会员
AI时代程序员开发之道：ChatGPT让程序员插上翅膀
更新时间：2025-03-27 18:38:58 最新章节：11.6 本章总结
书籍简介
本书从介绍“ChatGPT第一次接触”开始，分析如何使用该工具来提高开发效率和质量。书中每一章都涵盖了ChatGPT的不同应用场景，从编写各种文档，到辅助进行需求分析和系统设计，以及数据库设计和开发高质量代码等均有讲解。还介绍了如何使用ChatGPT辅助进行系统测试以及任务管理，并对源代码底层逻辑进行了分析。
品牌：北大出版社
上架时间：2023-08-01 00:00:00
出版社：北京大学出版社
本书数字版权由北大出版社提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
关东升
最新上架
- 会员本书共分为9章，内容涵盖三个层次：介绍与解读、入门学习、进阶提升。第1-2章介绍与剖析了ChatGPT与提示工程，并从多个学科的角度探讨了提示工程学科。第3-5章演示了ChatGPT的实际运用，教你如何使用ChatGPT解决自然语言处理问题，并为你提供了一套可操作、可重复的提示设计框架，让你能够熟练驾驭ChatGPT。第6-9章讲解了来自学术界的提示工程方法，以及如何围绕ChatGPT进行创新。计算机9.7万字
- 会员本书通过实践案例操作，讲述AI绘画的生成步骤，展现了AI绘画的魔法魅力。从历史到未来，跨越百年时空；从理论到实践，讲述案例操作；从技术到哲学，穿越多个维度；从语言到绘画，落地实战演练。AI绘画的诞生，引发了奇点降临，点亮了AGI（通用人工智能），并涉及Prompt、风格、技术细节、多模态交互、AIGC等一系列讲解。计算机5.5万字
- 会员本书从基础的神经网络、卷积神经网络、循环神经网络等入门知识，到深度学习的应用领域如计算机视觉、自然语言处理等高级主题都有涉及，可以帮助读者更好地理解深度学习知识，并为未来的职业发展打下坚实的基础。计算机23.6万字
- 会员本书共分为8章，涵盖了从数据分析基础知识、常见的统计学方法到使用ChatGPT进行数据准备、数据清洗、数据特征提取、数据可视化、回归分析与预测建模、分类与聚类分析，以及深度学习和大数据分析等全面的内容。计算机10.7万字
- 会员本书深入浅出地介绍了现代大型人工智能（ArtificialIntelligence，AI）模型技术，从对话机器人的发展历程和人工智能的理念出发，详细阐述了大模型私有化部署过程，深入剖析了Transformer架构，旨在帮助读者领悟大模型的核心原理和技术细节。本书的讲解风格独树一帜，将深奥的技术术语转化为简洁明了的语言，案例叙述既严谨又充满趣味，让读者在轻松愉快的阅读体验中自然而然地吸收和理解AI计算机15.8万字
同类书籍最近更新
- 会员《科学的极致：漫谈人工智能》将全面介绍人工智能的发展历史、探究过程以及在各个领域的应用，以通俗易懂的语言和生动有趣的示例为你揭示人工智能不为人知的奥秘。集智俱乐部是一个从事学术研究、享受科学乐趣的探索者组成的团体，倡导以平等开放的态度、科学实证的精神进行跨学科的研究与交流，力图搭建一个中国的“没有围墙的研究所”。这些令人崇敬的、充满激情与梦想的集智俱乐部成员将带你了解图灵机模型、冯·诺依曼计算机体人工智能18.3万字
- 会员本书分为3个部分：第1章和第2章是人工智能的数学基础，主要介绍了机器学习的概念、Python开发环境的搭建、机器学习bibei的数学知识，以及线性代数和概率论的相关知识；第3~12章主要介绍了回归模型、分类模型、聚类模型、半监督模型的建立和相关算法的理论，以及如何使用sklearn具体实现相关算法模型的搭建；第13章介绍了Spark机器学习，笔者认为对于机器学习，不能只限于Python中的skle人工智能0字
- 会员本书专注讨论深度学习中应用非常广泛的模型——卷积神经网络，该模型特别适用于图像分类和识别、目标分割和检测以及人工智能游戏方面，受众对象包括计算机、自动化、信号处理、机电工程、应用数学等相关专业的研究生、教师以及算法工程师和科研工作者。本书的最大特色是对卷积神经网络进行由浅入深的分类描述，依次包括：现代雏形、突破模型、应变模型、加深模型、跨连模型、区域模型、分割模型、特殊模型、强化模型和顶尖成就。这人工智能14.8万字
- 会员随着深度学习技术的发展、计算能力的提升和视觉数据的增加，计算机视觉技术在图像搜索、智能相册、人脸闸机、城市智能交通管理、智慧医疗等诸多领域都取得了令人瞩目的成绩。越来越多的人开始关注这个领域。计算机视觉包含多个分支，其中图像分类、目标检测、图像分割、目标跟踪等是计算机视觉领域最重要的几个研究课题。本书介绍的目标检测技术，本质上就是通过计算机运行特定的算法，检测图像中一些受关注的目标。当今时代，我们人工智能8.6万字
- 会员本书是《智能计算系统》的配套实验教程，结合智能计算系统的软硬件技术栈设计了基于通用CPU平台和深度学习处理器平台的分阶段实验和综合实验。其中，分阶段实验以风格迁移作为驱动范例，包括算法实验（第2～3章）、编程框架实验（第4章）、智能编程语言实验（第5章）、深度学习处理器运算器设计实验（第6章）。通过完成分阶段实验，读者可以开发出一个可完成图像风格迁移任务的智能计算系统。综合实验（第7章）包括目标检人工智能13.4万字