展开全部

主编推荐语

AI工具全流程开发与机器学习实战指南。

内容简介

本书展示了如何使用AI工具构建应用程序和机器学习模型,以及自动化重复性任务。

书中第1章~第7章主要聚焦于编程,用AI工具完成从用户界面构建到后端开发的过程。你将使用提示词来创建使用HTML进行构建的应用程序的外观,用CSS来设计样式,并借助JavaScript增加行为,同时处理多个视口。随后,你将使用Python和Flask创建一个Web API,并对代码进行重构以提升可读性。最后,借助GitHub Copilot,优化现有代码的可维护性和性能。

第8章~第19章提供了从数据检查(检查数据、创建分布图和相关矩阵)到构建和优化神经网络的数据科学提示工具包。你将针对各种机器学习模型和用例,使用不同的提示策略进行数据预处理、特征工程、模型选择、训练、超参数优化和模型评估。

第20章和第21章探讨了GitHub Copilot的高阶技术和软件智能体,包括代码生成、调试以及故障排除的技巧。你将了解AI驱动的智能体如何更简单地工作,并发现工具调用的奥秘。

目录

  • 版权信息
  • 推荐序一 金融行业的AI赋能与数字化转型
  • 推荐序二 AI赋能航空运行安全:中导航的创新实践
  • 推荐序三 小鱼易连的技术创新与AI实践
  • 推荐序四 AI开启智能芯片新时代
  • 推荐序五 AI与网络安全,智能时代新纪元
  • 推荐序六 AI时代的领航与赋能
  • 译者序 拥抱AI,开启数字化转型的新征程
  • 前言
  • 关于作者
  • 关于审校者
  • 第1章 欢迎进入AI助手新世界
  • 1.1 导论
  • 1.2 ChatGPT的发展历程:从自然语言处理到大语言模型
  • 1.3 新范式:使用自然语言编程
  • 1.4 编程语言的演进
  • 第2章 提示策略
  • 2.1 导论
  • 2.2 你的身份
  • 2.3 如何有效提示
  • 2.4 针对Web开发领域的提示策略
  • 2.5 针对数据科学领域的提示策略
  • 2.6 验证结果
  • 2.7 总结
  • 第3章 行业工具:AI助手介绍
  • 3.1 导论
  • 3.2 了解Copilot
  • 3.3 了解ChatGPT
  • 3.4 总结
  • 第4章 使用HTML和Copilot构建应用程序的外观
  • 4.1 导论
  • 4.2 业务问题
  • 4.3 页面结构
  • 4.4 为页面结构构建添加AI辅助
  • 4.5 挑战:改变提示词内容
  • 4.6 用例:构建电子商务网站前端
  • 4.7 任务
  • 4.8 挑战
  • 4.9 测验
  • 4.10 总结
  • 第5章 使用CSS和Copilot为应用程序添加样式
  • 5.1 导论
  • 5.2 业务问题
  • 5.3 问题和数据领域
  • 5.4 功能分解
  • 5.5 提示策略
  • 5.6 CSS
  • 5.7 任务
  • 5.8 用例:为电子商务应用程序添加样式
  • 5.9 挑战
  • 5.10 测验
  • 5.11 总结
  • 第6章 使用JavaScript添加行为
  • 6.1 导论
  • 6.2 业务问题
  • 6.3 问题和数据领域
  • 6.4 功能分解
  • 6.5 提示策略
  • 6.6 添加JavaScript
  • 6.7 挑战
  • 6.8 用例:添加行为
  • 6.9 任务
  • 6.10 总结
  • 第7章 使用响应式Web布局支持多个视口
  • 7.1 导论
  • 7.2 业务问题
  • 7.3 问题和数据领域
  • 7.4 功能分解
  • 7.5 提示策略
  • 7.6 视口
  • 7.7 用例:使产品库具有响应性
  • 7.8 任务
  • 7.9 挑战
  • 7.10 总结
  • 第8章 构建具有Web API的后端
  • 8.1 导论
  • 8.2 业务问题
  • 8.3 问题和数据领域
  • 8.4 功能分解
  • 8.5 提示策略
  • 8.6 Web API
  • 8.7 使用Python和Flask创建Web API
  • 8.8 用例:电子商务网站的Web API
  • 8.9 任务
  • 8.10 挑战
  • 8.11 总结
  • 第9章 用AI服务增强Web应用程序
  • 9.1 导论
  • 9.2 业务问题
  • 9.3 问题和数据领域
  • 9.4 功能分解
  • 9.5 提示策略
  • 9.6 创建模型
  • 9.7 制订计划
  • 9.8 将模型转换为ONNX格式
  • 9.9 在JavaScript中加载ONNX模型
  • 9.10 任务
  • 9.11 测验
  • 9.12 总结
  • 第10章 维护现有代码库
  • 10.1 导论
  • 10.2 提示策略
  • 10.3 不同的维护类型
  • 10.4 维护过程
  • 10.5 解决一个漏洞
  • 10.6 添加新功能
  • 10.7 提高性能
  • 10.8 提高可维护性
  • 10.9 挑战
  • 10.10 更新现有的电子商务网站
  • 10.11 任务
  • 10.12 测验
  • 10.13 总结
