本書以獨特的角度，深入淺出地介紹了人工智能領(lǐng)域最新技術(shù)——ChatGPT、提示工程及自然語言處理等相關(guān)技術(shù)。在內(nèi)容上，本書科普性與專業(yè)性并重，既為普通讀者提供基礎(chǔ)知識，又有對專業(yè)領(lǐng)域的深入探討。本書通過7章的內(nèi)容，在全面介紹ChatGPT內(nèi)部原理的基礎(chǔ)上，重點解析提示指令的構(gòu)建方法，以及如何針對各類任務(wù)構(gòu)建合適的提示指

本書介紹了ChatGPT的前世今生，重點聚焦普通人如何使用ChatGPT獲得工作和生活效率的提升，各行各業(yè)如何通過ChatGPT來改變自己的賽道狀態(tài)。使用ChatGPT的寶典以及普及ChatGPT背后的技術(shù)，普通人可以看懂而且也富有科普性。同時，把AIGC中的生成視頻、圖像和文本也做了介紹，并提供了大量的工具。最后本書

本書對軟件單元測試進行了詳細介紹。第1章與第2章介紹軟件單元測試的概念和基礎(chǔ)知識；第3章到第5章介紹C語言、Java語言和Python語言的單元測試框架和技巧；第6章與第7章介紹代碼覆蓋率工具和代碼語法規(guī)范檢查工具；第8章通過兩個案例詳細介紹TDD。讀者可以根據(jù)自己的需求對以上內(nèi)容進行選擇性閱讀或者全部閱讀。另外，為了

《深入淺出數(shù)據(jù)分析》以類似"章回小說”的活潑形式，生動地向讀者展現(xiàn)出色的數(shù)據(jù)分析人員應知應會的技術(shù)：數(shù)據(jù)分析基本步驟、實驗方法、優(yōu)化方法、假設(shè)檢驗方法、貝葉斯統(tǒng)計方法、主觀概率法、啟發(fā)法、直方圖法、回歸法、誤差處理、相關(guān)數(shù)據(jù)庫、數(shù)據(jù)整理技巧；正文之后，意猶未盡地以三篇附錄介紹數(shù)據(jù)分析十大要務(wù)、R工具及ToolPak工具

本書主要介紹JavaEE主流開源框架，內(nèi)容包括Spring、SpringMVC、MyBatis三大開源框架的架構(gòu)原理、典型應用場景實現(xiàn)、案例代碼解析等，最后通過一個綜合案例應用這三個框架。本書通過無框架和使用框架的對比實現(xiàn)及詳細的代碼展示，幫助讀者深入理解框架的優(yōu)勢和各框架間的聯(lián)系。本書適合作為職業(yè)院校計算機類專業(yè)的教

本書是針對零基礎(chǔ)讀者編寫的動態(tài)網(wǎng)站開發(fā)入門教材，循序漸進地介紹了JavaScript開發(fā)技術(shù)。依據(jù)Web前端開發(fā)崗位的職業(yè)能力要求，本書重點介紹了JavaScript的核心技術(shù)，并在此基礎(chǔ)上詳細講解了jQuery框架的使用方法。本書使用熱點案例，可以讓初學者快速掌握動態(tài)網(wǎng)站開發(fā)技術(shù)。通過掃描二維碼，讀者可以進行課堂訓練

本書圍繞Hadoop大數(shù)據(jù)平臺及其生態(tài)系統(tǒng)組件的部署與運維，采用“任務(wù)驅(qū)動＋知識準備＋任務(wù)實施＋考核評價＂的項目化模式組織各單元的內(nèi)容。全書分為11個單元，主要內(nèi)容包括大數(shù)據(jù)簡介、Hadoop偽分布式安裝部署、Hadoop集群部署與監(jiān)控、HDFS分布式存儲、使用MapReduce實現(xiàn)電商銷售數(shù)據(jù)的統(tǒng)計、Hadoop高可

本書是機器學習領(lǐng)域的入門教材，詳細闡述了機器學習的基本理論和方法。全書由12章組成，包括緒論、線性模型與邏輯斯諦回歸、決策樹、貝葉斯分類器、k近鄰算法、支持向量機、人工神經(jīng)網(wǎng)絡(luò)、線性判別分析、主成分分析法、聚類、EM算法與高斯混合聚類、集成學習等。對每一種機器學習算法，均從算法原理的理論推導和MATLAB實現(xiàn)兩方面進行

模式識別是指對表征事物或現(xiàn)象的各種形式的信息進行處理和分析，以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程；機器學習是指機器通過統(tǒng)計學算法，對大量歷史數(shù)據(jù)進行學習，進而利用生成的經(jīng)驗模型指導業(yè)務(wù)的過程。本書介紹模式識別和機器學習技術(shù)的主要方面，包括貝葉斯統(tǒng)計決策、概率密度函數(shù)的估計、線性分類與回歸模型、其他分類方法、無

本書全面講述人工智能算法的理論基礎(chǔ)和案例編程實現(xiàn)。第1章簡要介紹機器學習的發(fā)展及其應用。第2章和第3章主要介紹機器學習經(jīng)典分類算法、聚類算法、集成算法和隨機森林算法，以及這些算法的具體內(nèi)容、算法原理和案例編程實現(xiàn)。第4章介紹了深度學習的概念、原理、研究現(xiàn)狀，以及典型的神經(jīng)網(wǎng)絡(luò)及其相關(guān)網(wǎng)絡(luò)的案例編程實現(xiàn)。第5章介紹了強化