机读格式显示(MARC)

• 000 01442nam0 2200265 450

• 001 0000607980

• 005 20231118090900.0

• 010 __ |a 978-7-115-61894-8 |d CNY59.80

• 100 __ |a 20230825d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak z 000yy

• 106 __ |a r

• 200 1_ |a 人人都是提示工程师 |A ren ren dou shi ti shi gong cheng shi |f 陈明明, 李腾龙编著

• 210 __ |a 北京 |c 人民邮电出版社 |d 2023.8

• 215 __ |a 244页 |c 彩图 |d 21cm

• 314 __ |a 陈明明, 统计学硕士, 研究方向为自然语言处理、深度学习与量化交易, 曾就职于微软, 现在从事自然语言处理和人工智能方面的开发工作。李腾龙, 应用统计学博士, 研究方向为因果推断、贝叶斯统计与机器学习, 现就职于西交利物浦大学西浦慧湖药学院, 担任生物统计学助理教授, 曾在美国波士顿大学从事博士后研究, 并在美国东北大学讲授“数据分析”课程。

• 330 __ |a 本书首先讲述提示技术的基本工作原理和提示工程师的常用工具, 提示技术的基础模式, 提示技术的进阶知识 (包括零样本提示、少样本提示和思维链提示CoT); 然后讲解自然语言处理的基础知识和ChatGPT大模型方面的内容, 以及NLP模型的特点和应用场景; 最后展示提示技术在不同领域的应用, 展示了办公类、图片类、代码类和电商类案例。

• 333 __ |a 本书不仅适合对提示工程师感兴趣或从事相关工作的读者阅读, 还适合对自然语言处理和人工智能感兴趣的读者参考

• 606 0_ |a 人工智能 |A ren gong zhi neng

• 690 __ |a TP18 |v 5

• 701 _0 |a 陈明明 |A chen ming ming |4 编著

• 701 _0 |a 李腾龙 |A li teng long |4 编著

• 801 _0 |a CN |c 20230825

• 905 __ |a WXCSXY |d TP18/783