  • 第11章 使用ChatGPT进行数据探索
  • 11.1 导论
  • 11.2 业务问题
  • 11.3 问题和数据领域
  • 11.4 功能分解
  • 11.5 提示策略
  • 11.6 使用免费版ChatGPT对亚马逊评论数据集进行数据探索
  • 11.7 使用ChatGPT-4o对亚马逊评论数据集进行数据探索
  • 11.8 任务
  • 11.9 挑战
  • 11.10 总结
  • 第12章 用ChatGPT构建分类模型
  • 12.1 导论
  • 12.2 业务问题
  • 12.3 问题和数据领域
  • 12.4 功能分解
  • 12.5 提示策略
  • 12.6 使用免费版ChatGPT构建情绪分析模型,精准分类亚马逊评论
  • 12.7 使用ChatGPT-4或ChatGPT Plus构建情绪分析模型,精准分类亚马逊评论
  • 12.8 任务
  • 12.9 挑战
  • 12.10 总结
  • 第13章 使用ChatGPT构建客户消费的回归模型
  • 13.1 导论
  • 13.2 业务问题
  • 13.3 问题和数据领域
  • 13.4 功能分解
  • 13.5 提示策略
  • 13.6 使用免费版ChatGPT构建简单线性回归模型
  • 13.7 使用ChatGPT Plus构建简单线性回归模型
  • 13.8 任务
  • 13.9 挑战
  • 13.10 总结
  • 第14章 使用ChatGPT为Fashion-MNIST数据集构建MLP模型
  • 14.1 导论
  • 14.2 业务问题
  • 14.3 问题和数据领域
  • 14.4 功能分解
  • 14.5 提示策略
  • 14.6 使用免费版ChatGPT构建可以准确分类Fashion-MNIST图像的MLP模型
  • 14.7 任务
  • 14.8 挑战
  • 14.9 总结
  • 第15章 使用ChatGPT为CIFAR-10构建CNN模型
  • 15.1 导论
  • 15.2 业务问题
  • 15.3 问题和数据领域
  • 15.4 功能分解
  • 15.5 提示策略
  • 15.6 使用免费版ChatGPT构建可以准确分类CIFAR-10图像的CNN模型
  • 15.7 任务
  • 15.8 挑战
  • 15.9 总结
  • 第16章 无监督学习:聚类和PCA
  • 16.1 导论
  • 16.2 功能分解
  • 16.3 提示策略
  • 16.4 电子商务项目的客户细分
  • 16.5 电子商务项目的产品聚类
  • 16.6 对该用例提示词的反思
  • 16.7 任务
  • 16.8 总结
  • 第17章 使用Copilot进行机器学习
  • 17.1 导论
  • 17.2 集成开发环境里的Copilot Chat
  • 17.3 数据集概述
  • 17.4 数据探索步骤
  • 17.5 提示策略
  • 17.6 初始数据探索提示词
  • 17.7 步骤1:数据加载
  • 17.8 步骤2:数据检查
  • 17.9 步骤3:汇总统计
  • 17.10 步骤4:分类分析
  • 17.11 步骤5:评分分布可视化
  • 17.12 步骤6:时间趋势分析
  • 17.13 步骤7:评论文本分析
  • 17.14 步骤8:相关性分析
  • 17.15 步骤9:其他探索性分析
  • 17.16 任务
  • 17.17 总结
  • 第18章 使用Copilot Chat进行回归分析
  • 18.1 导论
  • 18.2 回归
  • 18.3 数据集概述
  • 18.4 提示策略
  • 18.5 评估模型
  • 18.6 任务
  • 18.7 总结
  • 第19章 使用Copilot建议进行回归分析
  • 19.1 导论
  • 19.2 数据集概述
  • 19.3 提示策略
  • 19.4 在Copilot的帮助下开始编程
  • 19.5 任务
  • 19.6 总结
  • 第20章 利用Copilot提高效率
  • 20.1 导论
  • 20.2 代码生成和自动化
  • 20.3 Copilot命令
  • 20.4 调试和排除故障
  • 20.5 代码审查和优化技术
  • 20.6 工作空间
  • 20.7 Visual Studio Code查询
  • 20.8 终端
  • 20.9 任务
  • 20.10 挑战
  • 20.11 测验
  • 20.12 总结
  • 第21章 软件开发中的智能体
  • 21.1 导论
  • 21.2 什么是智能体
  • 21.3 简单智能体与使用AI的智能体
  • 21.4 简单智能体
  • 21.5 高级对话
  • 21.6 自主智能体
  • 21.7 任务
  • 21.8 挑战
  • 21.9 测验
  • 21.10 总结
  • 21.11 参考文献
  • 第22章 结论
  • 22.1 本书回顾
  • 22.2 主要结论
  • 22.3 未来趋势
  • 22.4 写在最后
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。