梯度下降法、线性回归、逻辑回归和softmax回归等基础算法，这些算法是深度学习的基石。
在深度学习核心部分，书籍涵盖了神经网络的基本原理，包括感知机和神经元的概念，以及如何通过多层神经网络实现复杂的分类和预测任务。书...
《机器学习入门之道》读书摘要
《机器学习入门之道》是一本深入探讨机器学习理论与实践的书籍。作者通过详细的讲解和丰富的实例，带领读者从基础的数据科学知识逐步深入到复杂的机器学习算法和模型。
书中首先介绍了数据科学在商业领域中的作用，以及机器学习算法的分类，包括回归、分类、聚类等基本概念。接着，深入探讨了机器学习的核心理论，如最小二乘法和最优推断法，这些理论为后续的实践操作提供了坚实的基础。
在算法方面，书籍详细讲解了概率梯度下降法、贝叶斯推断、逻辑回归等常见的机器学习算法，并通过实例代码的演示，帮助读者更好地理解和应用这些算法。同时，书中还涉及到模型评估、优化和调优等实践技巧，确保读者能够...
《生成式AI入门与AWS实战》读书摘要
一、书籍简介
《生成式AI入门与AWS实战》是一本由O'Reilly出版的技术书籍，作者包括克里斯斯·弗雷格利（Chris Fregly）、安特耶·巴特（Anteye Barth）和舍尔比·艾根布罗德（Shelbee Eigenbrode）。本书主要介绍了如何在AWS平台上进行生成式AI的实践操作，涵盖了从基础理论到实际应用的各个方面。
二、主要内容
• 介绍了生成式AI的基本概念和应用场景，包括不同类型的生成式模型，如语言模型、图像模型等。
• 探讨了基础模型和模型中心的概念，为后续的实践操作打下理论基础。
• 详细讲...
读书摘要
《AIGC辅助数据分析与挖掘：基于ChatGPT的方法与实践》这本书详细介绍了如何利用AIGC技术，特别是ChatGPT，来辅助进行数据分析与挖掘工作。
书中首先介绍了AIGC的基础知识，包括各种AIGC产品和平台，如ChatGPT、New Bing、GitHub Copilot等，帮助读者了解AIGC的生态系统。随后，详细阐述了如何在Excel、SQL和Python等工具中应用AIGC进行数据处理和分析。例如，利用ChatGPT辅助Excel数据处理，通过自然语言交互实现数据清洗、转换和分析等操作。
在数据挖掘方面，书中介绍了如何利用AIGC工具进行数据挖掘任务，包括数据准备...
《大模型入门：技术原理与实战应用》目录
第一部分：大模型时代的到来
• 第1章：引爆世界的大模型
• 1.1大模型：AI的超级大脑
• 1.2大模型的神奇力量：工作原理大揭秘
• 1.3大模型的崛起：从初露头角到AI巅峰
• 1.4大模型：重塑生活和工作
• 第2章：深度剖析大模型背后的故事
• 2.1大模型技术：深度解析
• 2.2预训练技术：大模型的基石
• 2.3指令微调技术：规范一般的LoRA与P - Tuning
• 2.3.1 LoRA
• 2.3.2 P - Tuning
• 2.4基于人类反馈的强化学习：大模型的智慧之旅
• 2.5大模型效果：看得到的改变与影响
• 第3...
目录
• 第1章 初识GPT - 4和ChatGPT
• 1.1 LLM概述
• 1.2 GPT模型简史：从GPT - 1到GPT - 4
• 第2章 深入了解GPT - 4和ChatGPT的API
• 2.1 基本概念
• 2.2 OpenAI API提供的可用模型
• 2.3 在OpenAI Playground中使用GPT模型
• 2.4 开始使用OpenAI Python库
• 第3章 使用GPT - 4和ChatGPT构建应用程序
• 3.1 应用程序开发概述
• 3.2 软件架构设计原则
• 3.3 LLM驱动型应用程序的漏洞
• 3.4 示例项目
• 第4章 GPT - 4...
在当今人工智能飞速发展的时代，无监督学习宛如一把神秘的 “宝藏钥匙”，悄然开启着无数未知的领域。当我们惊叹于智能语音助手的便捷、人脸识别技术的精准时，背后离不开无监督学习的强大助力。它与监督学习并驾齐驱，却又独具魅力，为 AI 的发展开拓出一片崭新天地。
与监督学习不同，无监督学习面对的是没有预先标注 “答案” 的数据。想象一下，在一个巨大的图书馆里，书籍琳琅满目却没有分类标签，无监督学习算法就如同一位智慧的图书管理员，凭借书籍内容的内在联系 —— 文字风格、主题、写作年代等，将它们有条不紊地归类摆放。在这个过程中，没有人为事先定义好的类别，一切都...